基于关联规则的联通华盛通信有限公司新一代零售系统客户消费行为分析研究

发布时间：2017-04-05 06:03

  本文关键词：基于关联规则的联通华盛通信有限公司新一代零售系统客户消费行为分析研究，由笔耕文化传播整理发布。

【摘要】：随着经济的发展、相关政策的出台，中国的电信零售业正在发生变化，客户需求日益差异化、个性化，买方市场也逐渐形成。在这种背景下，本文结合联通全资子公司联通华盛的新一代销售管理系统，研究了客户关系管理的相关理论，探讨了关联规则在客户相关消费规律中的应用。本文依据公司销售交易数据系统的数据特性进行数据分析，进行数据清洗等数据预处理工作。在算法的选取上，，首先对经典算法给出相关的介绍，其次借助Matlab工具仿真分析比较了各类相关算法的性能。本文运用Weka3.7.4专业数据挖掘建模软件对预处理完毕后的企业销售交易数据进行分析建模，然后选取合适的关联规则算法分析预处理后的销售数据，最终得到销售数据的关联规则。最终得到的关联规则具有一定的现实意义和实施价值，有益于帮助联通华盛公司做出合适的营销策略。 由于目前大部分关于关联规则的研究集中于利用经典算法对用户办理套餐进行单维的数据关联分析，由于数据结构及算法上的复杂性，关于多个属性的多维数据的关联规则挖掘在电信服务行业中的应用研究比较少。本文建立多维关联规则挖掘模型，为优化公司的资源配置、更好地做好用户的个性化服务、实现电信企业决策提供依据。
【关键词】：关联规则 多维 客户消费规律 数据预处理 Weka
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.13
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 概述9-15
• 1.1 研究的背景9-10
• 1.2 国内外研究现状10-12
• 1.2.1 客户细分研究现状10-11
• 1.2.2 关联规则挖掘研究现状11-12
• 1.3 论文研究目的及方法12-13
• 1.3.1. 论文研究目的12-13
• 1.3.2. 论文研究方法13
• 1.4 论文的行文结构13-15
• 第二章 基于多维关联规则的数据挖掘算法15-33
• 2.1 数据挖掘技术综述15-21
• 2.1.1 数据挖掘的概念15
• 2.1.2 数据挖掘的相关技术15-16
• 2.1.3 数据挖掘的分类16-18
• 2.1.4 数据挖掘的相关过程18-19
• 2.1.5 数据挖掘的应用19
• 2.1.6 数据挖掘技术存在的问题及未来展望19-21
• 2.2 关联规则概述21-25
• 2.2.1 关联规则基本概念21-22
• 2.2.2 关联规则的分类22-23
• 2.2.3 关联规则的挖掘23-24
• 2.2.4 关联规则的扩展研究24-25
• 2.3 关联规则挖掘的相关算法25-30
• 2.3.1 AIS 算法25
• 2.3.2 SETM 算法25-26
• 2.3.3 HCS-Mine 算法26
• 2.3.4 Apriori 系列算法26-29
• 2.3.5 FP-Growth 算法29-30
• 2.4 Weka 的用途及相关介绍30-31
• 2.4.1 Weka 简介30-31
• 2.4.2 Weka 数据格式31
• 2.4.3 Weka 中的关联规则运算31
• 2.5 本章小结31-33
• 第三章 联通华盛零售系统客户消费行为分析33-43
• 3.1 客户消费行为相关理论概述33-37
• 3.1.1 客户消费行为分析的目的33-34
• 3.1.2 客户消费行为的内容34
• 3.1.3 客户消费行为的模型34-37
• 3.1.4 客户特征分析关联规则算法37
• 3.2 联通华盛零售系统介绍37-42
• 3.2.1 项目销售系统介绍38
• 3.2.2 商品数据管理系统38-39
• 3.2.3 商品价格管理系统39-40
• 3.2.4 业务模式管理系统40-41
• 3.2.5 售后服务管理系统41-42
• 3.3 本章小结42-43
• 第四章 客户消费行为的多维关联规则模型分析43-56
• 4.1 客户消费行为数据源及分析目的43-44
• 4.1.1 研究对象及工作流程43
• 4.1.2 数据来源和类别43-44
• 4.1.3 专题分析44
• 4.2 数据准备44-46
• 4.2.1 用户职业维44
• 4.2.2 用户性别维44-45
• 4.2.3 用户年龄维45
• 4.2.4 机型价位维45-46
• 4.2.5 订制套餐维46
• 4.3 实现多维关联规则挖掘的技术方法46-47
• 4.4 数据预处理47-50
• 4.4.1 原始数据48
• 4.4.2 处理后数据48-50
• 4.5 模型的建立及算法性能比较50-55
• 4.5.1 基于 Weka 数据挖掘软件的 FP-growth 与 Apriori 性能分析51-52
• 4.5.2 基于 Matlab 仿真的实验分析与结果52-54
• 4.5.3 各类算法比较结论54-55
• 4.6 支持度与置信度的阈值设定方法55
• 4.7 本章小结55-56
• 第五章 实例及结果分析56-61
• 5.1 数据转换56-58
• 5.1.1 数值类型的转换56-57
• 5.1.2 数据表合并与处理结果57-58
• 5.2 实施关联规则的数据挖掘58-60
• 5.2.1 用户手机类型与套餐的关联规则58-59
• 5.2.2 用户性别年龄与购机套餐的关联规则59-60
• 5.3 本章小结60-61
• 第六章 结论及展望61-64
• 6.1 论文总结61-63
• 6.1.1 论文工作内容介绍61-62
• 6.1.2 论文工作不足与改进62-63
• 6.2 工作总结与未来展望63-64
• 参考文献64-66
• 致谢66-67
• 附录 1 程序清单67-69

【参考文献】

中国期刊全文数据库 前8条

1 钟勇;秦小麟;包磊;;一种基于多维集的关联模式挖掘算法[J];计算机研究与发展;2006年12期

2 刘明吉;王秀峰;黄亚楼;;数据挖掘中的数据预处理[J];计算机科学;2000年04期

3 李绪成,王保保;挖掘关联规则中Apriori算法的一种改进[J];计算机工程;2002年07期

4 尹群,王丽珍,田启明;一种基于概率的加权关联规则挖掘算法[J];计算机应用;2005年04期

5 刘以安;羊斌;;关联规则挖掘中对Apriori算法的一种改进研究[J];计算机应用;2007年02期

6 任贤姬;;关联规则挖掘技术在图书借阅服务中的应用研究[J];情报科学;2010年05期

7 宋余庆,朱玉全,孙志挥,陈耿;基于FP-Tree的最大频繁项目集挖掘及更新算法[J];软件学报;2003年09期

8 陈耿;朱玉全;宋余庆;陆介平;孙志挥;;基于频繁模式树的约束最大频繁项目集挖掘算法研究[J];应用科学学报;2006年01期

  本文关键词：基于关联规则的联通华盛通信有限公司新一代零售系统客户消费行为分析研究，由笔耕文化传播整理发布。

本文编号：286571