基于数据挖掘技术的汽车销售状态分析与应用

发布时间：2017-10-18 06:03

  本文关键词：基于数据挖掘技术的汽车销售状态分析与应用

  更多相关文章： 数据挖掘 聚类分析 汽车销售 Hash

【摘要】：在互联网+和大数据背景下,汽车企业管理和营销更加依赖对客户行为、偏好数据的收集和分析挖掘,支持潜在市场开拓、客户粘性维护等公司营销的各个环节。潜在汽车客户分析是建立品牌和客户关系的重要技术环节,通过店展厅、来电客户访问、来店拜访、WEB在线分析客户的行为等渠道收集客户行为和偏好,从中进行挖掘潜在客户,有效支持市场推广效果。从多种渠道收集的信息具有大数据的基本特性：数据容量大、非结构化、实时性强等特点,对数据分析带来挑战,造成挖掘结果准确性问题。针对上述问题,本文侧重通过无导师的数据分析技术研究客户聚类问题,支持精准潜在客户识别问题的解决。基本方法是基于主成分分析法的特征构建和两阶段聚类分析方法,同时为了快速有效地分析和利用已有客户,提出了基于改进的Hash快速属性约简算法的汽车客户分析模型,具体取得以下的主要成果：1.本文立足于基于主成分分析法和两阶段聚类分析法的汽车潜在客户开发和管理的研究。根据汽车客户选择的数据自身特点,聚类分析能够自动进行数据信息的挖掘,其具有低成本、占用内存资源少、简单易行的特点。采用主成分分析法提取汽车客户分类的主要影响因子,并在此基础上,利用两阶段聚类分析法进行潜在汽车客户分析。2.分析基于Hash快速属性约简算法,并分析其具有的特点及存在的缺陷。针对其缺陷或者低效性提出了改进方案,其可以有效地提高约简算法效率,使得计算复杂度进一步降低。实验发现可以提高效率达到20～30%。通过系统计算的复杂度和效率性,总结出了改进算法的优越性。3.基于上述两个分析方法,开发了汽车销售状态分析系统,利用历史销售客户数据库信息和以往的调研数据信息产生决策树,为销售人员针对不同的客户制定不同的销售策略提供帮助,并进一步探索汽车销售服务行业的潜在客户策略。利用以往销售数据库的信息产生约简属性,指导销售人员根据客户的信息推荐不同的汽车配置,这对于汽车销售产业更好地实践客户服务具有一定的指导价值。
【关键词】：数据挖掘 聚类分析 汽车销售 Hash
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13;F274;F426.471
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 研究背景10-13
• 1.2 国内外研究现状13-18
• 1.2.1 数据挖掘技术13-14
• 1.2.2 大数据挖掘下的汽车销售14-18
• 1.3 论文研究内容18-19
• 1.4 论文组织结构19-20
• 第二章 相关知识介绍20-38
• 2.1 汽车行业数据挖掘技术概述20-25
• 2.1.1 数据挖掘技术的定义20
• 2.1.2 汽车数据挖掘技术的发展20-21
• 2.1.3 汽车数据挖掘技术过程21-22
• 2.1.4 汽车数据挖掘技术的功能22-23
• 2.1.5 汽车数据挖掘技术的常用算法23-25
• 2.2 基于主成分析法的特征选择25-28
• 2.3 数据挖掘聚类分析28-34
• 2.3.1 数据挖掘聚类分析28-29
• 2.3.2 聚类分析的方法29-32
• 2.3.3 层次聚类算法32-33
• 2.3.4 两阶段聚类分析33-34
• 2.4 信息系统属性约简34-37
• 2.5 本章小结37-38
• 第三章 基于主成分分析和两阶段聚类分析的汽车潜在客户分析模型38-49
• 3.1 需求分析和问题定义38-39
• 3.2 两阶段聚类分析在汽车潜在客户分析中的应用39-48
• 3.2.1 汽车潜在客户分析40-44
• 3.2.2 两阶段聚类分析的汽车潜在客户分析流程44-47
• 3.2.3 两阶段聚类分析在汽车潜在客户分析中的应用47
• 3.2.4 两阶段聚类分析在汽车潜在客户分析中改进47-48
• 3.3 本章小结48-49
• 第四章 基于HASH快速属性约简的聚类算法改进49-60
• 4.1 需求分析及问题定义49-50
• 4.2 基于HASH快速属性约简聚类算法50-56
• 4.2.1 基本定义以及性质50-51
• 4.2.2 基于Hash快速属性约简算法的三种子算法51-53
• 4.2.3 基于Hash快速属性约简算法的分析53-56
• 4.2.4 基于Hash快速属性约简聚类算法56
• 4.3 基于HASH快速属性约简聚类算法的改进方案56-58
• 4.3.1 改进方案的算法56-58
• 4.3.2 改进方案的分析58
• 4.4 实验结果及分析58-59
• 4.5 本章小结59-60
• 第五章 基于数据挖掘技术的汽车销售状态分析系统的设计与实现60-85
• 5.1 系统架构的设计60-61
• 5.2 系统的实现61-74
• 5.2.1 系统开发平台61
• 5.2.2 数据库61-62
• 5.2.3 聚类分析模块62-70
• 5.2.4 约简聚类模块70-74
• 5.3 数据挖掘结果分析74-81
• 5.3.1 基于聚类分析的潜在客户分析74-79
• 5.3.2 基于Hash快速属性约简系统结果分析79-80
• 5.3.3 系统性能分析80-81
• 5.4 汽车销售状态分析系统的展示81-83
• 5.5 本章小结83-85
• 第六章 总结与展望85-87
• 6.1 论文工作总结85-86
• 6.2 未来工作展望86-87
• 致谢87-88
• 参考文献88-90

【相似文献】

中国期刊全文数据库 前10条

1 刘兰辉;论前途光明的数据挖掘技术[J];内蒙古科技与经济;2004年05期

2 方忠祥,屠立;数据挖掘技术在客户关系管理中的应用研究[J];机床与液压;2005年06期

3 王文兴;;数据挖掘技术的道与术[J];机械工业信息与网络;2006年03期

4 李志;;浅析数据挖掘技术[J];硅谷;2008年21期

5 孔莉莎;刘闻;;浅谈数据挖掘技术与军事决策支持[J];装备制造技术;2009年10期

6 王旭;;对数据挖掘技术在各领域内应用的探讨[J];中国新技术新产品;2009年24期

7 劳飞;;数据挖掘技术在交通事故分析中的应用[J];山东交通科技;2010年05期

8 王顺民;;构建基于数据挖掘技术的现代医院信息平台[J];制造业自动化;2011年05期

9 潘程;陈玉华;;浅谈数据挖掘技术在零售业中的应用[J];中国新技术新产品;2011年16期

10 宋向瑛;;数据挖掘技术在党校信息化管理的应用[J];硅谷;2012年09期

中国重要会议论文全文数据库 前10条

1 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

2 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

3 宁红梅;安志兴;葛亚明;李敬玺;赵坤;钟华;陈俊杰;崔艳红;;数据挖掘技术在兽医学中的应用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年

4 王桂芹;黄道;;数据挖掘技术综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

5 徐宝莲;李晓奇;;数据挖掘技术在网络游戏中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年

6 胡广芹;陆小左;;数据挖掘技术在中医诊断中的应用[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

7 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 铁军;吴智明;;数据挖掘技术在工业铝电解生产中的应用[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

9 王建华;王菲;黄国建;;数据挖掘技术研究的现状及展望[A];中国运筹学会第六届学术交流会论文集（上卷）[C];2000年

10 肖健华;吴今培;;数据挖掘技术及其应用实例[A];2001年中国智能自动化会议论文集（下册）[C];2001年

中国重要报纸全文数据库 前10条

1 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

3 梅静彦;数据挖掘技术在美国银行的应用[N];金融时报;2006年

4 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年

5 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

6 张崇峰;挖掘，再挖掘[N];中国计算机报;2003年

7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

8 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

9 刘军 兰小红 龚富强;新技术为老装备“保驾护航”[N];大众科技报;2006年

10 ;软件产业人才培养又辟新路[N];中国高新技术产业导报;2000年

中国博士学位论文全文数据库 前10条

1 沈忱;基于贝叶斯网络数据挖掘技术研究《本草纲目》活血化瘀类中药性—效—用关系[D];南京中医药大学;2015年

2 钱力维;胡国俊祛邪助运治疗老年病学术思想和经验总结[D];南京中医药大学;2016年

3 姚山;基于数据挖掘技术的造林决策研究[D];北京林业大学;2008年

4 曹秀英;基于粗集的数据挖掘技术及其应用研究[D];哈尔滨工程大学;2003年

5 伍平阳;基于数据挖掘技术的医疗设备绩效预测方法的应用研究[D];南方医科大学;2008年

6 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年

7 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年

8 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年

9 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年

10 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年

中国硕士学位论文全文数据库 前10条

1 肖建国;数据挖掘技术在就业指导与本科教学改革工作中的应用研究[D];吉林大学;2008年

2 钱和平;基于改进的灰色理论数据挖掘技术的研究[D];内蒙古农业大学;2010年

3 安冬冬;基于数据挖掘技术的常规公交服务水平评价体系研究[D];西南交通大学;2015年

4 陈萍;数据挖掘技术在网络教学中的应用研究[D];广东技术师范学院;2015年

5 邓博;基于数据挖掘技术构建电信4G客户预测模型的研究[D];兰州大学;2015年

6 赵明芳;数据挖掘技术在教学评教中的应用与研究[D];宁夏大学;2015年

7 苗家铭;基于数据挖掘技术的商业银行个人信用风险评估模型及其应用[D];南京财经大学;2015年

8 鲍素贞;数据挖掘技术在个性化网络教学平台中的应用研究[D];聊城大学;2015年

9 李文栋;基于Spark的大数据挖掘技术的研究与实现[D];山东大学;2015年

10 郭忠俊;基于数据挖掘技术的矿井提升机故障诊断研究[D];中国矿业大学;2015年

，

本文编号：1053332