基于数据挖掘和数据仓库的用户重购行为的研究

摘要

面对瞬息万变的市场经济，不断的制定应对措施保持企业长青成为企业生死存亡的关键，正确的决策会带领企业走向良好的发展。数据在企业决策中扮演着越来越重要的角色，从起初的电子表格到如今的数据仓库，大数据时代的来临，促使着企业重视和利用数据，为企业的经营制定精准的决策服务。数据中潜在的价值不可估量，掌握了这些价值就在一定意义上占据了市场份额，让数据中潜在的价值变成真正的企业营收。
　　数据仓库技术的发展满足了大数据时代的数据存储，数据挖掘技术的发展为企业从数据中获取价值提供了便利，两者的结合更是为更多的企业提供了决策支持。随着视频网站付费内容的增加，如何提高用户的付费转化率，通过数据引导用户消费，成为视频网站制胜的关键所在。视频网站需要付费的内容多为单片购买、套餐购买等，不论是购买单片还是购买套餐，在一定程度上都反映了用户的消费潜力。优秀的推荐系统会为用户提供其乐意付费的视频内容，通过对用户行为数据的分析挖掘，引导着用户消费。
　　随着视频门户网站数量的剧增，用户也面临着具有多样性的选择。用户流失逐渐成为各大网站面临的问题，预测用户的重购行为，提前做出相应的营销策略，对培养忠实用户有着较大的作用，对网站的发展也有较大的意义。在智能电视领域，提供良好的服务也是增加用户忠诚度的重要手段之一，对增加同品牌智能电视口碑意义重大。
　　基于上述问题，本文着重对用户的重购行为进行研究，提出基于数据仓库和数据挖掘技术的用户重购行为的预测方法。首先对智能电视用户的日志进行分析，确定数据仓库方案设计，然后引用客户关系管理中常用的RFM模型获得特征指数，最后用决策树算法对用户的重购行为进行了预测。
　　本文的主要工作和贡献是:
　　第一:总结分析当前数据仓库以及数据挖掘技术的研究背景和研究现状，针对当前问题提出解决方案。
　　第二:总结分析数据仓库和数据挖掘相关技术，重点介绍数据仓库的建立过程，以及如何支撑数据挖掘工作的进行。
　　第三:通过客户关系管理中常用的RFM模型，生成用户的消费指数，并且基于这些指数，运用C5.0决策树算法对用户的重购行为进行了预测。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 数据仓库技术的发展

1．2．2 数据挖掘技术的发展

1．3 本文的主要工作内容

第二章 论文相关理论与方法概述

2．1 数据挖掘技术

2．1．1 数据挖掘的概念

2．1．2 数据挖掘的过程

2．1．3 数据挖掘的功能

2．1．4 常用的数据挖掘算法

2．1．5 数据挖掘在CRM中的应用

2．2 数据仓库

2．2．1 数据仓库技术概述

2．2．2 数据仓库的特点

2．2．3 数据仓库的基本架构

2．2．4 数据仓库与数据库的区别

2．3 本章小结

第三章 数据仓库建立

3．1 数据平台核心需求

3．2 数据仓库的层次功能

3．3 用户数据采集系统

3．4 用户购买信息数据仓库的建立

3．5 本章小结

第四章 基于RFM模型和决策树的用户重购行为预测

4．1 客户流失

4．1．1 套餐客户流失的定义

4．1．2 客户流失的周期选取

4．2 衡量用户价值指数

4．2．1 RFM模型概述

4．2．2 基于RFM模型的用户价值评估

4．3 C5．0决策树预测客户流失

4．3．1 决策树建模的评价准则

4．3．2 决策树模型的选取

4．3．3 建立决策树串流预测用户重购

4．3．4 模型评估

4．4 本章小结

第五章 结论与展望

参考文献

致谢

攻读学位期间发表的专利目录