面向智能化市场营销的数据挖掘方法研究

发布时间：2017-08-14 22:24

  本文关键词：面向智能化市场营销的数据挖掘方法研究

  更多相关文章： 市场营销 社交网络 影响力 房地产 多任务学习

【摘要】：随着互联网技术的发展,市场营销朝着智能化方向发展。一方面,基于互 联网技术的社交网络成为市场营销的重要平台,受到工业界和学术界的广泛关 注。另一方面,互联网使得信息和数据更加透明化,基于对大量数据的挖掘分 析,可以为市场营销决策提供支持。本文通过研究基于社交网络的病毒营销和 基于Web的房地产营销,探索了市场营销中两个重要因素,即营销受众和售卖 时间。具体地,本文的研究贡献总结如下：第一,我们发现传统的用于对病毒营销进行建模的影响力最大化模型下, 被影响人群的类别分布通常并不均衡,这意味着被影响人群的多样性较低,因 此我们提出多样化的影响力最大化计算框架,然后我们提出一类多样性指标, 得到了一个具体的优化目标。我们证明,该优化目标具有单调非减和子模性质。 考虑到计算每个节点的影响力分布的时间复杂度很高,我们对问题做了一个条 件松弛,用种子节点集合的多样性代替被影响人群的多样性。我们进一步将这 种思想拓展到影响力最大化的一些启发式方法上,如度中心性和PageRank等。 实验结果表明,我们提出的方法可以使得被影响人群更加多样化,而且可以很 容易地在多样性和影响力之间取得平衡。第二,房地产售卖时间(Days On Market,DOM)是衡量房地产市场活跃 程度的重要指标,对于房地产卖家和买家的决策有重要意义。已有的研究注重 分析和解释价格和售卖时间的关系,却缺乏定论。本研究中,我们将研究重心 从价格与售卖时间的关系转移到通过运用机器学习方法来精确预测DOM。具 体地,我们首先获取了一个商业地产公司在北京的房地产交易数据集,以及相 关的地理信息。基于这些数据,我们提取了五类特征,即房产属性特征、小区 属性特征、地理信息特征、时序特征、元特征。接着,我们提出了基于地理学 第一定律的多任务学习模型,并给出了求解的优化算法。最后,实验结果表明, 我们的方法在归一化的均方根误差(nMSE)和平均绝对误差(MAE)等指标 上均优于基线方法。
【关键词】：市场营销 社交网络 影响力 房地产 多任务学习
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;F274
【目录】：

• 摘要5-6
• ABSTRACT6-8
• 目录8-10
• 表格索引10-11
• 插图索引11-12
• 算法索引12-13
• 第一章 绪论13-17
• 1.1 引言13-14
• 1.2 国内外研究现状14
• 1.3 研究内容概述14-15
• 1.4 组织结构概述15-17
• 第二章 面向病毒营销的影响力多样化方法17-35
• 2.1 引言17-18
• 2.2 相关工作18-19
• 2.2.1 社会影响最大化18
• 2.2.2 多样性18-19
• 2.3 背景知识19-21
• 2.3.1 影响力最大化19-21
• 2.3.2 多样性指标21
• 2.4 多样化的影响力最大化21-25
• 2.4.1 通用的框架22-23
• 2.4.2 具体的形式化23-24
• 2.4.3 条件松弛和拓展24-25
• 2.4.4 算法25
• 2.5 实验结果分析25-32
• 2.5.1 实验数据集26-27
• 2.5.2 实验用基准方法27
• 2.5.3 评价指标27-28
• 2.5.4 多样化的影响力28
• 2.5.5 种子集合的多样化28-30
• 2.5.6 多样化的启发式方法30
• 2.5.7 多样化与影响力的折中30-31
• 2.5.8 方法效率比较31-32
• 2.6 本章小结32-35
• 第三章 面向房地产智能营销的多任务学习方法35-55
• 3.1 引言35
• 3.2 相关工作35-37
• 3.2.1 房地产售卖时间35-36
• 3.2.2 多任务学习36-37
• 3.3 数据描述37-40
• 3.3.1 房地产市场数据37-39
• 3.3.2 相关地理信息数据39-40
• 3.4 特征抽取40-43
• 3.4.1 房产属性特征41
• 3.4.2 小区属性特征41
• 3.4.3 地理信息特征41-42
• 3.4.4 时序特征42-43
• 3.4.5 元特征43
• 3.5 售卖时间预测的多任务方法43-46
• 3.5.1 动机44
• 3.5.2 DOM预测模型和算法44-46
• 3.6 实验结果分析46-52
• 3.6.1 实验设置47-48
• 3.6.2 方法效果对比48
• 3.6.3 特征分析48-52
• 3.6.4 正则化项对比分析52
• 3.6.5 演示系统52
• 3.7 本章小结52-55
• 第四章 总结与展望55-57
• 4.1 工作总结55
• 4.2 未来研究展望55-57
• 参考文献57-61
• 致谢61-63
• 在读期间发表的学术论文与取得的研究成果63

【参考文献】

中国期刊全文数据库 前2条

1 孙安龙;王佳佳;;酒店企业微博营销效果影响因素与策略[J];郑州航空工业管理学院学报;2013年03期

2 王玉莲;;物流公司病毒营销策略研究——以顺丰为例[J];物流技术(装备版);2013年09期

，

本文编号：675062