广东中旅精准营销的构建与应用研究
发布时间：2021-04-03 05:49
随着移动互联网、物联网、云计算等诸多新技术的问世与发展,越来越多的大数据应用正在使各个行业的管理模式与运营体系发生巨大的变化,并带来了令人期待的前景。在大数据时代,旅游产品的营销和推广活动将日益基于数据进行分析,而非传统的营销手段。大数据一方面给旅游市场带来了广阔的发展前景,另一方面也使旅游市场的竞争态势加剧。随着旅游市场竞争的加剧,卖方市场转向了买方市场,消费者有了更多的话语权,对于服务的个性化需求已成了主流态度。广东中旅作为旅游行业中有着多年历史的传统企业,拥有良好的口碑,但与其他企业,尤其是携带互联网基因的在线旅游社OTA相比,广东中旅在营销意识、营销能力方面还存在很大的提升空间。因此本文基于数据驱动的视角,结合用户画像、个性化推荐算法、旅游精准推荐系统等相关概念,通过旅游精准营销的实现新思路进行相关详细分析。首先基于旅游用户画像从概念、分类到构建进行了具体分析,提出了基于用户画像的精准营销实施方案,并实现了基于用户画像聚类的具体实验案例,对结果进行可视化展示;然后本文在旅游精准营销业务需求的基础上,进行个性化推荐算法的设计,实现基于用户聚类的旅游景点推荐算法,证明了推荐系统的实...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
研究技术路线图
华南理工大学硕士学位论文12的协同过滤算法由于旅游产品的低频性特点存在数据稀疏性问题，这方面有很大改进空间。旅游推荐需要投入更多的研究，寻求更有效的方法。因此本文对于旅游推荐的研究正是协同过滤算法在旅游景点推荐方面的改进，针对旅游推荐存在的数据稀疏性和冷启动问题，本文利用聚类方法和协同过滤相结合来解决，设计了一种适用于旅游推荐领域的旅游景点推荐算法。2.2.3旅游资源的研究旅游资源又称旅游服务，在旅游中必须考虑酒店，景点，交通等相关服务，可以利用用户数据挖掘用户兴趣点，使用户获得良好的旅游体验[37]。张猛（2015）研究了旅游本体的构建方法，利用七步法实现对旅游信息的分析，构建了在旅游领域本体的基础上实现概念相似度算法[38]。王星月（2017）认为进行旅游资源推荐时不仅有单个项目，还有推荐整个旅游路线所包含的多个项目的组合[39]。2.3推荐算法概述推荐系统的诞生时间是20世纪90年代中期[40]，随着对推荐系统研究的深入以及技术的不断进步，推荐系统已有了较为成熟的发展。推荐系统分为主动和被动两种[41]，被动推荐实际是用户搜索关键词系统为其主动推荐相关内容，而主动推荐的基础在于收集了大量的用户数据包括了用户属性以及系统内用户相关行为等，根据用户信息与项目间关系为用户匹配适合的项目[42]。主动推荐技术以大数据为基础来挖掘用户的偏好，从而实现了推荐，充分利用了用户与系统交互过程中产生的信息。一个功能完善的推荐系统，包括了以下三个关键模块，智能推荐模型如下图2-1所示。图2-1智能推荐模块图推荐系统当前有着十分广泛的应用方向：电商方面，黄镇（2019）根据跨境电商行
华南理工大学硕士学位论文203.1.4旅游用户画像的实施框架模型在实现精确推荐的过程中，企业通常会通过用户画像建模来挖掘用户的行为偏好、兴趣习惯等关键性的有价值信息。用户画像建模的核心是对用户的基础信息、行为信息进行提炼与整理，这一过程是进行用户信息的标签化。旅游用户画像的实施框架主要包括：结合有关旅游系统的用户数据，获取和研究用户基本信息、用户互动信息，用户行为信息，分类/聚类分析，为用户建立标签体系，用户的划分和个人用户及群体用户的聚类画像呈现。用户画像的实施框架模型如下图3-1所示：图3-1用户画像的实施框架模型首先是整合用户数据，包括在线旅游门户、旅游运营商、移动服务平台、线下旅游服务提供方产生的一系列属性信息、互动信息、浏览、搜索、评分、用户间相互关注等
【参考文献】：
期刊论文
[1]推荐规模对个性化推荐系统用户决策的影响研究[J]. 陈梅梅,刘利梅,施驰玮,戴伟辉. 南开管理评论. 2020(01)
[2]新型分享式社交媒体在旅游目的地营销中的应用价值研究[J]. 迟贻丹. 旅游纵览(下半月). 2019(11)
[3]基于DeepFM模型的广告推荐系统研究[J]. 郁豹,李振华,张凯,胡安翔. 计算机应用与软件. 2019(07)
[4]互联网+环境下营销模式创新:价值网络重构视角[J]. 张罡,王宗水,赵红. 管理评论. 2019(03)
[5]基于用户交互的社交网络好友推荐算法[J]. 龙增艳,陈志刚,徐成林. 计算机工程. 2019(03)
[6]基于用户评论的深度情感分析和多视图协同融合的混合推荐方法[J]. 张宜浩,朱小飞,徐传运,董世都. 计算机学报. 2019(06)
[7]推荐算法概述[J]. 张世东. 科技传播. 2019(04)
[8]推荐算法概述与展望[J]. 俞伟,徐德华. 科技与创新. 2019(04)
[9]基于知识图谱和频繁序列挖掘的旅游路线推荐[J]. 孙文平,常亮,宾辰忠,古天龙,孙彦鹏. 计算机科学. 2019(02)
[10]大数据背景下我国电商精准营销策略研究[J]. 赵鑫,李洋,李温新,王爽. 冶金经济与管理. 2019(01)
博士论文
[1]大数据背景下商业银行精准营销的设计与应用[D]. 邓典雅.华南理工大学 2018
硕士论文
[1]基于协同过滤的跨境电商推荐系统研究[D]. 黄镇.华中科技大学 2019
[2]基于大数据的旅游网站营销策略研究[D]. 滕雨杉.北京邮电大学 2018
[3]基于多推荐算法融合的视频实时推荐系统的设计与实现[D]. 杨乔虎.东南大学 2017
[4]基于协同过滤的个性化旅游推荐系统的研究与实现[D]. 吴军.北京交通大学 2017
[5]大数据时代精准营销在京东的应用研究[D]. 阮利男.电子科技大学 2016
[6]基于领域本体的个性化旅游推荐系统的研究与实现[D]. 张猛.重庆大学 2015
本文编号：3116735
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
研究技术路线图
华南理工大学硕士学位论文12的协同过滤算法由于旅游产品的低频性特点存在数据稀疏性问题，这方面有很大改进空间。旅游推荐需要投入更多的研究，寻求更有效的方法。因此本文对于旅游推荐的研究正是协同过滤算法在旅游景点推荐方面的改进，针对旅游推荐存在的数据稀疏性和冷启动问题，本文利用聚类方法和协同过滤相结合来解决，设计了一种适用于旅游推荐领域的旅游景点推荐算法。2.2.3旅游资源的研究旅游资源又称旅游服务，在旅游中必须考虑酒店，景点，交通等相关服务，可以利用用户数据挖掘用户兴趣点，使用户获得良好的旅游体验[37]。张猛（2015）研究了旅游本体的构建方法，利用七步法实现对旅游信息的分析，构建了在旅游领域本体的基础上实现概念相似度算法[38]。王星月（2017）认为进行旅游资源推荐时不仅有单个项目，还有推荐整个旅游路线所包含的多个项目的组合[39]。2.3推荐算法概述推荐系统的诞生时间是20世纪90年代中期[40]，随着对推荐系统研究的深入以及技术的不断进步，推荐系统已有了较为成熟的发展。推荐系统分为主动和被动两种[41]，被动推荐实际是用户搜索关键词系统为其主动推荐相关内容，而主动推荐的基础在于收集了大量的用户数据包括了用户属性以及系统内用户相关行为等，根据用户信息与项目间关系为用户匹配适合的项目[42]。主动推荐技术以大数据为基础来挖掘用户的偏好，从而实现了推荐，充分利用了用户与系统交互过程中产生的信息。一个功能完善的推荐系统，包括了以下三个关键模块，智能推荐模型如下图2-1所示。图2-1智能推荐模块图推荐系统当前有着十分广泛的应用方向：电商方面，黄镇（2019）根据跨境电商行
华南理工大学硕士学位论文203.1.4旅游用户画像的实施框架模型在实现精确推荐的过程中，企业通常会通过用户画像建模来挖掘用户的行为偏好、兴趣习惯等关键性的有价值信息。用户画像建模的核心是对用户的基础信息、行为信息进行提炼与整理，这一过程是进行用户信息的标签化。旅游用户画像的实施框架主要包括：结合有关旅游系统的用户数据，获取和研究用户基本信息、用户互动信息，用户行为信息，分类/聚类分析，为用户建立标签体系，用户的划分和个人用户及群体用户的聚类画像呈现。用户画像的实施框架模型如下图3-1所示：图3-1用户画像的实施框架模型首先是整合用户数据，包括在线旅游门户、旅游运营商、移动服务平台、线下旅游服务提供方产生的一系列属性信息、互动信息、浏览、搜索、评分、用户间相互关注等
【参考文献】：
期刊论文
[1]推荐规模对个性化推荐系统用户决策的影响研究[J]. 陈梅梅,刘利梅,施驰玮,戴伟辉. 南开管理评论. 2020(01)
[2]新型分享式社交媒体在旅游目的地营销中的应用价值研究[J]. 迟贻丹. 旅游纵览(下半月). 2019(11)
[3]基于DeepFM模型的广告推荐系统研究[J]. 郁豹,李振华,张凯,胡安翔. 计算机应用与软件. 2019(07)
[4]互联网+环境下营销模式创新:价值网络重构视角[J]. 张罡,王宗水,赵红. 管理评论. 2019(03)
[5]基于用户交互的社交网络好友推荐算法[J]. 龙增艳,陈志刚,徐成林. 计算机工程. 2019(03)
[6]基于用户评论的深度情感分析和多视图协同融合的混合推荐方法[J]. 张宜浩,朱小飞,徐传运,董世都. 计算机学报. 2019(06)
[7]推荐算法概述[J]. 张世东. 科技传播. 2019(04)
[8]推荐算法概述与展望[J]. 俞伟,徐德华. 科技与创新. 2019(04)
[9]基于知识图谱和频繁序列挖掘的旅游路线推荐[J]. 孙文平,常亮,宾辰忠,古天龙,孙彦鹏. 计算机科学. 2019(02)
[10]大数据背景下我国电商精准营销策略研究[J]. 赵鑫,李洋,李温新,王爽. 冶金经济与管理. 2019(01)
博士论文
[1]大数据背景下商业银行精准营销的设计与应用[D]. 邓典雅.华南理工大学 2018
硕士论文
[1]基于协同过滤的跨境电商推荐系统研究[D]. 黄镇.华中科技大学 2019
[2]基于大数据的旅游网站营销策略研究[D]. 滕雨杉.北京邮电大学 2018
[3]基于多推荐算法融合的视频实时推荐系统的设计与实现[D]. 杨乔虎.东南大学 2017
[4]基于协同过滤的个性化旅游推荐系统的研究与实现[D]. 吴军.北京交通大学 2017
[5]大数据时代精准营销在京东的应用研究[D]. 阮利男.电子科技大学 2016
[6]基于领域本体的个性化旅游推荐系统的研究与实现[D]. 张猛.重庆大学 2015
本文编号：3116735
本文链接：https://www.wllwen.com/jingjilunwen/xmjj/3116735.html
