某上市宠物公司促销策略分析

发布时间：2017-05-03 09:07

  本文关键词：某上市宠物公司促销策略分析，由笔耕文化传播整理发布。

【摘要】：数据挖掘和大数据处理作为当今学术科研及商业应用中热门的研究领域之一,涉及了统计学,计算机科学,机器学习等不同学科。本文应用了一些数据挖掘中基本方法来实现预测特定属性,描述概括数据中潜在的联系模式等任务。本文研究数据来源为真实客户数据,主要论述了用逻辑回归分析建立相似模型过程中的数据清洗和变量选择的方法,并重点阐述了在实际商业应用中如何评价预测模型的准确性和稳定性。在相似模型的基础上本文进一步利用决策树以及随机森林方法进行客户分析和模型验证。为实现大数据处理,首先利用了SQL server实现关系数据库以及建模数据准备。之后利用SAS enterprise进行数据预处理和探索性分析,基于数据和业务需求,制定并测试建模方法,并且简化数据、创建最终变量、迭代拟合模型,判定模型的合理性,对模型进行优化和改进,引导最终变量和模型的选取。根据模型所获得的最终预测结果,针对每一个潜在或现有用户,生成得分代码和分段标签,该预测值会帮助决策是否需要针对该客户要发出相应的市场活动邀请或提供相应的市场推广。之后利用Rstudio根据决策树方法实现客户分群,对各群组客户进行全方面各维度的刻画,包括人群属性、行为特征、购买偏好等,从而识别高价值客户,进而精确营销。最后我们对比了利用相似模型建模和利用随机森林方法进行预测的差异。
【关键词】：相似模型 逻辑回归 数据清洗 变量选择 决策树 随机森林
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F326.3;F274
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-11
• 1.1 研究背景8
• 1.2 研究方法8-9
• 1.3 选题意义9-10
• 1.4 研究难点10
• 1.5 研究路线10
• 1.6 论文研究框架10-11
• 第二章 数据处理与逻辑回归建模11-21
• 2.1 研究数据采集及数据结构11
• 2.2 逻辑回归方法介绍11-12
• 2.3 变量选择方法12-18
• 2.3.1 数据抽样13
• 2.3.2 变量探索及数据清洗13-15
• 2.3.3 变量筛选15-18
• 2.3.4 模型训练18
• 2.4 模型诊断18-21
• 2.4.1 预测准确性18-19
• 2.4.2 拟合优度19-20
• 2.4.3 模型卡方统计20
• 2.4.4 回归系数20-21
• 第三章 实例模型分析21-26
• 3.1 变量解释21-22
• 3.2 模型参数22-23
• 3.3 客户数据验证23-26
• 第四章 客户分群26-34
• 4.1 决策树26-32
• 4.1.1 决策树算法26-28
• 4.1.2 决策树结果28-30
• 4.1.3 过度拟合与剪枝30-31
• 4.1.4 决策树的优缺点31-32
• 4.2 随机森林32-34
• 第五章 结论与展望34-35
• 5.1 本文研究工作总结34
• 5.2 有待进一步研究的工作34-35
• 参考文献35-37
• 附录一 致谢37-38
• 附录二 决策树及随机森林源程序38

【相似文献】

中国硕士学位论文全文数据库 前1条

1 陈郑帅;某上市宠物公司促销策略分析[D];东南大学;2015年

  本文关键词：某上市宠物公司促销策略分析，，由笔耕文化传播整理发布。

本文编号：342704