基于神经网络模型的苹果手机预约数据的分析

发布时间：2017-09-27 08:28

  本文关键词：基于神经网络模型的苹果手机预约数据的分析

  更多相关文章： 精准营销 用户分类 三因素方差分析 Logistic回归 神经网络

【摘要】：近几年来,市场竞争日益剧烈,运营商也为扩大市场占有率想尽办法。竞争的加速使得运营商在用户细分、尽量压缩成本的广告宣传上动了心思,在这一方面,精准营销起着不容忽视的作用。在市场预算有限的情况下,通过将用户数据集中,建立数据模型,可以更精准的找到目标用户,在最合适的渠道以最合适的产品进行推广,与之相应而来的也是较高的成功推销的可能性。本文是以浙江移动公司发起的预约苹果手机活动中的参与的移动用户为主体,以预测移动用户对苹果手机预约的反应为研究对象,来实现移动用户预约苹果手机并成功消化,即成功购买的目的。本文所使用的近6万条观测值的数据集来自浙江移动平台的不同数据库,以手机号码为唯一识别标识符进行数据匹配而来。数据集主要分预约数据和用户数据,预约数据包括用户的基本信息,以及其所预约手机的相关属性信息；用户数据包括该用户是否最终购买手机、用户年龄、号码归属地、号码所属品牌、是否手机营业厅用户、用户登录网厅的次数等24个变量,并且涵盖了连续型和分类型两种类别的变量。为了从已有数据中挖掘出尽可能多的商业信息,本文借助于统计分析方法中的方差分析来对预约数据中手机自身属性对预约量的影响进行分析,并使用Logistic回归模型和神经网络模型对用户数据进行统计建模,第一阶段基于Logistic回归模型预测用户对苹果手机的响应率,并通过逐步回归法筛选出对该响应率有显著贡献的10个自变量；第二阶段使用第一阶段中通过使用Logistic回归模型中筛选出的自变量,与数据中的用户是否购买手机,即因变量建立神经网络模型来预测用户的响应率。当然,为了使得建立的模型具有鲁棒性,我们将原始数据划分为两个数据集,即训练集和测试集。通过观察ROC曲线和混淆矩阵对所建立的模型进行验证,发现模型在无论是训练集还是测试集上的拟合效果都非常不错,这表明通过两种方法建立的模型都是稳健的,是预测用户对苹果手机响应率的有效模型。
【关键词】：精准营销 用户分类 三因素方差分析 Logistic回归 神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：C829.2
【目录】：

• 摘要5-6
• Abstract6-8
• 第一章 绪论8-11
• 1.1 研究背景与现状8
• 1.2 本文研究的问题8-9
• 1.3 研究方法9-10
• 1.4 本文结构10-11
• 第二章 数据来源及其预处理11-16
• 2.1 数据来源11-12
• 2.2 数据预处理12-16
• 第三章 2015年苹果预约数据的实证分析16-40
• 3.1 三因素方差分析16-26
• 3.1.1 基本知识16-17
• 3.1.2 正态性检验17-20
• 3.1.3 方差齐性检验20-26
• 3.2 基于Logistic回归的Buy Model用户购买可能性分析26-32
• 3.2.1 模型介绍27
• 3.2.2 估计回归系数27-28
• 3.2.3 模型结果28-30
• 3.2.4 模型的验证30-32
• 3.3 基于神经网络模型的购买率分析32-40
• 3.3.1 基本理论33-36
• 3.3.2 建模过程36-39
• 3.3.3 模型总结39-40
• 第四章 总结与展望40-41
• 4.1 总结与建议40
• 4.2 不足与展望40-41
• 致谢41-42
• 参考文献42-43

【参考文献】

中国期刊全文数据库 前1条

1 刘征宇;;精准营销方法研究[J];上海交通大学学报;2007年S1期

，

本文编号：928654