基于动漫大数据的用户画像建模与营销策略管理平台的实现
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-15页 |
1.1 课题背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 用户画像研究现状 | 第11-12页 |
1.2.2 营销策略管理平台研究现状 | 第12-13页 |
1.3 主要研究内容 | 第13页 |
1.4 主要创新工作 | 第13-14页 |
1.5 论文的框架结构 | 第14页 |
1.6 本章小结 | 第14-15页 |
第二章 相关理论及技术分析 | 第15-20页 |
2.1 用户画像简介 | 第15-16页 |
2.1.1 用户画像的定义 | 第15页 |
2.1.2 用户画像的分类 | 第15-16页 |
2.2 主要相关技术分析 | 第16-19页 |
2.2.1 K-means聚类算法 | 第16-17页 |
2.2.2 随机森林算法 | 第17页 |
2.2.3 极限学习机算法 | 第17-18页 |
2.2.4 Kafka分布式消息系统 | 第18-19页 |
2.3 本章小结 | 第19-20页 |
第三章 用户画像标签体系的构建 | 第20-24页 |
3.1 标签体系概述 | 第20页 |
3.2 标签体系的构建思路 | 第20-21页 |
3.3 基于动漫用户画像的标签体系 | 第21-23页 |
3.4 本章小结 | 第23-24页 |
第四章 基于动漫大数据的用户画像建模 | 第24-55页 |
4.1 动漫用户行为数据的采集 | 第24-26页 |
4.2 客户端用户性别识别 | 第26-32页 |
4.2.1 模型数据准备 | 第26-28页 |
4.2.2 数据预处理 | 第28-29页 |
4.2.3 基于随机森林算法的特征衍生 | 第29-30页 |
4.2.4 基于极限学习机算法的性别识别 | 第30页 |
4.2.5 实验结果及分析 | 第30-32页 |
4.3 客户端用户年龄段分析 | 第32-38页 |
4.3.1 模型数据准备 | 第32-33页 |
4.3.2 数据预处理 | 第33页 |
4.3.3 用户聚类建模 | 第33-34页 |
4.3.4 实验结果及分析 | 第34-38页 |
4.4 客户端用户时间偏好分析 | 第38-44页 |
4.4.1 模型数据准备 | 第38-39页 |
4.4.2 特征权重的确定 | 第39-41页 |
4.4.3 偏好时间的确定 | 第41页 |
4.4.4 实验结果及分析 | 第41-44页 |
4.5 客户端用户潜在会员识别 | 第44-49页 |
4.5.1 模型数据准备 | 第45页 |
4.5.2 特征选择 | 第45页 |
4.5.3 潜在会员识别建模 | 第45-47页 |
4.5.4 实验结果及分析 | 第47-49页 |
4.6 客户端用户价值分析 | 第49-54页 |
4.6.1 模型数据准备 | 第49-50页 |
4.6.2 RFM模型权重确定 | 第50页 |
4.6.3 计算动漫用户的RFM价值度 | 第50-52页 |
4.6.4 动漫用户价值细分 | 第52页 |
4.6.5 实验结果及分析 | 第52-54页 |
4.7 本章小结 | 第54-55页 |
第五章 基于动漫大数据的营销策略管理平台的实现 | 第55-71页 |
5.1 整体架构 | 第55-58页 |
5.2 用户画像层 | 第58-60页 |
5.3 接口适配层 | 第60-61页 |
5.4 策略管理子系统 | 第61-66页 |
5.4.1 资源管理功能 | 第62-64页 |
5.4.2 策略管理功能 | 第64-66页 |
5.5 策略解析子系统 | 第66-68页 |
5.5.1 定时解析功能 | 第66-67页 |
5.5.2 实时解析功能 | 第67-68页 |
5.6 策略推送子系统 | 第68-69页 |
5.7 功能测试 | 第69-70页 |
5.7.1 目标用户群体创建 | 第69页 |
5.7.2 营销策略配置 | 第69-70页 |
5.7.3 策略解析和推送 | 第70页 |
5.8 本章小结 | 第70-71页 |
第六章 总结与展望 | 第71-74页 |
6.1 总结 | 第71页 |
6.2 未来工作 | 第71-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-80页 |
攻读硕士学位期间已发表的论文 | 第80页 |