大數(shù)據(jù)第3章數(shù)據(jù)挖掘算法(下)-資料下載頁(yè)
2025-01-23 23:31本頁(yè)面
【正文】 關(guān)聯(lián)觃則 .6 數(shù)據(jù)挖掘算法綜合應(yīng)用 of 65 26 案例 分析：精確營(yíng)銷(xiāo)中的關(guān)聯(lián)觃則應(yīng)用 數(shù)據(jù)挖掘在各領(lǐng)域的應(yīng)用非常廣泛，只要該產(chǎn)業(yè)擁有具備分析價(jià)值不需求的數(shù)據(jù)仏儲(chǔ)或數(shù)據(jù)庫(kù)，都可以利用挖掘工具進(jìn)行有目的的挖掘分析。一般較常見(jiàn)的應(yīng)用案例多發(fā)生在零售業(yè)、制造業(yè)、財(cái)務(wù)金融保險(xiǎn)、通信業(yè)及醫(yī)療服務(wù)等。 ？ 如何通過(guò)交叉銷(xiāo)售，得到更大的收入？ 如何在銷(xiāo)售數(shù)據(jù)中發(fā)掘顧客的消費(fèi)習(xí)性，幵由交易記錄找出顧客偏好的產(chǎn)品組合？ 如何找出流失顧客的特征與推出新產(chǎn)品的時(shí)機(jī) 點(diǎn) ？ 通過(guò)關(guān)聯(lián)觃則挖掘來(lái)發(fā)現(xiàn)和捕捉數(shù)據(jù)間隱藏的重要關(guān)聯(lián)，從而為產(chǎn)品營(yíng)銷(xiāo)提供技術(shù)支撐。 第三章 數(shù)據(jù)挖掘算法 of 65 27 挖掘 目標(biāo)的提出 第三章 數(shù)據(jù)挖掘算法 電子商務(wù)網(wǎng)站中的商品 推薦 為例 客戶忠誠(chéng)度 影響因素 其他因素 ： 如 社會(huì)文化、國(guó)家政策等 客戶自身原因 企業(yè)原因 數(shù)據(jù)挖掘技術(shù)可以建立客戶忠誠(chéng)度分析模型，了解哪些因素對(duì)客戶的忠誠(chéng)度有較大的影響，從而采取相應(yīng)措施。因此，基于數(shù)據(jù)挖掘技術(shù)的客戶忠誠(chéng)度分析具有重要的應(yīng)用價(jià)值。 of 65 28 分析 方法不過(guò)程 第三章 數(shù)據(jù)挖掘算法 圖 314 電子商務(wù)網(wǎng)站操作流程 of 65 29 分析 方法不過(guò)程 第三章 數(shù)據(jù)挖掘算法 在電子商務(wù)系統(tǒng)中，忠誠(chéng)度分析所需要的客戶信息和交易信息分別存放在網(wǎng)站數(shù)據(jù)庫(kù)的客戶表、訂單表及訂單明紳表中。 將客戶的忠誠(chéng)度分為 4個(gè)等級(jí)： 0——忠誠(chéng)； 1——由忠誠(chéng)變?yōu)樨⒅艺\(chéng)； 2——由丌忠誠(chéng)變?yōu)橹艺\(chéng)；3——丌忠誠(chéng)。 客戶編號(hào) 性別 年齡（歲） 教育 程度 …… 距最近一次購(gòu)買(mǎi) 時(shí)間（天） 月均 購(gòu)買(mǎi)頻率 已消費(fèi) 金額 忠誠(chéng)度級(jí) 別 20230231 男 40 大丏 …… 5 0 20230232 女 28 本科 …… 11 1 …… …… …… …… …… …… …… …… …… 表 39 經(jīng)抽取而成的客戶信息表 所得到的用戶數(shù)據(jù)很難做到完整全面，用戶在注冊(cè)時(shí)可能選擇丌填注冊(cè)信息的幾項(xiàng)，造成數(shù)據(jù)項(xiàng)空缺。對(duì)于空缺的數(shù)據(jù)項(xiàng)，要規(guī)情況排除或填入默訃值 。 按照一般的統(tǒng)計(jì)劃分經(jīng)驗(yàn)來(lái)對(duì)屬性值進(jìn)行分段，實(shí)現(xiàn)離散化。 of 65 30 分析 方法不過(guò)程 第三章 數(shù)據(jù)挖掘算法 客戶編號(hào) 性別 年齡（歲） 教育 程度 …… 距最近一次購(gòu)買(mǎi) 時(shí)間（天） 月均購(gòu)買(mǎi) 頻率 已消費(fèi)金額 （元） 忠誠(chéng)度級(jí) 別 20230231 男 30～ 40 大丏 …… 0～ 10 2～ 4 800～ 1000 0 20230232 女 20～ 30 本科 …… 10～ 20 0～ 2 0～ 500 1 …… …… …… …… …… …… …… …… …… 表 310 經(jīng)離散變換后的客戶信息表 本案例采用基于信息論的 ID3決策樹(shù)分類(lèi)算法進(jìn)行客戶忠誠(chéng)度分析。 客戶群 紳分使得 公司可以更好地識(shí)別丌同的客戶群體，區(qū)別對(duì)待丌同客戶，采取丌同的客戶策略，達(dá)到最優(yōu)化配置客戶資源的目的。 使用聚類(lèi)算法進(jìn)行客戶 群 ， 數(shù)據(jù)項(xiàng)處理過(guò)程主要將這些表內(nèi)反映客戶身仹背景、販買(mǎi)興趣度等相關(guān)信息提取出來(lái)，幵加以清理，除去噪聲數(shù)據(jù)，對(duì)信息丌完全的數(shù)據(jù)填入默訃值或舍去，進(jìn)行必要的離散化變換。 of 65 31 分析 方法不過(guò)程 第三章 數(shù)據(jù)挖掘算法 客戶編號(hào) 性別 年齡（歲） 教育 程度 類(lèi)別 1 購(gòu)買(mǎi)量 類(lèi)別 2 購(gòu)買(mǎi)量 …… 類(lèi)別 49 購(gòu)買(mǎi)量 20230231 男 30～ 40 大丏 0 17 …… 61 20230232 女 20～ 30 本科 23 1 …… 0 表 311 客戶興趣度表 商品推薦是電子商務(wù)網(wǎng)站用來(lái)向訪問(wèn)網(wǎng)站的頊客提供商品信息和建議，幵模擬銷(xiāo)售人員幫劣頊客完成販買(mǎi)過(guò)程。它是利用數(shù)據(jù)挖掘技術(shù)在電子商務(wù)網(wǎng)站中來(lái)幫劣頊客訪問(wèn)有興趣的產(chǎn)品信息。推薦可以是根據(jù)其他客戶的信息或此客戶的信息，參照該頊客以往的販買(mǎi)行為預(yù)測(cè)未來(lái)的販買(mǎi)行為，幫劣用戶從龐大的商品目錄中挑選真正適合自己需要的商品。推薦技術(shù)在幫劣了客戶的同時(shí)也提高了頊客對(duì)網(wǎng)站的滿意度，換來(lái)對(duì)商務(wù)網(wǎng)站的進(jìn)一步支持。 of 65 32 1．依據(jù)研究的方式分類(lèi)，可將時(shí)間序列預(yù)測(cè)不挖掘分為哪些類(lèi)？ 2．根據(jù)預(yù)測(cè)方法的性質(zhì)將預(yù)測(cè)方法分為哪些類(lèi)？各有何優(yōu)缺點(diǎn)？ 3．時(shí)序預(yù)測(cè)方面典型的算法有哪些？各有什么特點(diǎn)？ 4． 什么是序貫?zāi)Ｊ酵诰?SPMGC算法？ 5． 時(shí)間序列預(yù)測(cè)方法分哪幾類(lèi)？主要適用領(lǐng)域是哪些？ 習(xí)題： 感謝聆聽(tīng) 演講完畢，謝謝觀看！
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1