隨著電子商務(wù)的普及,在為用戶提供多種商品的同時(shí),也為用戶增加了更加多樣的選擇。然而,面對如此多樣的商品信息,如何快速、準(zhǔn)確地選擇所需的商品已成為用戶和企業(yè)關(guān)注的話題。數(shù)據(jù)挖掘的發(fā)展讓營銷逐步精準(zhǔn)化,通過數(shù)學(xué)方法進(jìn)行統(tǒng)計(jì)分析以及建模,挖掘數(shù)據(jù)的價(jià)值,可以向客戶推薦越來越多有用的信息,同時(shí)達(dá)到營銷的目的。產(chǎn)品推薦已廣泛應(yīng)用于金融、電子商務(wù)等領(lǐng)域。推薦的營銷模式可以提高公司的競爭力,也可以發(fā)現(xiàn)客戶需求,改善客戶體驗(yàn)。大型電子商務(wù)網(wǎng)站都有比較完善的推薦系統(tǒng),而小型電子商務(wù)網(wǎng)站往往沒有推薦系統(tǒng)或者缺乏比較有效的推薦系統(tǒng),在競爭中處于劣勢。本研究針對小型電子商務(wù)平臺(tái),通過對客戶基本信息和歷史交易數(shù)據(jù)的分析,向客戶推薦有用的信息,達(dá)到營銷的目的。本文以A公司的營銷數(shù)據(jù)為例,利用數(shù)學(xué)方法進(jìn)行建模,建立一套切實(shí)可行的為客戶提供產(chǎn)品推薦服務(wù)的方案。本文研究的主要包含以下內(nèi)容:（1）利用數(shù)學(xué)方法對A公司的產(chǎn)品推薦方案進(jìn)行建模,主要使用的方法包含貝葉斯定理、樸素貝葉斯分類器、拉普拉斯修正。在數(shù)學(xué)模型的基礎(chǔ)上對A公司新客戶的產(chǎn)品推薦與老客戶的產(chǎn)品推薦進(jìn)行進(jìn)一步驗(yàn)證,明確個(gè)性化推薦的重要意義。（2）針對A公司現(xiàn)狀... 

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
        1.1.1 中國互聯(lián)網(wǎng)產(chǎn)業(yè)高速發(fā)展
        1.1.2 電子商務(wù)行業(yè)發(fā)展迅速
        1.1.3 電商平臺(tái)推薦系統(tǒng)現(xiàn)狀
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)的國外研究狀況
        1.2.2 推薦系統(tǒng)的國內(nèi)研究狀況
        1.2.3 國內(nèi)外研究總結(jié)
    1.3 論文研究的思路與方法
    1.4 論文研究的框架與內(nèi)容
2 理論基礎(chǔ)
    2.1 貝葉斯定理
    2.2 樸素貝葉斯分類器
    2.3 拉普拉斯修正(Laplacian correction)
    2.4 數(shù)據(jù)挖掘
    2.5 機(jī)器學(xué)習(xí)
    2.6 精準(zhǔn)營銷
3 A公司現(xiàn)狀分析
    3.1 公司概況分析
    3.2 A公司產(chǎn)品推薦現(xiàn)狀分析
    3.3 A公司產(chǎn)品推薦問題分析
    3.4 A公司建立推薦系統(tǒng)的必要性分析
    3.5 A公司建設(shè)推薦系統(tǒng)的可行性分析
        3.5.1 管理可行性分析
        3.5.2 經(jīng)濟(jì)可行性分析
        3.5.3 技術(shù)可行性分析
4 推薦模型的構(gòu)建
    4.1 工作方法
    4.2 基于樸素貝葉斯分類器的模型
    4.3 推薦模型的構(gòu)建過程
    4.4 驗(yàn)證方法
5 基于A公司的實(shí)例驗(yàn)證
    5.1 貝葉斯分類器的建立
        5.1.1 數(shù)據(jù)清洗和整理
        5.1.2 新客戶樣本數(shù)據(jù)
        5.1.3 老客戶樣本數(shù)據(jù)
        5.1.4 條件特征的確定
        5.1.5 通過機(jī)器學(xué)習(xí)構(gòu)建分類器
    5.2 貝葉斯分類器的檢驗(yàn)
        5.2.1 實(shí)驗(yàn)過程
        5.2.2 新客戶實(shí)驗(yàn)結(jié)果
        5.2.3 老客戶實(shí)驗(yàn)結(jié)果
    5.3 誤差分析
        5.3.1 新客戶誤差分析
        5.3.2 老客戶誤差分析
        5.3.3 實(shí)驗(yàn)總結(jié)
6 總結(jié)及展望
    6.1 A公司建立推薦系統(tǒng)的建議
    6.2 論文總結(jié)
    6.3 展望和不足
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]關(guān)于顧客流失率的研究[J]. 張衛(wèi).  中國市場. 2018(35)
[2]淺析數(shù)據(jù)挖掘在電子商務(wù)客戶關(guān)系管理中的運(yùn)用[J]. 孫赫強(qiáng),榮楠楠.  科技資訊. 2018(17)
[3]K-近鄰矩陣分解推薦系統(tǒng)算法[J]. 郝雅嫻,孫艷蕊.  小型微型計(jì)算機(jī)系統(tǒng). 2018(04)
[4]基于用戶評論評分與信任度的協(xié)同過濾算法[J]. 王余斌,王成良,文俊浩.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[5]線下推薦對我國消費(fèi)者網(wǎng)絡(luò)購買意愿的影響——基于關(guān)系強(qiáng)度理論[J]. 張新,馬良.  大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(02)
[6]基于用戶概要擴(kuò)展的協(xié)同過濾算法[J]. 孔維梁,韓淑云,黃宏濤.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[7]電子商務(wù)網(wǎng)站中推薦系統(tǒng)與顧客忠誠度的影響研究[J]. 歐陽金桔,朱未萍.  現(xiàn)代商業(yè). 2016(09)
[8]電子商務(wù)智能推薦系統(tǒng)中的案例檢索算法探討[J]. 高華.  長春大學(xué)學(xué)報(bào). 2016(02)
[9]LinkMF:結(jié)合Linked Data的協(xié)同過濾推薦算法[J]. 黃山山,馬軍,郭磊,王帥強(qiáng).  中文信息學(xué)報(bào). 2016(01)
[10]從傳統(tǒng)營銷到“互聯(lián)網(wǎng)+”營銷[J]. 梁錫崴.  銷售與市場(評論版). 2015(08)

博士論文
[1]推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D]. 郭艷紅.大連理工大學(xué) 2008

碩士論文
[1]快消品移動(dòng)電商平臺(tái)消費(fèi)者購買意愿影響因素分析[D]. 李婷婷.大連工業(yè)大學(xué) 2016
[2]電子商務(wù)下物流服務(wù)質(zhì)量對顧客滿意度的影響[D]. 李霞.重慶交通大學(xué) 2013
[3]ID3算法、樸素貝葉斯算法和BP神經(jīng)網(wǎng)絡(luò)算法的比較和分析研究[D]. 林士杰.內(nèi)蒙古大學(xué) 2013
[4]網(wǎng)絡(luò)廣告信息顯示密度的視覺識別效應(yīng)[D]. 李靜.西南交通大學(xué) 2011



本文編號：3661277