K-means聚类算法在通信运营商精准营销中的应用研究
发布时间：2022-12-06 19:06
二十一世纪是信息量极其巨大的时代,众多数据充斥着我们生活的每个角落,我们已经步入大数据时代。Data Mining（数据挖掘）技术正逐渐发展起来,其普遍应用于各个行业,在电信运营商市场竞争中,也发挥了巨大的作用。为了适应市场需要,运营商在管理决策过程中需要不断进行新产品开发以满足不同群体客户的使用习惯。传统产品开发仅依靠决策者的经验、友商同类产品市场反馈等,精准性、针对性欠缺,效果相对较差,而通过数据挖掘,使用大数据分析技术则为精准开发,有效针对提供了可能。首先,论文对目前数据挖掘、电信行业特点和精准营销的背景进行了研究,分析了国内外的最近研究现状,针对本论文研究方向涉及到的关键技术进行了重点研究。其次,重点针对K-means聚类算法进行了研究,主要体现在对算法的理论以及算法的特点进行了详细阐述,并且重点对K-means聚类算法改进与应用进行了设计;结合着数据挖掘技术对精准营销策略进行了设计。最后,针对电信用户的使用模式、消费习惯等数据,设计了基于K-means算法的精准营销分析模型,并将论文设计的分析方法应用到实际案例中去,对用户进行聚类分析,提出针对性的精准营销策略。同时在日常工作...
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 数据挖掘国内外研究现状
1.2.2 精准营销国内外研究现状
1.2.3 目前存在的主要问题
1.3 本文主要研究内容与结构安排
第2章 数据挖掘技术相关理论
2.1 数据挖掘的定义
2.2 数据挖掘技术平台相关理论
2.3 数据挖掘算法分类
2.4 移动通信行业数据业务现状研究
2.5 精准营销研究重点
2.6 本章小结
第3章 K-means聚类算法在精准营销中的应用研究
3.1 K-means聚类算法改进
3.1.1 K-means算法介绍
3.1.2 K-means算法的优缺点
3.1.3 K-means基于密度的算法改进方法
3.2 基于数据挖掘的精准营销策略设计
3.2.1 用户数据处理
3.2.2 维度确定
3.2.3 聚类分析
3.2.4 抽样分析
3.3 本章小结
第4章 K-means聚类算法在某地联通公司的应用案例
4.1 随机用户分析营销案例
4.1.1 数据准备
4.1.2 应用K-means算法聚类分析结果
4.1.3 实际应用分析
4.1.4 精准营销策略及实际营销结果
4.2 校园用户营销案例
4.2.1 数据准备
4.2.2 应用K-means算法聚类分析结果
4.2.3 实际应用分析
4.2.4 精准营销策略及实际营销结果
4.3 本章小结
第5章 总结与展望
5.1 总结
5.2 未来工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]决策树机器学习策略在数据分析中的优化[J]. 温立辉. 五邑大学学报(自然科学版). 2019(03)
[2]5G时代的打开方式[J]. 车海刚. 中国发展观察. 2019(11)
[3]基于K-Adaboost数据挖掘的配电网负荷预测[J]. 刘伟,张锐锋,彭道刚. 浙江电力. 2019(01)
[4]基于分类与回归算法（CART）的城市道路交通状态阈值划分研究[J]. 张珏,王亚萍. 黑龙江交通科技. 2018(10)
[5]探讨精准营销背后隐藏的融合趋势[J]. 胡星. 新闻研究导刊. 2016(16)
[6]基于聚类中心优化的k-means最佳聚类数确定方法[J]. 贾瑞玉,宋建林. 微电子学与计算机. 2016(05)
[7]关于企业市场营销战略的创新研究[J]. 王莹莹. 商. 2015(46)
[8]论市场营销策划的重要性[J]. 王影. 知识经济. 2015(16)
[9]数据挖掘在数字图书馆中的应用研究综述[J]. 李文阔,李永先. 新世纪图书馆. 2012(02)
[10]应对竞争对手的新产品预告:策略的进取性及其效果[J]. 伍青生. 中大管理研究. 2011(03)
硕士论文
[1]ZM天然气管道输差分析及应用程序开发[D]. 李晶晶.西南石油大学 2017
[2]大数据背景下中国电信行业的用户细分[D]. 关彤.天津财经大学 2017
[3]母婴用品自媒体营销策略研究[D]. 王子萱.兰州理工大学 2016
[4]基于虚拟机的Hadoop分布式聚类挖掘方法研究与应用[D]. 尚丹丹.哈尔滨理工大学 2015
[5]基于海量数据挖掘关联测度工具的设计[D]. 岳雪.西安财经学院 2014
[6]基于数据挖掘的电子商务商品个性化推荐技术研究[D]. 王卫健.电子科技大学 2014
[7]数据挖掘与网站运营管理[D]. 王仁彦.华东师范大学 2010
[8]基于网络数据挖掘的客户获取系统研究[D]. 俞驰.西安电子科技大学 2009
[9]基于Web数据挖掘的作物商务平台分析与研究[D]. 杨毅超.湖南农业大学 2008
[10]基于数据挖掘的航运市场预测系统设计及研究[D]. 马飞.大连海事大学 2006
本文编号：3711469
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 数据挖掘国内外研究现状
1.2.2 精准营销国内外研究现状
1.2.3 目前存在的主要问题
1.3 本文主要研究内容与结构安排
第2章 数据挖掘技术相关理论
2.1 数据挖掘的定义
2.2 数据挖掘技术平台相关理论
2.3 数据挖掘算法分类
2.4 移动通信行业数据业务现状研究
2.5 精准营销研究重点
2.6 本章小结
第3章 K-means聚类算法在精准营销中的应用研究
3.1 K-means聚类算法改进
3.1.1 K-means算法介绍
3.1.2 K-means算法的优缺点
3.1.3 K-means基于密度的算法改进方法
3.2 基于数据挖掘的精准营销策略设计
3.2.1 用户数据处理
3.2.2 维度确定
3.2.3 聚类分析
3.2.4 抽样分析
3.3 本章小结
第4章 K-means聚类算法在某地联通公司的应用案例
4.1 随机用户分析营销案例
4.1.1 数据准备
4.1.2 应用K-means算法聚类分析结果
4.1.3 实际应用分析
4.1.4 精准营销策略及实际营销结果
4.2 校园用户营销案例
4.2.1 数据准备
4.2.2 应用K-means算法聚类分析结果
4.2.3 实际应用分析
4.2.4 精准营销策略及实际营销结果
4.3 本章小结
第5章 总结与展望
5.1 总结
5.2 未来工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]决策树机器学习策略在数据分析中的优化[J]. 温立辉. 五邑大学学报(自然科学版). 2019(03)
[2]5G时代的打开方式[J]. 车海刚. 中国发展观察. 2019(11)
[3]基于K-Adaboost数据挖掘的配电网负荷预测[J]. 刘伟,张锐锋,彭道刚. 浙江电力. 2019(01)
[4]基于分类与回归算法（CART）的城市道路交通状态阈值划分研究[J]. 张珏,王亚萍. 黑龙江交通科技. 2018(10)
[5]探讨精准营销背后隐藏的融合趋势[J]. 胡星. 新闻研究导刊. 2016(16)
[6]基于聚类中心优化的k-means最佳聚类数确定方法[J]. 贾瑞玉,宋建林. 微电子学与计算机. 2016(05)
[7]关于企业市场营销战略的创新研究[J]. 王莹莹. 商. 2015(46)
[8]论市场营销策划的重要性[J]. 王影. 知识经济. 2015(16)
[9]数据挖掘在数字图书馆中的应用研究综述[J]. 李文阔,李永先. 新世纪图书馆. 2012(02)
[10]应对竞争对手的新产品预告:策略的进取性及其效果[J]. 伍青生. 中大管理研究. 2011(03)
硕士论文
[1]ZM天然气管道输差分析及应用程序开发[D]. 李晶晶.西南石油大学 2017
[2]大数据背景下中国电信行业的用户细分[D]. 关彤.天津财经大学 2017
[3]母婴用品自媒体营销策略研究[D]. 王子萱.兰州理工大学 2016
[4]基于虚拟机的Hadoop分布式聚类挖掘方法研究与应用[D]. 尚丹丹.哈尔滨理工大学 2015
[5]基于海量数据挖掘关联测度工具的设计[D]. 岳雪.西安财经学院 2014
[6]基于数据挖掘的电子商务商品个性化推荐技术研究[D]. 王卫健.电子科技大学 2014
[7]数据挖掘与网站运营管理[D]. 王仁彦.华东师范大学 2010
[8]基于网络数据挖掘的客户获取系统研究[D]. 俞驰.西安电子科技大学 2009
[9]基于Web数据挖掘的作物商务平台分析与研究[D]. 杨毅超.湖南农业大学 2008
[10]基于数据挖掘的航运市场预测系统设计及研究[D]. 马飞.大连海事大学 2006
本文编号：3711469
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3711469.html
