微博在分众营销方面的应用及效果研究

发布时间：2020-05-07 20:58

【摘要】：分众营销是针对传统营销的一种突破,其强调精确、细分、实效。微博则是近几年最流行的新兴网络媒介,其信息传播速度之快,用户参与程度之高,用户凝聚力之强大,正好与分众营销所需的条件不谋而合。 本文首先分析了课题的背景与现状,对国内外研究现状进行了详细的分析。随后针对分众营销,描述了分众营销的基本概念和分众营销的基本流程,总结了分众营销的特点。针对微博,描述了微博的基本概念,总结了微博的基本数据关系,分析了微博的核心,个性化推荐系统。针对微博营销,分析了微博营销的前景与特点,给出了微博营销常用的技巧与策略,分析了几个经典的微博营销案例,最后提出了微博分众营销。 文章针对微博的圈子的形成,提出了一种基于用户人口统计学特征和发表内容相关的聚类分析算法UAFCC,给出了算法的详细公式,实现以及应用,在UAFCC聚类的结果上,详细的分析了微博中的个性化推荐系统中使用的个性化推荐算法,总结了推荐算法的重点与难点问题,针对微博系统,在基于协同过滤和内容分析的前融合算法框架之下,设计了新的效用函数,提出了一个新的推荐框架。 论文最后对全文做出了总结,并对未来研究方向进行了展望。
【图文】：

华南理工大学硕士学位论文公式（3.1）中，模糊指数用σ 代替，该值可以指定，σ =1 意味着精确聚类，与 K-Mean算法相似，σ 值越大代表聚类质量越低，σ 值的推荐系统中用户属性确定，由于我们不可能做到精确聚类，所以我们将取 σ = 2。3.2.2 UAFCC 算法编程实现本实验采用 Eclipse 为平台，Java 为编程语言，代码较长，本文贴出部分关键代码见附录 I，算法流程图如下：

CBCB 算法的验证我们采用第三章中使用的数据集 DS，通过算法随机填充数据，，包括 6040 个独3867 种产品，约 100 万次评分。目前最通用的评价推荐算法和推荐系统质量的方法为计算平均绝对误差 MAE，法为：1| |Ni iip qMAEN= =∑（其中，N 为推荐系统中的 Top-N 数量，ip为预测评分，iq为用户实际评分。我们在 DS 数据集中随机抽取 2000 条数据记录，最近邻 X 对算法（用户对象象的属性是确定的，其人口统计学特征在聚类中已考虑）的影响如下图：数据集大小对算法的影响如图：
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F49;F274

【引证文献】

相关硕士学位论文 前3条

1 陈晓明;企业微博客营销效果的影响因素分析[D];暨南大学;2012年

2 熊会会;基于复杂网络的微博客信息传播机制研究[D];华南理工大学;2012年

3 段超龙;微博营销初探[D];四川省社会科学院;2012年

本文编号：2653537