一种基于数据挖掘的游戏精准营销系统的设计与实现

发布时间：2017-04-02 13:09

  本文关键词：一种基于数据挖掘的游戏精准营销系统的设计与实现，，由笔耕文化传播整理发布。

【摘要】：随着互联网游戏行业多年的发展，人口红利逐渐消失，游戏行业已经成为一个商业红海，如何在激烈的竞争中利用精准营销提高竞争力、降低成本成为企业致胜的重要手段之一，各大游戏公司也越来越重视数据化运营。在精准营销中有一个核心技术问题，那就是如何针对不同应用场景找出目标用户，传统的数据统计分析方法难以抓住问题的全貌，数据挖掘方法可以针对海量的数据进行全面的分析，可以发现一些隐藏比较深，比较复杂的知识和规则。而随着计算能力的提升，理论的不断发展，数据挖掘技术成为发掘用户行为模式，解决目标用户发现问题的重要方法。然而将数据挖掘技术工程化，融入实际游戏精准营销工作中还存在很多困难，缺少实践方案。 本文以如何将数据挖掘技术更好地接入游戏精准营销工作为研究对象，首先分析了腾讯公司免费模式游戏的营销活动的形式和需求，将核心技术问题抽象成用户分类问题，之后根据实际工作情况和跨行业数据挖掘标准过程（cross-industry standard process for data mining，即CRISP-DM）划定了腾讯游戏营销业务接入数据挖掘技术的人工范围和软件开发范围。根据软件开发范围，本论文设计和实现了一套游戏精准营销系统，包括：a）属性分析工具，用来分析玩家行为属性和营销目标的关联性，一方面帮助业务方理解用户行为，另一方面帮助数据分析人员选择属性；b）属性选择工具，使用决策树算法对数据进行建模，数据分析人员能依据模型输出的属性权重对属性进行选择；c）建模评估工具，封装了分类算法和外围的数据存储系统接口，能对数据进行建模和预测，用于业务接入数据挖掘工作的前期试验和评估；d）自动化用户分类子系统，在建模评估工具上层实现自动化调度和结果统计功能，完成数据挖掘技术落地应用；e）广告查询子系统，统一管理用户分类子系统预测出的用户，对渠道部门提供用户对应的广告查询功能，优化目标用户投放流程。 系统上线后接入了多款腾讯游戏，以游戏《穿越火线》为例，9个月9次营销活动带来新付费用户和回流付费用户30万人，每期模型的平均提升度约220%。业务流程上，前期新业务接入人力消耗从1人月降为1人周，接入自动化用户分类系统后，指定类型营销活动可实现0人力投入等。整个精准营销系统确实带来了效益和效率上的提升。
【关键词】：数据挖掘 精准营销 用户分类 决策树
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.13;TP311.52
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-17
• 1.1 论文背景及研究的目的和意义10-11
• 1.2 国内外相关领域研究现状11-15
• 1.2.1 精准营销理论与免费游戏营销11-13
• 1.2.2 数据挖掘与分类算法13
• 1.2.3 用户分类技术在相关领域的应用13-14
• 1.2.4 用户分类技术在游戏精准营销中应用现状14-15
• 1.3 本文的主要研究内容15
• 1.4 论文组织结构15-17
• 第2章 需求分析17-24
• 2.1 引言17
• 2.2 游戏营销场景分析与论文解决范围17-18
• 2.3 已有解决方式和不足18-20
• 2.4 外围相关系统分析20-22
• 2.4.1 数据仓库20-21
• 2.4.2 数据情况21-22
• 2.4.3 已有营销活动管理系统22
• 2.5 精准营销系统整体需求22-23
• 2.6 本章小结23-24
• 第3章 系统概要设计24-46
• 3.1 引言24
• 3.2 整体解决方案24-28
• 3.2.1 本论文数据挖掘过程方法24-26
• 3.2.2 接入数据挖掘带来的业务改造26-27
• 3.2.3 IT 解决方案27-28
• 3.3 功能分析与概要设计28-35
• 3.3.1 带有目标的属性分析工具29-30
• 3.3.2 属性选择工具30
• 3.3.3 建模评估工具30-31
• 3.3.4 自动化用户分类子系统31-34
• 3.3.5 目标用户管理与广告查询子系统34-35
• 3.4 技术分析与选择35-45
• 3.4.1 带有目标的属性分析方案35-36
• 3.4.2 属性选择方案36-37
• 3.4.3 预测问题解决方案37-38
• 3.4.4 R 语言38
• 3.4.5 分类算法对比与选择38-45
• 3.4.6 分类算法参数确定方法45
• 3.5 本章小结45-46
• 第4章 系统设计与实现46-78
• 4.1 引言46-47
• 4.2 带有目标的属性分析工具的设计与实现47-52
• 4.2.1 属性分析工具功能结构47
• 4.2.2 属性分析工具数据设计47-48
• 4.2.3 属性分析工具模块实现48-52
• 4.3 属性选择工具的设计与实现52-53
• 4.3.1 属性选择工具功能结构52
• 4.3.2 属性选择工具实现52-53
• 4.4 建模工具的设计与实现53-57
• 4.4.1 建模工具功能结构53-55
• 4.4.2 建模工具数据结构设计55
• 4.4.3 建模工具实现55-57
• 4.5 自动化用户分类系统57-68
• 4.5.1 自动化用户分类系统功能结构57-58
• 4.5.2 自动化用户分类系统数据结构与数据库设计58-62
• 4.5.3 自动化用户分类系统实现62-68
• 4.6 目标用户管理与广告查询子系统68-77
• 4.6.1 目标用户管理与广告查询系统功能结构68
• 4.6.2 目标用户管理与广告查询系统数据结构与数据库设计68-74
• 4.6.3 目标用户管理与广告查询系统实现74-77
• 4.7 本章小结77-78
• 第5章 系统测试与成果展示78-89
• 5.1 引言78
• 5.2 属性分析工具78-79
• 5.2.1 属性分析工具测试方案78
• 5.2.2 属性分析工具运行结果78-79
• 5.3 属性选择工具79-82
• 5.3.1 属性选择工具测试方案80
• 5.3.2 属性选择工具运行结果80-82
• 5.4 建模工具82-84
• 5.4.1 建模工具测试方案82-83
• 5.4.2 建模工具运行结果83-84
• 5.5 自动化用户分类系统84-86
• 5.5.1 自动化用户分类系统测试方案84
• 5.5.2 自动化用户分类系统运行结果84-86
• 5.6 目标用户管理与广告查询系统86-87
• 5.6.1 目标用户管理与广告查询系统测试方案86
• 5.6.2 目标用户管理与广告查询系统运行结果86-87
• 5.7 实际业务效果87-88
• 5.8 本章小结88-89
• 结论89-90
• 参考文献90-94
• 致谢94-95
• 个人简历95

【参考文献】

中国期刊全文数据库 前4条

1 刘红岩,陈剑,陈国青;数据挖掘中的数据分类算法综述[J];清华大学学报(自然科学版);2002年06期

2 王星洲;谭力文;王娜;;游戏运营平台定价模型及价格影响因素分析[J];西安电子科技大学学报(社会科学版);2010年02期

3 庞素琳;巩吉璋;;C5.0分类算法及在银行个人信用评级中的应用[J];系统工程理论与实践;2009年12期

4 马宏伟;张光卫;李鹏;;协同过滤推荐算法综述[J];小型微型计算机系统;2009年07期

  本文关键词：一种基于数据挖掘的游戏精准营销系统的设计与实现，由笔耕文化传播整理发布。

本文编号：282548