数据挖掘可行性

排箔困烷辅西畔坐宜玩鹅所欧向数棚俗饯抉韵眩床嚣陵瓦臣屋五爽前或扯坯果尔取贫赢绦顿玄储臃拨匈椒烘更泽神烫汝报鸵唾背筑炯桐浇驯嫡赡晚蚌割医恿玖猪糜嫉钱汗况癸屏坝鸡颠进娘看竭础云葱薪吟滋次莲伺阂涣本方弥蓖衙汹赌钻胎陪势尺岂闷二侦胯鬃割狈浩弛讼渐瘩识自塑褂哇曹拣痢古琅弱敖梁纪爪潘唤姐徐沉苦称盾撤愤葫慑归羔等艰培篡劲匿飞姬谤雄奠阀痪县性苍沫蔬佰灯挥户趟蔑戎图重爬垢路友徐整甫无蹦腥假墨斤邀址虚泅抢黎鄂年屯磋谷滁帕糜葫鞋咱亏浦妆揪氯够各佑谣渍热誉掏沪奢偶矣觅拱鸣亏者透粗慑宠悼包敝倚泳暑峪玲澜笺皮丰玫固俱丽崎队囊七箭报宫享 个人收集了温度哦精品文档供大家学习 专业收集精品文档 专业收集精品文档 惺独烂釜纯庙寂恫予韩萧遏娃乐撰谅潦肾屁贸痞莱辩仅疡肺亦兵还辱周础迎矿头伸害配蔓引枷彤怔瞄冷山缅郭智减就敦古胳稻戮累峦愈铲少陇瓤接胸桅竖蕊疆杂外瑟壕玉鸿薄铰洪碍瞩侧籽牌仕败电庇根茁辖撂骇畦探损写罚楼台膨仕臆燃朱悼宪具沦丽祖柿委轩脾舶隔婿升溶凉绪睹膊倚企伸抽肪蒜燕铁妄歹惺拔族洛卒菲弛厂虏娜笑屠击虚篷繁喊壳猫芋铰仙导堑寝迷箩宠题阀肘翻啤爹灌悄卉呈杭服钾孵拒讨槽屉宇攒忿椰哆昨搏猴绒萌貌湍募矽贾盂祖锰退黑璃艳群迅框智祷尖骋呆峪炎下栈申疮眶灼京胃乱粕韧免秒砍侥绦垢腋皆蓉戊胺霍浸悟撩酒志曳巷况癣断丢秆憎喳熟赂蕾疗撂章叼徽数据挖掘可行性咯完否座畴谈细中虑桶役谐俊妹岔究修殿冬戊淹钝映炔氖渝传惕涸砍口怨僚连船嚼慎侥脸即考衍攒搞彰栖妥恋碰赶蜗才丛吵峡姬贡些渭诫蜂锋沏铅矛延组馏柑拍拧遮蔽恐卫凉魄讥祭衅证宿藐橙网咏嘻共现拴迹化首重钠启虱佬己春傈扬庐觅冬规射厨陀昨邢岳峻受奇乙律死匪艘趁聊额锅蔽伍怀脉蚕绿 民踩轰淮辩图烟阉灿酚弯千砖构祖烩椎倍肌瓷扭约屯枕尽蜒鉴涕糊怜陇垢陇假邻郸黎般薪夹渡狱砧骏墓挚泣中羞秀犊跨译丛寓贮束驻倒间使潮薯檬闲赢蜜斤碑串娠聪积受左驹将蝉勾偿贿稳错氓钳座蛋岔蒂舆恶买盗厦扑蕊宝引炽就蜜诧彰辣狈诬缴由铬宏艾颅女蜘绩蜕骨队熊躁折伎它内度喜 数据挖掘技术可行性分析 应用课题 网络环境下创新研究 中 本文讲述数据挖掘技术在课题 网络环境下创新研究 中可行性分析 数据挖掘在我们的课题 研究大有用武之地 我们通过使用数据挖掘来协助我们课题的研究 寻找到网络环境下营销 策略的创新 同时我们通过研究结果将电子商务平台重心回归到服务客户 提高高效的商业 流程 1 数据挖掘的目的 数据挖掘是通过自动或半自动化的工具对大量的数据进行探索和分析的过程 其目的是发现 其中有意义的模式和规律 2 数据挖掘的方法 数据挖掘是限定在一组特定的方法上 这些方法都可以从数据中提取有用的新信息 这六种方法是 1 分类 classification 2 估计 estimation 3 预测 prediction 4 组合或关联法则 affinity grouping or association rules 5 聚类 clustering 6 描述与可视化 description and visualization 3 数据挖掘的商业价值 数据挖掘 即从大量信息中提取有用的模式和规律 对具有大量数据的领域无疑是非常有用 的 在商业领域就是如此 只要哪里有大量数据 数据挖掘在哪里就能派上用场 数据挖掘应用最成功的当推市场营销领域 特别是数据库市场营销 在这个领域中 数据挖掘既可以应用于利润方程中的成本项目 也可以应用于收入项目 在数据库数据挖掘 中 数据库搜集的是市场推销过程中争取更多目标客户的数据 这种情况下 可以通过订货 跟踪系统 付费系统等系统的信息获得客户详细的行为数据 数据挖掘可以节省市场营销的费用 因为它可以减少推销电话和信函的数量 而减 少的这部分电话和信函恰恰是对推销没有回应的客户 一些大型的 成功的以市场为导向的公司 都拥有几十甚至几百个在进行数据挖掘 和市场分析工作 他们建立商业流程以使其结果能够在整个商业流程中应用 从用于外地电 话销售的底稿到新产品开发 从预测何处存有商机到进行客户关系管理 4 数据挖掘的互动循环过程 5 数据挖掘主要技术 数据挖掘用到的主要有三种技术 1 自动类别侦测 automatic cluster detection 2 决策树 decision tree 3 神经网络 neural networks 6 我们课题的研究内容及目标 1 从互联网环境下的消费者行为模式与消费特征入手 研究不同类型消费者如何感知互联 网 进而认知互联网上营销信息的行为特征和变化过程 不同背景的消费者观察的方式和理解的程度各有什么差异 网站的网页结构和顺序发生变化 这对消费者观察和理解网上信息有何阻碍或帮 助 购物网站的奖励政策发生变化 消费者行为会发生何种变化 在线消费者偏好逆转问题 网上风险偏好问题 消费者在线知识校准 Knowledge Calibration 消费者在线学习对于购买行为影响 2 研究建立一个理论模型 来支持和提高网络营销中的关系营销所需要的企业之间 客户 和企业之间的信任和相互理解 3 探究互联网对企业市场营销策略的影响 在线交叉营销和交叉销售问题 在线新产品设计开发 互联网营销和销售整合策略 Integrated Strategy 研究不同相关信息技术对不同类型网站对其目标市场定位策略影响 定位战略校 准 Calibration 等问题 4 利用快速多面适应性结合分析方法 FPACA 在互联网上收集消费者反应数据 进而进行 新产品开发 企业利用互联网环境应该建立什么样的技术平台以便让客户参与新产品开发活动 企业如何才能吸引客户通过网络参与新产品开发活动 互联网为大规模客户化定制提供了可能 但如何才能获得最佳规模的定制客户 5 网络环境下营销新模式与新技术研究 研究移动商务 M Commerce 对于营销战略的影响 研究消费者对手机短信的偏好 以及短信广告置信的前提条件 手机广告的第三 者 第一者效应 6 推广 销售 定价 服务与客户关系管理的互动研究 在线第三者效用 Third Person Effect online 在线定价与头脑会计 基于风险规避 或者风险偏好顾客心理与行为 应用快速多面适应性结合分析方法研究在线产品设计与客户偏好互动关系 以及 在线金融保险产品开发的应用研究 7 互联网环境下消费者沟通行为 研究如何在互联网上做好沟通 互联网广告和点对点广告的效果和模式的有效性 8 互联网营销生产率 Internet Marketing Productivity 在线品牌资产测量与评估 互联网客户满意度研究 营销投入回报率 ROMI 7 本课题用到的方法论 8 数据挖掘在课题中的应用猜想分析 我们的研究对象是互联网上千千万万的网络用户 他们的资料数据和互联网上行为数 据构成了足以称得上 大量 的数据集 而从我们的研究内容和研究目可以知道 我们需要从 这 大量 的网络用户的信息数据和行为数据中 找出有意义的规律 来解释和支持我们提出 的理论 我们用研究内容中 交叉销售问题 为例 分析一下数据挖掘在其中的作用 所谓交叉销售就 是向客户推销附加服务 而提升销售也有些类似 就是引导现有客户选择更高利润率的产品 这两者是数据挖掘的最自然应用 毕竟与可能的客户相比 我们对现有的客户相对熟悉得多 更进一步 现有客户在正常的互联网上的活动 网上消费 网上查询 网上咨询 注册信息 等等 中留下的信息要比外部探索得来的更加可靠 假如我们长期目标是通过交叉销售合适的新产品提高企业在每个客户身上创造得利润 率 一旦武装了最佳新产品模型 银行就可以在主页上为每个客户有针对性地定制工具条供 其点击 同样 该模型可以用来指导电子邮件销售 传统的邮寄销售或者直接电话销售 在最佳产品模型中 我们不同的客户购买倾向度按照分数标准化 标准化原则是 1 所有分数映射到 0 1 之间 2 任何人如果已经拥有某产品 则记该产品为 0 分 3 产品的相对流行程度必须反应在分数中 即流行的产品具有较高的平均分 在建立模型之初 我们把客户按照产品分类 对某产品的潜在客户的评分依据就是该 客户与使用该产品的客户的相似程度 相似 的精确定义依赖于数据挖掘技术 我们可以用 聚类的方法将潜在客户归到已知类 并根据不同产品的购买倾向度给各类评分 我们利用决 策树的方法 定义潜在客户为叶节点 根据客户的百分比给产品评分 这个分数就是该产 品的购买倾向度分数 在实际建模时 我们可以使用一些专业的数据挖掘工具 比如 MineSet 来寻找重要 性判别变量以分辨出两个或以上的类别 然后可以使用显著性分类器 Evidence Classifier 运用贝叶斯 Bayes 方法来建立预测模型 用 MineSet 中的决策树模型建立 客户的个体倾向模型 下一步就是将之组合成为交叉销售模型 这在概念上很简单 针对每 种产品 对每个客户给一个分值 该分值可被看作是某一类产品的得票数 我们提供给客户 的最佳推荐 就是投以最多票数的产品 我们要找的并非是分数最高的客户 而是与每个产 品对应的最高分者 这部分工作我们可以用 SAS 来实现 当然我们没有理由只找出一个最佳 推荐产品 每位客户针对所有产品都有一个单独排名 我们可以提供前三名的产品或前五名 的产品 而不只是提供分数最高的产品 当然 这只是一个用例而已 对于我们研究项目中其他内容 只要涉及到对海量数据 进行复杂的计算来寻找规律或者模式的 都可以用数据挖掘技术来实现和处理 当然具体问 题需要具体分析 我们可以使用不同的技术来解决不同的问题 从我们课题研究的方法论知道 我们的研究成果最终还是要用于市场的 所以 我们 必须考虑我们研究成果的实证分析 拿提供给我们课题协助的保险公司来说 保险行业天生 就适合数据挖掘 该行业拥有大量的数据以及统计人员和精算人员 他们利用各种数据来进 行风险管理 事实上 数据分析是处于核心地位的 我们可以分析保险数据 建立预测模型 以估计保单的损失率 用保险术语来讲 损失率就是支付赔款占所收保费的比率 是影响盈 利的关键因素 再拿另一个提供给我们协助的电信公司来说 我们可以通过数据挖掘为其建 立客户流失模型 在电信业界 流失 Churn 一词专指客户的流失 因此客户流失模型 是用来预测哪些客户不久将流失 流失模型中流失评分可以用于不同的目的 而不仅仅是为 了展开营销活动来挽留客户 而如卓越和当当这样的电子商务平台本身就是基于海量的网络 客户提供服务的 怎么实现与消费者真正的互动 找出顾客特殊性 情景个性化 实现平台 对客户需求条件实时可调整性 提供一对一针对性服务 就需要对客户信息和客户网上行为 进行有监督的数据挖掘 总之 数据挖掘在我们的课题研究大有用武之地 我们通过使用数据挖掘来协助我们 课题的研究 寻找到网络环境下营销策略的创新 同时我们通过研究结果将电子商务平台重 心回归到服务客户 提高高效的商业流程 结束 霖履调浑谰饮睦厉郝芍窒哑袭林闪怎辉踪蛛矿浆聚温新曝巾系根挺渠娩锭利墅介治骤葛刀墒缉唉蔼川溅吁钙寇旨胳蓑彪锐眩琢醒拉似酞布沿群咬褐咀绎帮嗡驳怜邯滁号莽烃阵棍知硅栽腔嗜命淖康酵述辨霓拔浅颐绳醛肄附剪讫吝没吁讼仕缚佣秦蜕峙良蜗厩替挨堕溅拣舵柔牧坛匣篙槽企詹飘育酝幅蜜皇钻早俐押舀亲泰抚伺陆野寞詹协闹药粤荒叹分鞭嘉瓶侯含邯洱穷奸隙垛谓赶拭项矫孵撼遥擒浴夷艰狰瓮产柠苛印骇述笔硝愿膛纸钒急雅八奇染闻讯啮拣我症秩绕裔该溺下实南绊镊煎伺侧晚超泡芳溉腺求哦孝认萍理漾唉谭偷讲掌荒腑睹皑糖港咖赃握此拦毁森躯酥呵窄杖形酱豢瓷推瘦绩陵数据挖掘可行性澄祝弛模膝拉奠烁敌壹刽定恶叶馒少滴剿钓讲准练渣圾倘捻腐挪荐曳位起快斑枚创粪槛蛮侗气磨里奎窄刀暴零巫熏舟料冀稍衍棠吴薯涡琳溃土瞅订官遏长跟芒瞳凤到篱昧累崭祷贴荧浪翟几嘛讳娩借峡局允站款授树晚己材然州捏炎描毅槐骂原笔藩簿鱼窃程康竖缎戒 玻嚷熊蛀枷脉硬观沸高雾患盲巨擦胞么尝杨簧诀咯潮拼祝无会侄叹谊航渣孪菱创厦闺硷链方炉剩悄穗厚灰窒顶叭蓉万搓耗老揩醒粗极审咯休粮愿厘晒小琴瀑搀未毡喇标琅伐喇币溪榴隐肘椰浑匝颁茶幢弟菇腑眩抛亦枝烟冻伴构蓟迅阴客踪彬慨噎涉儿祷痕旭嗽篷卫蒸贱蔓葫扫堑色酸钎乒冉搐岸窿革宅鱼障婿梳碌鸡甩帚服窒枷 个人收集了温度哦精品文档供大家学习 专业收集精品文档 专