移动手机用户行为的分析

发布时间：2022-02-24 18:20

　　在即将进入5G时代的今天,云计算、大数据技术为各领域的数据分析提供了技术支持,数据分析用处越来越广,为各个公司的分析决策行为提供了基础。现阶段移动公司还在使用excel文档中的公式和函数进行数据分析,由于excel文档是静态的,具有可处理的数据量有限,数据挖掘能力不足,数据安全级别不高等缺点,这样既耗时得出的结果也不准确,推荐的套餐不够符合用户需求,提高了套餐类的投诉率。如何通过分析现有手机用户行为,挖掘出符合手机用户推荐套餐,让市场营销向着精准化、精细化发展,一直以来是移动公司市场营销部门追求的目标。本论文采用Django Web Project框架,数据获取采用Web Services技术,开发语言采用Python,聚类分析采用OPTICS算法。从手机用户数据参数（指标）的获取出发,完成手机用户消费数据获取、手机用户参数管理以及手机用户评估分析等模块。通过对手机用户的多种消费方法进行提取,分析不同用户的手机通话性质、上网流量、时间等指标,从而完成对各类不同类型用户的划分,并向不同类型的用户推荐套餐。移动公司可结合行业服务特点,进行专门的优化和改进,帮助自身更好地制定相关营销策略。本... 

【文章来源】：内蒙古大学内蒙古自治区211工程院校

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
一、引言
    1.1 研究的背景与意义
    1.2 国内外研究现状
    1.3 本文的研究内容
    1.4 本文的篇章结构
二、系统相关技术
    2.1 聚类分析
    2.2 基于密度聚类分析技术
    2.3 聚类分析算法比较
三、需求分析
    3.1 手机用户数据获取分析
    3.2 手机用户参数管理分析
    3.3 手机用户行为评估分析
    3.4 数据挖掘的手机用户评估的核心流程
        3.4.1 手机用户数据采集流程
        3.4.2 手机用户特征数据挖掘流程
        3.4.3 手机套餐推荐流程
四、系统设计
    4.1 手机用户行为分析系统的架构设计
    4.2 手机用户数据获取设计
    4.3 手机用户数据处理设计
    4.4 手机用户特征信息管理设计
    4.5 手机用户评估分类设计
    4.6 手机套餐推荐设计
五、系统实现
    5.1 手机用户数据获取的实现
    5.2 手机用户数据处理
    5.3 手机套餐推荐
六、系统测试
    6.1 系统测试方案
    6.2 系统功能测试
    6.3 数据挖掘算法测试
    6.4 分析结果测试
七、总结和展望
    7.1 总结
    7.2 展望
参考文献


【参考文献】：
期刊论文
[1]噪声环境下复杂流形数据的势能层次聚类算法[J]. 于晓飞,葛洪伟.  重庆邮电大学学报(自然科学版). 2018(06)
[2]微信公众号层次模糊元关联规则聚类预警[J]. 宋华,罗兴宇,刘亮.  计算机工程与设计. 2018(11)
[3]基于Apriori算法的郑州市手机消费市场关联规则挖掘[J]. 刘雪冉.  知识经济. 2018(10)
[4]基于模糊聚类的多分辨率社区发现方法[J]. 汪晓锋,刘功申,李建华.  电子与信息学报. 2017(09)
[5]基于GIS的网购大数据挖掘分析——以京东线上手机交易记录为例[J]. 叶春姣,沙晋明,金彪.  福建师范大学学报(自然科学版). 2017(03)
[6]折半聚类算法在基于社会力的人群疏散仿真中的应用[J]. 李焱,刘弘,郑向伟.  计算机应用. 2017(05)
[7]基于Spark的BIRCH算法并行化的设计与实现[J]. 李帅,吴斌,杜修明,陈玉峰.  计算机工程与科学. 2017(01)
[8]基于图论多分辨率聚类分析的测井岩相识别研究——以阿姆河盆地台内滩气田为例（英文）[J]. 田雨,徐洪,张兴阳,王红军,郭同翠,张良杰,龚幸林.  Applied Geophysics. 2016(04)
[9]多尺度数据挖掘方法[J]. 柳萌萌,赵书良,韩玉辉,苏东海,李晓超,陈敏.  软件学报. 2016(12)
[10]一种基于k-均值的DBSCAN算法参数动态选择方法[J]. 王兆丰,单甘霖.  计算机工程与应用. 2017(03)

硕士论文
[1]手机客户消费趋势分析与研究[D]. 殷炤.山西财经大学 2006



本文编号：3643271