發(fā)布時間：2017-08-20 12:32

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的銷售策略研究

  更多相關(guān)文章： 銷售策略 數(shù)據(jù)挖掘 關(guān)聯(lián)規(guī)則 聚類分析

【摘要】：隨著社會的進步,生產(chǎn)力水平和信息技術(shù)都快速發(fā)展,我們的日常生活無時無刻不被影響和改變著。各種新技術(shù)、新產(chǎn)品不斷涌現(xiàn)在我們的生活中,人們的購物途徑正在發(fā)生變化。人們更多地將日常購物轉(zhuǎn)向網(wǎng)絡(luò)購物,因為網(wǎng)絡(luò)購物不受時間和地域限制,隨時隨地都可以進行。同時這種變化也給我們帶來了挑戰(zhàn)。我們面臨的選擇空間更大了,我們要花費更多時間選擇我們需要的產(chǎn)品。對于企業(yè)這種趨勢的出現(xiàn)既是挑戰(zhàn)也是機遇。在這種趨勢的推動下,企業(yè)面臨的競爭對手隨處可見。它們無法僅僅依靠產(chǎn)品來保持和贏得客戶,而是需要關(guān)注客戶的個性化需求,及時捕捉客戶的需求,并適時采用恰當?shù)匿N售策略,才能贏得更多的客戶。當前客戶的購物會產(chǎn)生大量的數(shù)據(jù),這些數(shù)據(jù)中包含著大量的信息,這些信息并沒有被充分挖掘和利用。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)使我們可以從客戶的購買行為中挖掘客戶的潛在需求和購物模式,企業(yè)可以根據(jù)數(shù)據(jù)挖掘結(jié)果制定銷售策略。這對顧客而言,可以在一定程度上節(jié)約購物成本;對企業(yè)而言可以增加產(chǎn)品銷量,提高客戶對企業(yè)的粘性,從而達到雙贏的局面。銷售策略研究,是指根據(jù)用戶的興趣特征和以往的購買行為,去決定如何以恰當?shù)姆绞较蚩蛻翡N售其可能購買的商品�；跀�(shù)據(jù)挖掘技術(shù)的銷售策略是根據(jù)客戶以往的購買行為,挖掘客戶的興趣偏好信息,結(jié)合購物行為中商品之間的相似性,而非商品間的物理屬性相似性,向用戶銷售其感興趣的商品組合,即所謂的組合銷售策略;抑或是根據(jù)用戶購物行為找到具有相似特征的客戶群,結(jié)合客戶群的生理特征和購物行為相似性,在客戶群中為相似客戶銷售彼此偏好的商品,即所謂的交叉銷售策略;還可以根據(jù)單個用戶過往的購買行為挖掘用戶的購買模式,基于其購買模式銷售用戶可能購買的商品。第一種銷售策略是基于對象的銷售。第二種和第三種銷售策略都是基于用戶的銷售,前者是基于用戶群組的銷售,后者是基于單個用戶的銷售。以上銷售策略用到的算法主要有關(guān)聯(lián)規(guī)則算法、聚類算法和序列模式挖掘算法。本文主要基于關(guān)聯(lián)規(guī)則和聚類算法作討論。文章首先對國內(nèi)外的一些研究做了梳理,然后從理論上介紹了常用的數(shù)據(jù)挖掘技術(shù),并介紹了基于數(shù)據(jù)挖掘技術(shù)的銷售策略,發(fā)現(xiàn)結(jié)合數(shù)據(jù)挖掘技術(shù)的銷售策略可以有效應(yīng)用于各行各業(yè)的銷售中。其實早就有研究將數(shù)據(jù)挖掘技術(shù)應(yīng)用于銷售策略研究中,但這方面的研究只是一種探索。各行各業(yè)也都有一些這方面的應(yīng)用,只是研究結(jié)果并沒有被充分挖掘并應(yīng)用起來。本文在進行理論探索之后,利用某零售商的部分銷售記錄數(shù)據(jù)作實證分析,充分驗證數(shù)據(jù)挖掘技術(shù)在銷售策略研究中的有效性。但是本文的研究也有一些不足之處,沒有在研究視野上進行拓展,研究角度上也不全面,沒有考慮到時間因素的影響,不過這也是后續(xù)研究可以繼續(xù)努力的方向。
【關(guān)鍵詞】：銷售策略 數(shù)據(jù)挖掘 關(guān)聯(lián)規(guī)則 聚類分析
【學(xué)位授予單位】：蘭州財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F274;TP311.13
【目錄】：

• 摘要4-6
• Abstract6-11
• 1 緒論11-15
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.3 研究內(nèi)容及結(jié)構(gòu)安排15
• 2 數(shù)據(jù)挖掘技術(shù)研究15-20
• 2.1 關(guān)聯(lián)規(guī)則16-18
• 2.1.1 關(guān)聯(lián)規(guī)則的定義16-17
• 2.1.2 關(guān)聯(lián)規(guī)則挖掘步驟17-18
• 2.1.3 關(guān)聯(lián)規(guī)則適用場景分析18
• 2.2 聚類分析18-20
• 2.2.1 聚類分析的定義18-19
• 2.2.2 聚類分析步驟19
• 2.2.3 RFM分析19-20
• 2.2.4 聚類分析的應(yīng)用20
• 3 基于數(shù)據(jù)挖掘的銷售策略研究20-25
• 3.1 捆綁銷售策略20-23
• 3.1.1 捆綁銷售的優(yōu)勢21
• 3.1.2 捆綁銷售的產(chǎn)品21-22
• 3.1.3 具體實施策略22-23
• 3.2 交叉銷售策略23-25
• 3.2.1 交叉銷售的理解23
• 3.2.2 交叉銷售的理論基礎(chǔ)23-24
• 3.2.3 具體實施策略24-25
• 4 實證分析25-43
• 4.1 數(shù)據(jù)預(yù)處理25-28
• 4.1.1 數(shù)據(jù)清洗25-26
• 4.1.2 數(shù)據(jù)集成26
• 4.1.3 數(shù)據(jù)變換26-27
• 4.1.4 數(shù)據(jù)歸約27-28
• 4.2 問題背景28
• 4.3 數(shù)據(jù)準備28-31
• 4.4 關(guān)聯(lián)規(guī)則31-36
• 4.4.1 數(shù)據(jù)庫類型轉(zhuǎn)換31-33
• 4.4.2 挖掘過程與結(jié)果解讀33-36
• 4.5 聚類分析36-43
• 4.5.1 RFM模型36-41
• 4.5.2 挖掘結(jié)果解讀41-43
• 5 結(jié)論與展望43-44
• 參考文獻44-47
• 致謝47

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 宋威;喬陽陽;;基于加權(quán)序列模式的推薦算法研究[J];計算機工程與科學(xué);2015年07期

2 金鵬;;大數(shù)據(jù)背景下物流企業(yè)CRM系統(tǒng)應(yīng)用[J];商場現(xiàn)代化;2015年05期

3 黃文靜;黃明和;汪浩;;基于關(guān)聯(lián)規(guī)則的蟻群算法在交叉銷售中的應(yīng)用研究[J];計算機與數(shù)字工程;2014年04期

4 王新軍;胡曼;;壽險交叉銷售的聚類技術(shù)實務(wù)分析[J];保險研究;2012年01期

5 李愛鳳;;基于數(shù)據(jù)挖掘技術(shù)的購物籃模式研究[J];計算機應(yīng)用與軟件;2011年12期

6 易明;;基于序列模式的個性化Web頁面推薦模型[J];現(xiàn)代圖書情報技術(shù);2008年08期

，

本文編號：706677