| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 本文研究的意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 国外研究现状 | 第9-10页 |
| 1.3.2 国内研究现状 | 第10-12页 |
| 1.3.3 文献综述 | 第12页 |
| 1.4 论文的框架和主要内容 | 第12-14页 |
| 1.5 主要研究方法 | 第14页 |
| 1.6 本文研究的创新点 | 第14-15页 |
| 第二章 相关基本理论与方法 | 第15-22页 |
| 2.1 关联分析基本原理 | 第15-18页 |
| 2.1.1 关联规则 | 第15页 |
| 2.1.2 支持度 | 第15-16页 |
| 2.1.3 置信度 | 第16页 |
| 2.1.4 提升度 | 第16页 |
| 2.1.5 关联分析核心算法 | 第16-18页 |
| 2.2 随机森林的基本原理 | 第18-22页 |
| 2.2.1 随机森林的定义 | 第18页 |
| 2.2.2 随机森林的基本思想 | 第18-19页 |
| 2.2.3 随机森林的估计过程 | 第19-20页 |
| 2.2.4 随机森林重要参数确定 | 第20-21页 |
| 2.2.5 随机森林的优点 | 第21-22页 |
| 第三章 订单基本特征分析 | 第22-34页 |
| 3.1 数据来源及相关说明 | 第22-23页 |
| 3.2 产品分类特征分析 | 第23-26页 |
| 3.2.1 各类商品销售情况分析 | 第23-24页 |
| 3.2.2 各类商品不同平台销售情况 | 第24-26页 |
| 3.3 订单时间特征分析 | 第26-28页 |
| 3.3.1 各时间段销售情况分析 | 第26-27页 |
| 3.3.2 订单数量周变化趋势分析 | 第27-28页 |
| 3.4 订单地域特征分析 | 第28-33页 |
| 3.4.1 销售额地域分析 | 第29-31页 |
| 3.4.2 订单单价地域分析 | 第31-33页 |
| 3.5 订单渠道来源特征分析 | 第33-34页 |
| 第四章 A商城订单关联分析 | 第34-45页 |
| 4.1 情境关联分析 | 第34-39页 |
| 4.1.1 指标确定 | 第34页 |
| 4.1.2 情境关联分析的过程 | 第34-37页 |
| 4.1.3 情境关联结果分析 | 第37-39页 |
| 4.2 商品关联分析 | 第39-42页 |
| 4.2.1 商品关联分析过程 | 第39-41页 |
| 4.2.2 结果分析 | 第41-42页 |
| 4.3 订单流失关联分析 | 第42-44页 |
| 4.3.1 订单流失关联分析过程 | 第42页 |
| 4.3.2 结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 4.4.1 情境关联分析结论 | 第44页 |
| 4.4.2 商品关联分析结论 | 第44页 |
| 4.4.3 订单流失关联分析结论 | 第44-45页 |
| 第五章 A商城运营相关建议 | 第45-54页 |
| 5.1 对情境关联结果的建议——开发、使用个性化推荐系统 | 第45页 |
| 5.2 对商品关联结果的建议——开发、使用智能推送系统 | 第45-46页 |
| 5.3 对订单流失关联结果的建议——建立、使用订单流失预测模型 | 第46-54页 |
| 5.3.1 初步建立模型 | 第47-48页 |
| 5.3.2 模型改进 | 第48-50页 |
| 5.3.3 模型的评价 | 第50-52页 |
| 5.3.4 模型的应用 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 研究总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-61页 |
| 个人简历 | 第61-62页 |
| 致谢 | 第62页 |
