关联规则在保险精准营销中的应用研究

发布时间：2017-09-30 07:45

  本文关键词：关联规则在保险精准营销中的应用研究

  更多相关文章： 海量数据 精准营销 数据挖掘 客户分群 关联规则

【摘要】：在海量数据时代,近乎颠覆性地商业模式的进化演绎以及技术的更新换代给保险业提供了机遇的同时,也给其带来了沉重的竞争压力和生存挑战,传统以产品为中心的4P或者以消费者为中心的4C理论并不能满足越来越严苛的营销预算、海量的数据堆积和存储查询等需求。为了提高保险业的效率和效益,企业需要寻求比传统粗放型运营更加科学有效的精准化运营制度和思路,其中,数据挖掘技术的科学有效应用是精准营销的基础以及技术保障。融合了4P和4C的nPnC形式的理论是精准营销的理念。本文以3P3C理论为例,在该基础上,选取客户为对象,主要研究其三个方面:客户基本属性,包括客户职业、年龄、性别、学历、婚姻状况等;客户价值,即客户保单的额度与保费以及频率;客户行为,即购买险种。本文采用保险企业的财务信息、交易信息、保单信息、客户信息等数据实现对保险产品和客户属性、客户行为之间的关联关系进行精准分析。本文描述了在典型的结构化分布式数据库平台上,采用关联分析和聚类分析算法实现大数据分析的过程。关联分析是对保险数据进行挖掘的基础。针对客户的三个研究要素,构建出客户分群群落模型,针对各个群落进行关联规则。本文采用经典的Apriori算法实现关联分析,在实现过程中,发现其对实际数据的计算有很大的限制。本文提出了一种有效的方法解决了Apriori算法关于多维数据的连接问题,并提出通过增加排序规则提高了Apriori算法的计算效率,实现了对保险数据的关联分析。在关联分析实现后,对数据进一步进行聚类分析,实现了一个有效的数据挖掘过程,其结果反应了保险产品群在不同类型的客户群落中营销规律,对实现精准营销有一定的指导意义。
【关键词】：海量数据 精准营销 数据挖掘 客户分群 关联规则
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F274;F840.31;TP311.13
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-17
• 1.1 课题研究背景及意义11-12
• 1.1.1 研究背景11
• 1.1.2 研究意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 数据挖掘国内外现状12-13
• 1.2.2 精准营销国内外现状13-15
• 1.3 数据挖掘在精准营销领域应用的特色15
• 1.4 论文主要研究的内容15-17
• 第2章 精准营销与数据挖掘理论综述17-20
• 2.1 精准营销理论17-18
• 2.1.1 精准营销的定义17
• 2.1.2 客户细分的依据和方式17-18
• 2.2 数据挖掘理论18-19
• 2.2.1 数据挖掘的定义18-19
• 2.2.2 数据预处理19
• 2.3 本章小结19-20
• 第3章 基于保险数据的关联规则技术研究20-30
• 3.1 关联规则的定义20-21
• 3.2 关联规则挖掘步骤21-22
• 3.2.1 高频项集生成过程21
• 3.2.2 生成频繁项集的规则21-22
• 3.3 保险数据的关联分析22-28
• 3.3.1 保险客户属性数值化23-24
• 3.3.2 关联分析的算法描述24-26
• 3.3.3 保险数据的关联分析26-28
• 3.4 本章小结28-30
• 第4章 基于海量保险数据的关联规则技术优化30-40
• 4.1 GREENPLUM分布式数据仓库31-33
• 4.1.1 Greenplum分布式存储32
• 4.1.2 Greenplum并行处理32-33
• 4.2 关联规则APRIORI算法优化33-35
• 4.2.1 基于Greenplum分段处理33-34
• 4.2.2 数组化的Apriori算法34
• 4.2.3 连接操作的改进34-35
• 4.3 基于数组的APRIORI算法改进的描述35-36
• 4.4 基于数组的APRIORI算法改进在保险数据的描述36-38
• 4.5 基于数组的APRIORI算法改进后的性能分析38-39
• 4.6 本章小结39-40
• 第5章 基于海量数据的精准营销实现40-48
• 5.1 源数据的预处理41-43
• 5.2 基于K-MEANS聚类算法的客户分群43-46
• 5.3 基于客户群落的关联规则实现46-47
• 5.4 本章小结47-48
• 结论48-49
• 参考文献49-51
• 致谢51-52
• 攻读硕士期间发表（含录用）的学术论文52

【参考文献】

中国期刊全文数据库 前7条

1 王雅轩;顼聪;;数据挖掘技术的综述[J];电子技术与软件工程;2015年08期

2 冷泳林;张清辰;鲁富宇;;不完整数据的聚类研究[J];河南科学;2014年11期

3 徐述;;基于大数据的数据挖掘研究[J];科技视界;2014年32期

4 李勇杰;;基于企业文化范畴的保险企业社会责任研究[J];社会科学家;2009年10期

5 周晓雯;王喜荣;;浅议精准营销[J];商场现代化;2009年01期

6 金永生;营销学的回顾与中国营销学的展望[J];商业经济与管理;2003年07期

7 王强,刘东波,王建新;数据仓库元数据标准研究[J];计算机工程;2002年12期

，

本文编号：946981