在移動(dòng)互聯(lián)網(wǎng)時(shí)代,各類產(chǎn)品獲取流量的方法除了拉取新用戶以外,最重要的手段就是提高轉(zhuǎn)化、留存和促活�；ヂ�(lián)網(wǎng)紅利時(shí)代已經(jīng)過(guò)去,流量成本越來(lái)越高,此時(shí)需要花最少的運(yùn)營(yíng)成本來(lái)經(jīng)營(yíng)用戶和保證收入。通過(guò)精細(xì)化以及數(shù)據(jù)化的運(yùn)營(yíng)方式來(lái)解決用戶運(yùn)營(yíng)的難題,從而留住用戶。本文首先根據(jù)改進(jìn)后的RFM模型對(duì)D企業(yè)財(cái)富管理產(chǎn)品的用戶進(jìn)行k-means聚類,從而實(shí)現(xiàn)價(jià)值分層,在用R語(yǔ)言得出結(jié)果后,發(fā)現(xiàn)將用戶分為五層,分別是重要發(fā)展用戶,重要保持用戶,重要挽留用戶,一般價(jià)值用戶和一般發(fā)展用戶。之后使用Boruta和PCA算法對(duì)每個(gè)用戶群體的重要特征進(jìn)行篩選,通過(guò)實(shí)驗(yàn)結(jié)果與性能對(duì)比來(lái)選擇更合適的模型,同時(shí)了解每一類用戶的消費(fèi)屬性、金融屬性以及基礎(chǔ)屬性,從而針對(duì)每一類用戶設(shè)計(jì)相應(yīng)的營(yíng)銷方案。本文的創(chuàng)新之處是將RFM模型與特征選擇模型結(jié)合起來(lái)用于用戶挖掘問(wèn)題的研究,以及對(duì)RFM模型進(jìn)行了相關(guān)改進(jìn),針對(duì)如今互聯(lián)網(wǎng)金融產(chǎn)品具備的透支消費(fèi)功能增加了還款情況指標(biāo),并將用戶數(shù)據(jù)分為行為、基本屬性和偏好三類,根據(jù)數(shù)據(jù)性質(zhì)有針對(duì)的進(jìn)行分析處理,又對(duì)Boruta和PCA兩種算法進(jìn)行了適用性驗(yàn)證說(shuō)明,總體來(lái)看,利用了多種常用算法的特點(diǎn)優(yōu)勢(shì)... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１論文技術(shù)模塊??Ｆｉｇｌ－１?Ｔｈｅｓｉｓ?Ｔｅｃｈｎｏｌｏｇｙ?Ｍｏｄｕｌｅ??

圖２－１?ＲＦＭ模型??

圖３－２用戶特征選擇流程??Ｆｉｇ３－２?Ｕｓｅｒ?Ｆｅａｔｕｒｅ?Ｓｅｌｅｃｔｉｏｎ?Ｐｒｏｃｅｓｓ??

【參考文獻(xiàn)】：
期刊論文
[1]基于CPD-SMOTE的類不平衡數(shù)據(jù)分類算法研究[J]. 彭如香,楊濤,孔華鋒,姜國(guó)慶,凡友榮.  計(jì)算機(jī)應(yīng)用與軟件. 2018(12)
[2]數(shù)據(jù)挖掘在國(guó)內(nèi)銀行業(yè)應(yīng)用領(lǐng)域的技術(shù)探究[J]. 李文豪.  江蘇科技信息. 2018(15)
[3]數(shù)據(jù)挖掘在金融行業(yè)的應(yīng)用探究[J]. 涂歡.  信息通信. 2018(02)
[4]基于User Profile的微博用戶推薦[J]. 蔣宗禮,康亞如.  計(jì)算機(jī)與現(xiàn)代化. 2017(10)
[5]基于主題模型的改進(jìn)隨機(jī)森林算法在文本分類中的應(yīng)用[J]. 姚立,張曦煌.  計(jì)算機(jī)應(yīng)用與軟件. 2017(08)
[6]基于SVM新的情感計(jì)算方法[J]. 楊永健,聶瑜,吳洋,孫廣志,楊仲堯.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(04)
[7]融合隨機(jī)森林的C-V模型肝臟超聲圖像分割[J]. 黃偉,周鳴爭(zhēng).  井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]數(shù)據(jù)挖掘中基于肘部法則的聚類分析在中小學(xué)生出行路線優(yōu)化設(shè)計(jì)的應(yīng)用[J]. 鄭英鑫.  電子世界. 2017(09)
[9]基于系統(tǒng)聚類分析的天河潭區(qū)域環(huán)境污染程度評(píng)價(jià)[J]. 楊吉,蘇維詞.  環(huán)境工程. 2016(08)
[10]云環(huán)境下基于數(shù)據(jù)流的k-means聚類算法[J]. 王飛,秦小麟,劉亮,沈堯.  計(jì)算機(jī)科學(xué). 2015(11)

碩士論文
[1]基于機(jī)器學(xué)習(xí)的裝備制造企業(yè)投資價(jià)值評(píng)估研究[D]. 趙明.吉林大學(xué) 2018
[2]基于決策樹(shù)的逐步回歸算法及在股票預(yù)測(cè)上的應(yīng)用[D]. 沈金榕.廣東工業(yè)大學(xué) 2017
[3]銀行信用評(píng)級(jí)中的不平衡分類問(wèn)題研究[D]. 陳力.廣東工業(yè)大學(xué) 2017
[4]基于數(shù)據(jù)挖掘的互聯(lián)網(wǎng)金融反欺詐系統(tǒng)研究[D]. 萬(wàn)浩文.暨南大學(xué) 2016
[5]基于隨機(jī)森林模型的房產(chǎn)稅稅基批量評(píng)估研究[D]. 陳釗.哈爾濱工業(yè)大學(xué) 2015
[6]基于隨機(jī)森林的不平衡數(shù)據(jù)分類方法研究[D]. 肖堅(jiān).哈爾濱工業(yè)大學(xué) 2013
[7]Web潛在用戶挖掘研究[D]. 董倩.河北農(nóng)業(yè)大學(xué) 2011



本文編號(hào)：3126059