基于系统聚类的蘑菇街电商平台客户偏好研究
中文摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-18页 |
1.1 研究背景、目的及意义 | 第8-10页 |
1.1.1 研究背景 | 第8页 |
1.1.2 研究目的 | 第8-9页 |
1.1.3 研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-15页 |
1.2.1 国外研究现状 | 第10-12页 |
1.2.2 国内研究现状 | 第12-15页 |
1.2.3 评述 | 第15页 |
1.3 研究内容框架与研究方法 | 第15-17页 |
1.3.1 研究内容框架 | 第15-16页 |
1.3.2 研究方法 | 第16-17页 |
1.4 预期创新点 | 第17-18页 |
第二章 相关理论概述 | 第18-28页 |
2.1 第三方B2B电子商务平台概述 | 第18-19页 |
2.1.1 第三方B2B电子商务平台的定义 | 第18页 |
2.1.2 第三方B2B电子商务平台的优势 | 第18页 |
2.1.3 蘑菇街电商平台简介 | 第18-19页 |
2.2 客户偏好理论概述 | 第19-23页 |
2.2.1 客户偏好的内涵 | 第19页 |
2.2.2 客户偏好分类 | 第19-20页 |
2.2.3 客户偏好的特点 | 第20-21页 |
2.2.4 客户偏好的获取 | 第21-22页 |
2.2.5 第三方电商平台客户偏好的内涵 | 第22-23页 |
2.3 系统聚类算法概述 | 第23-26页 |
2.3.1 系统聚类算法的概念及原理 | 第23页 |
2.3.2 k-means聚类法概述 | 第23-26页 |
2.3.3 K-means算法的特点 | 第26页 |
本章小结 | 第26-28页 |
第三章 改进的AP+K-means算法研究 | 第28-37页 |
3.1 K-means算法的不足 | 第28-29页 |
3.2 K-means算法改进方法 | 第29-30页 |
3.3 AP算法 | 第30-32页 |
3.3.1 AP算法概述 | 第30页 |
3.3.2 AP算法的改进 | 第30-32页 |
3.4 改进AP+K-means混合算法研究 | 第32-35页 |
3.4.1 AP算法和K-means算法的比较 | 第32-33页 |
3.4.2 AP+K-means算法 | 第33-35页 |
3.5 基于蘑菇街数据的改进与传统算法比较分析 | 第35-36页 |
本章小结 | 第36-37页 |
第四章 蘑菇街客户偏好分析模型的设计 | 第37-44页 |
4.1 蘑菇街客户的特点 | 第37-38页 |
4.1.1 蘑菇街客户的特殊性 | 第37页 |
4.1.2 本文对蘑菇街客户类型的划分 | 第37-38页 |
4.2 蘑菇街客户偏好模型的目的 | 第38页 |
4.3 数据预处理模块设计 | 第38-40页 |
4.3.1 数据清洗 | 第39页 |
4.3.2 数据转换和数据集成 | 第39-40页 |
4.4 模型设计 | 第40-41页 |
4.5 模型内部模块设计 | 第41-43页 |
本章小结 | 第43-44页 |
第五章 实例研究 | 第44-51页 |
5.1 数据采集 | 第44-47页 |
5.2 数据预处理 | 第47-48页 |
5.2.1 数据清洗 | 第47页 |
5.2.2 数据转换和数据集成 | 第47-48页 |
5.3 数据分析 | 第48-49页 |
5.4 结果分析 | 第49-50页 |
本章小结 | 第50-51页 |
第六章 基于客户偏好分析的蘑菇街发展建议 | 第51-58页 |
6.1 丰富信息化业务类型 | 第51-53页 |
6.1.1 扩展信息化业务类型 | 第51-52页 |
6.1.2 推进信息化企业联盟 | 第52页 |
6.1.3 综合推进构建差异化服务体系 | 第52-53页 |
6.2 加强信息化品牌建设 | 第53-55页 |
6.2.1 从运营角度优化服务质量 | 第53-54页 |
6.2.2 利用信息化工具提高品牌知名度 | 第54页 |
6.2.3 引导互动深化差异化品牌形象 | 第54-55页 |
6.3 制定信息化发展战略 | 第55-57页 |
6.3.1 加大对客户偏好统计分析的重视度 | 第55-56页 |
6.3.2 建立差异化数据平台实现精准推广 | 第56-57页 |
本章小结 | 第57-58页 |
第七章 结论及展望 | 第58-60页 |
7.1 全文总结 | 第58-59页 |
7.2 展望 | 第59-60页 |
参考文献 | 第60-65页 |
致谢 | 第65-66页 |
攻读学位期间研究成果 | 第66页 |