基于数据挖掘的网络团购顾客购买行为模式分析研究

发布时间：2017-08-18 04:16

  本文关键词：基于数据挖掘的网络团购顾客购买行为模式分析研究

  更多相关文章： 网络团购 行为模式 RFM分析 决策树 关联规则

【摘要】：网络团购作为一种增长最快的商业模式,但其利润的增长却比较缓慢,确定顾客团购的影响因素,挖掘出团购顾客的行为模式,对其进行分析,使商家可以更好地为顾客提供满意的商品和服务,更可以为其销售、运营和管理提供指导意见。首先,本文综合国内外团购研究现状和实际网站的情况,从顾客、商家、社会三个角度确定网络团购的影响因素,相比于前人的研究,本文考虑了时间、网站特征、朋友购物影响等因素。其次,本文基于RFM分析对回收到的问卷数据进行分析,即对最近购买时间、购买频率、购买金额进行分析,并通过PAM算法实现了K-Mediods聚类,将团购顾客分为重要保持客户、一般重要客户和无价值客户三类,以便于对不同类别的顾客的购买行为模式进行分析研究。再次,使用改进的C4.5算法构建顾客行为预测模型。先用基于依赖度的决策表属性约简算法,将属性的重要度作为启发式信息来约简属性,然后将约简后的属性作为输入属性,顾客类别作为分类属性,构建决策树模型。为了简化决策树,提高分类的准确度,本文引入了代价矩阵、EBP剪枝、Boosting技术优化决策树模型,接着用改进的决策树算法建立顾客购买行为预测模型,用决策树的节点数和分类错误率来衡量模型的复杂度和准确度,最后对得到的分类规则进行解释,发现价格是顾客最重要的影响因素,并且,在不同的价格区间下,不同类别的顾客所关注的因素各不相同,能更好地指导商家的营销与管理。最后,使用Apriori算法对高价值顾客所选商品、所用网站、所关注商品的特点进行分析,得到潜在的有价值的关联规则,为商家更好地培育高价值顾客的忠诚度和依赖度提供有价值的参考意见。
【关键词】：网络团购 行为模式 RFM分析 决策树 关联规则
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13;F724.6;F274
【目录】：

• 摘要5-6
• Abstract6-11
• 1 绪论11-16
• 1.1 研究背景和意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 目的和意义12
• 1.2 问题描述与主要内容12-14
• 1.2.1 问题描述12-13
• 1.2.2 主要内容13-14
• 1.3 研究的创新14
• 1.4 研究方法和技术路线14-16
• 1.4.1 研究方法14-15
• 1.4.2 技术路线15-16
• 2 国内外的相关研究16-28
• 2.1 网络团购影响因素的研究16-21
• 2.1.1 基于客户的网络团购影响因素研究16-18
• 2.1.2 基于商家的网络团购影响因素研究18-19
• 2.1.3 基于社会的网络团购影响因素研究19-20
• 2.1.4 本文影响因素的初定20-21
• 2.2 网络团购顾客行为模式预测分析研究21-25
• 2.2.1 基于数据挖掘的网络团购研究现状21-22
• 2.2.2 基于数据挖掘的顾客行为模式预测分析研究22-24
• 2.2.3 电商中的数据挖掘分类预测技术应用24-25
• 2.3 数据挖掘处理过程和常用软件分析25-27
• 2.3.1 数据挖掘的处理过程25-26
• 2.3.2 常用的几款数据挖掘软件比较26-27
• 2.4 本章小结27-28
• 3 决策树算法改进和关联规则相关理论研究28-46
• 3.1 决策树算法28-31
• 3.1.1 ID3算法28-29
• 3.1.2 C4.5 算法29-30
• 3.1.3 CART算法30-31
• 3.2 决策树改进相关理论研究31-44
• 3.2.1 基于K-Mediods的聚类31-34
• 3.2.2 RFM分析34-36
• 3.2.3 基于依赖度的改进的决策表属性约简算法36-40
• 3.2.4 代价矩阵和EBP优化剪枝40-42
• 3.2.5 Boosting技术优化模型42-44
• 3.3 关联规则相关理论研究44-46
• 3.3.1 基于关联规则的客户行为模式研究44-45
• 3.3.2 关联规则的相关理论介绍45-46
• 4 基于改进决策树算法的网络团购顾客行为分析模型46-61
• 4.1 原始数据获取与预处理46-47
• 4.1.1 原始数据的获取46
• 4.1.2 数据的预处理46-47
• 4.2 顾客分类47-50
• 4.3 属性约简50
• 4.4 决策树模型的构建50-58
• 4.4.1 数据预处理50-51
• 4.4.2 构建初始决策树模型51-54
• 4.4.3 决策树模型优化54-58
• 4.5 分类结果的解释与评价58-61
• 5 基于关联规则的高价值网络团购客户行为模式挖掘61-68
• 5.1 关联规则数据预处理61
• 5.2 高价值客户所购商品的关联规则61-63
• 5.3 高价值客户所选团购网站的关联规则63-65
• 5.4 高价值客户所关注商品特点的关联规则65-67
• 5.5 结果分析67-68
• 6 结论与展望68-70
• 6.1 主要结论68
• 6.2 研究展望68-70
• 致谢70-71
• 参考文献71-75
• 附录 1：团购消费调查问卷75-77
• 附录 2: 决策树分类规则77-79
• 附录 3: R语言部分代码79-82
• 附录 4: 作者在读研期间发表的学术论文及参加的科研项目82

【相似文献】

中国期刊全文数据库 前3条

1 徐新海;应重视对书店购书气氛的研究[J];出版科学;1994年04期

2 代君利;;GS认证将强制加入PAHs的要求[J];中国电子商情(基础电子);2008年05期

3 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 董大海;杨毅;强勇;;顾客购买行为倾向的测量及其管理意涵[A];中国市场学会2006年年会暨第四次全国会员代表大会论文集[C];2006年

中国重要报纸全文数据库 前1条

1 严军;有的放矢做促销[N];中华合作时报;2011年

中国博士学位论文全文数据库 前1条

1 吴记;在线品牌社区对顾客购买行为和口碑的影响[D];中国科学技术大学;2015年

中国硕士学位论文全文数据库 前6条

1 闫刚;基于APP营销模式的零售企业顾客购买行为研究[D];新疆财经大学;2016年

2 姜瑜斐;基于数据挖掘的网络团购顾客购买行为模式分析研究[D];杭州电子科技大学;2016年

3 袁路;网上品牌社区对顾客购买行为倾向影响研究[D];大连理工大学;2006年

4 柴金萍;零售企业服务创新对顾客购买行为的影响研究[D];渤海大学;2013年

5 林健;突发事件对零售企业顾客购买行为的影响研究[D];清华大学;2009年

6 OTHMAN SULEIMAN ABDULKADIR（苏磊）;[D];南昌大学;2011年

，

本文编号：692625