在即將進(jìn)入5G時(shí)代的今天,云計(jì)算、大數(shù)據(jù)技術(shù)為各領(lǐng)域的數(shù)據(jù)分析提供了技術(shù)支持,數(shù)據(jù)分析用處越來越廣,為各個(gè)公司的分析決策行為提供了基礎(chǔ)�，F(xiàn)階段移動(dòng)公司還在使用excel文檔中的公式和函數(shù)進(jìn)行數(shù)據(jù)分析,由于excel文檔是靜態(tài)的,具有可處理的數(shù)據(jù)量有限,數(shù)據(jù)挖掘能力不足,數(shù)據(jù)安全級別不高等缺點(diǎn),這樣既耗時(shí)得出的結(jié)果也不準(zhǔn)確,推薦的套餐不夠符合用戶需求,提高了套餐類的投訴率。如何通過分析現(xiàn)有手機(jī)用戶行為,挖掘出符合手機(jī)用戶推薦套餐,讓市場營銷向著精準(zhǔn)化、精細(xì)化發(fā)展,一直以來是移動(dòng)公司市場營銷部門追求的目標(biāo)。本論文采用Django Web Project框架,數(shù)據(jù)獲取采用Web Services技術(shù),開發(fā)語言采用Python,聚類分析采用OPTICS算法。從手機(jī)用戶數(shù)據(jù)參數(shù)（指標(biāo)）的獲取出發(fā),完成手機(jī)用戶消費(fèi)數(shù)據(jù)獲取、手機(jī)用戶參數(shù)管理以及手機(jī)用戶評估分析等模塊。通過對手機(jī)用戶的多種消費(fèi)方法進(jìn)行提取,分析不同用戶的手機(jī)通話性質(zhì)、上網(wǎng)流量、時(shí)間等指標(biāo),從而完成對各類不同類型用戶的劃分,并向不同類型的用戶推薦套餐。移動(dòng)公司可結(jié)合行業(yè)服務(wù)特點(diǎn),進(jìn)行專門的優(yōu)化和改進(jìn),幫助自身更好地制定相關(guān)營銷策略。本... 

【文章來源】：內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū)211工程院校

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
一、引言
    1.1 研究的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
    1.4 本文的篇章結(jié)構(gòu)
二、系統(tǒng)相關(guān)技術(shù)
    2.1 聚類分析
    2.2 基于密度聚類分析技術(shù)
    2.3 聚類分析算法比較
三、需求分析
    3.1 手機(jī)用戶數(shù)據(jù)獲取分析
    3.2 手機(jī)用戶參數(shù)管理分析
    3.3 手機(jī)用戶行為評估分析
    3.4 數(shù)據(jù)挖掘的手機(jī)用戶評估的核心流程
        3.4.1 手機(jī)用戶數(shù)據(jù)采集流程
        3.4.2 手機(jī)用戶特征數(shù)據(jù)挖掘流程
        3.4.3 手機(jī)套餐推薦流程
四、系統(tǒng)設(shè)計(jì)
    4.1 手機(jī)用戶行為分析系統(tǒng)的架構(gòu)設(shè)計(jì)
    4.2 手機(jī)用戶數(shù)據(jù)獲取設(shè)計(jì)
    4.3 手機(jī)用戶數(shù)據(jù)處理設(shè)計(jì)
    4.4 手機(jī)用戶特征信息管理設(shè)計(jì)
    4.5 手機(jī)用戶評估分類設(shè)計(jì)
    4.6 手機(jī)套餐推薦設(shè)計(jì)
五、系統(tǒng)實(shí)現(xiàn)
    5.1 手機(jī)用戶數(shù)據(jù)獲取的實(shí)現(xiàn)
    5.2 手機(jī)用戶數(shù)據(jù)處理
    5.3 手機(jī)套餐推薦
六、系統(tǒng)測試
    6.1 系統(tǒng)測試方案
    6.2 系統(tǒng)功能測試
    6.3 數(shù)據(jù)挖掘算法測試
    6.4 分析結(jié)果測試
七、總結(jié)和展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]噪聲環(huán)境下復(fù)雜流形數(shù)據(jù)的勢能層次聚類算法[J]. 于曉飛,葛洪偉.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]微信公眾號(hào)層次模糊元關(guān)聯(lián)規(guī)則聚類預(yù)警[J]. 宋華,羅興宇,劉亮.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(11)
[3]基于Apriori算法的鄭州市手機(jī)消費(fèi)市場關(guān)聯(lián)規(guī)則挖掘[J]. 劉雪冉.  知識(shí)經(jīng)濟(jì). 2018(10)
[4]基于模糊聚類的多分辨率社區(qū)發(fā)現(xiàn)方法[J]. 汪曉鋒,劉功申,李建華.  電子與信息學(xué)報(bào). 2017(09)
[5]基于GIS的網(wǎng)購大數(shù)據(jù)挖掘分析——以京東線上手機(jī)交易記錄為例[J]. 葉春姣,沙晉明,金彪.  福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[6]折半聚類算法在基于社會(huì)力的人群疏散仿真中的應(yīng)用[J]. 李焱,劉弘,鄭向偉.  計(jì)算機(jī)應(yīng)用. 2017(05)
[7]基于Spark的BIRCH算法并行化的設(shè)計(jì)與實(shí)現(xiàn)[J]. 李帥,吳斌,杜修明,陳玉峰.  計(jì)算機(jī)工程與科學(xué). 2017(01)
[8]基于圖論多分辨率聚類分析的測井巖相識(shí)別研究——以阿姆河盆地臺(tái)內(nèi)灘氣田為例（英文）[J]. 田雨,徐洪,張興陽,王紅軍,郭同翠,張良杰,龔幸林.  Applied Geophysics. 2016(04)
[9]多尺度數(shù)據(jù)挖掘方法[J]. 柳萌萌,趙書良,韓玉輝,蘇東海,李曉超,陳敏.  軟件學(xué)報(bào). 2016(12)
[10]一種基于k-均值的DBSCAN算法參數(shù)動(dòng)態(tài)選擇方法[J]. 王兆豐,單甘霖.  計(jì)算機(jī)工程與應(yīng)用. 2017(03)

碩士論文
[1]手機(jī)客戶消費(fèi)趨勢分析與研究[D]. 殷炤.山西財(cái)經(jīng)大學(xué) 2006



本文編號(hào)：3643271