淘寶數(shù)據(jù)挖掘論文--以淘寶連衣裙店鋪評論數(shù)據(jù)挖掘?yàn)槔?參考版)
2025-06-08 04:46本頁面
【正文】 參考文獻(xiàn) ********************************************************************************** 24 后記 ******************************************************************* 致謝 ******************************************************************* 25 26 27 。 對于本次數(shù)據(jù)挖掘的自我評價(jià)，本次數(shù)據(jù)挖掘總體來說花費(fèi)的時(shí)間跟精力是比較多的。 SPSS 是 之前沒有接觸的過的分析軟件，對于它的使用規(guī)則不清楚，通過借書學(xué)習(xí)，網(wǎng)上看教程，最終能簡單應(yīng)用 SPSS 進(jìn)行相關(guān)性分析還有聚類分析。同時(shí)在本次分析中應(yīng)用的 SPSS 軟件也是十分強(qiáng)大的分析工具， SPSS 當(dāng)中包含多種統(tǒng)計(jì)分析的算法，可以根據(jù)實(shí)際需要調(diào)用里面的算法，結(jié)果也可以根據(jù)自己的需要進(jìn)行設(shè)置。一無所知是指原本對數(shù)據(jù)挖掘只停留在概念上的理解，沒有實(shí)踐過，而知之甚少是指在整個(gè)研究過程，從數(shù)據(jù)搜集到最終的數(shù)據(jù)分析，這些實(shí)踐性的操作與分析都無到有的學(xué)習(xí)過程，并且在學(xué)習(xí)的過程當(dāng)中，越深入越感覺自己學(xué)習(xí)的越少，所以最終有一種越學(xué)越覺得少的感覺。 本次數(shù)據(jù)挖掘?qū)嵺`過程，讓本人受益匪淺。對此，這里對淘寶不同層次的賣家的有如下的建議：高端消費(fèi)品的購買者駐注重商品的質(zhì)量與商品各方面的服務(wù)，同時(shí)這些用戶粘度相對較大，店家要做好各方面的服務(wù)才能增加用戶粘度。從表中還可以看到無論是那一類在外觀方面的關(guān)注度都是中強(qiáng)的，說明無論是那一類的連衣裙消費(fèi)者對于外觀的注重程度 都是比較高的。 第一類 高 1，高 3，高 4，高 5，高 7，高 8，高 9，高 10，高 11，高 12，高 13，高 14，高 15，高 16，高 19，高 20，高 21，高 22，高 23，高 24，高 25，高 26，高 27，高 28，高 29，高 30，高 31，高 32，高 33，高 34，高 37，高 38，高 39，高 40，高 41，高 42，高 43，高 45，高 46，高 47，高 48，高 49， 高 50，中 2，中 3，中 40，低 47， 第二類 低 37，低 40，低 40，低 48 22 第三類 低 2，低 3，低 4，低 5，低 6，低 7，低 8，低 9，低 10，低 11，低 12，低 13，低 14，低 15，低 16，低 17，低 18，低 19，低 20，低 21，低 22，低 23，低 24，低 25，低 26，低 27，低 28，低 29，低 30，低 31，低 32，低 33，低 34，低 35，低 36，低 38，低 39，低 41，低 42，低 43，低 44，低 45，低 46，低 49，低 50， 第四類 高 2，高 6，高 17，高 18，高 35，高 36，高 44，中 1，中 4，中 5，中 6，中 7，中 8，中 9，中 10，中 11，中 12，中 13，中 14，中 15，中 16，中 17，中 18，中 19，中 20，中 21，中 22，中 23，中 24，中 25，中 26，中 27，中 28，中 29，中 30，中 31，中 32，中 33，中 34，中 35，中 36，中 37，中 38，中 39，中 41，中 42，中 43，中 44，中 45，中 46，中 47，中 48，中 49，中 50，低 1 表 表 是各個(gè)分類中店鋪個(gè)數(shù)，表中可以看到屬于第 1 類的有 95%是高端消費(fèi)，屬于第 2 類的 100%是屬于低端消費(fèi)，屬于三類的有 100%是低端消費(fèi)，屬于第 4 類的有98%是中端消費(fèi)，其中低端消費(fèi)四類中均有分布，而高端消費(fèi)出現(xiàn)于第一類與第四類，中端消費(fèi)只出現(xiàn)于第四類。注重質(zhì)量與服務(wù)是在質(zhì)量與價(jià)格的關(guān)注度上比較強(qiáng)，表現(xiàn)為表 中的第 2 類，第 2 類在質(zhì)量與價(jià)格方面關(guān)注度為強(qiáng)，而在物流外觀方面表現(xiàn)為中度關(guān)注，在服務(wù)方面表現(xiàn)為弱度關(guān)注；外觀價(jià)格注重，表中表現(xiàn)為第 3 類，第 3 類當(dāng)中表現(xiàn)的是價(jià)格與外觀的強(qiáng)關(guān)注度，而在質(zhì)量物流以及服務(wù)方面表現(xiàn)為弱的關(guān)注度。 分析結(jié)論 各個(gè)類別強(qiáng)弱性 1 2 3 4 質(zhì)量 強(qiáng) 弱 弱 強(qiáng) 物流 .中 中 弱 強(qiáng) 外觀 強(qiáng) 中 中 中 價(jià)格 弱 強(qiáng) 中 強(qiáng) 服務(wù) 強(qiáng) 弱 弱 弱 表 上述的分析中將通過分類將淘寶的評論分為四類，從表 中看到各個(gè) 類別中各個(gè)因素的強(qiáng)弱程度是不一樣的，根據(jù)分類的特征，將這四類分別定義為：注重價(jià)格物流，注重質(zhì)量與價(jià)格，注重外觀價(jià)格，注重體驗(yàn)。 與最終聚類 中心之 間 的 距離 聚集 1 2 3 4 1 .676 .148 .122 2 .676 .587 .641 3 .148 .587 .075 4 .122 .641 .075 表 Distance between final cluster centers 從表 最終聚類中心點(diǎn)間的距離來看 ,4 個(gè)最終聚類中心彼此之間的距離是顯著的 ,中心 2 與中心 3 之間距離是最大的 ,達(dá)到了 ,中心 3 與中心 4 之間的距離最小 ,為 。兩張張表中 ,四類類分法的變量差異性較大的 ,其具有統(tǒng)計(jì)意義。 類簇?cái)?shù)目 1 2 3 4 5 6 2 類分法 147 3 3 類分法 3 102 45 4 類分法 45 3 33 69 5 類分法 2 2 1 101 44 6 類分法 33 1 2 69 2 43 表 類簇?cái)?shù)目與案例數(shù)目對比表 The number of class clusters and the number of cases parison table 表 中可以看到 2 類、 3 類、 5 類分法樣本分布是比較不均勻的， 2 類分法存 在顯著的傾斜性，數(shù)據(jù)明顯往第一個(gè)分類倒， 3 類分法與 5 類分法也存在同樣的問題。這里判斷類簇適宜的標(biāo)準(zhǔn)有兩個(gè) ,一個(gè)是類簇之間包含記錄的個(gè)數(shù)盡可能的平均 ,另一個(gè)是類簇最終聚類中心之間的差異要顯著。 店鋪 質(zhì)量 物流 外觀 價(jià)格 服務(wù) 高 1 高 2 高 3 高 4 高 5 高 6 高 7 高 8 高 9 高 10 高 11 高 12 高 13 高 14 高 15 高 16 高 17 高 18 高 19 高 20 高 21 高 22 高 23 高 24 高 25 高 26 高 27 高 28 高 29 高 30 高 31 高 32 高 33 高 34 高 35 高 36 高 37 16 高 38 高 39 高 40 高 41 高 42 高 43 高 44 高 45
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1