面向大规模零售业数据的客户分析方法及系统研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 客户细分一般方法 | 第11-14页 |
| 1.2.2 聚类分析方法概述 | 第14页 |
| 1.2.3 常见聚类分析方法及流程 | 第14-17页 |
| 1.3 交易数据聚类分析面临的挑战 | 第17-18页 |
| 1.4 论文工作安排 | 第18-20页 |
| 第2章 基于客户购买树的聚类分析方法 | 第20-36页 |
| 2.1 构建客户细分模型 | 第20-21页 |
| 2.2 客户交易数据特征 | 第21页 |
| 2.3 客户交易数据表示方式 | 第21-23页 |
| 2.3.1 产品树概念 | 第22页 |
| 2.3.2 购买树概念 | 第22-23页 |
| 2.4 客户相似度定义及计算 | 第23-25页 |
| 2.4.1 购买树节点之间的Jaccard距离 | 第24页 |
| 2.4.2 购买树各层之间的层次距离 | 第24页 |
| 2.4.3 客户相似度计算方法 | 第24-25页 |
| 2.5 CoverTree基本原理及操作 | 第25-27页 |
| 2.5.1 索引构建原理 | 第25-26页 |
| 2.5.2 基本操作 | 第26-27页 |
| 2.6 基于密度的客户聚类方法实现 | 第27-30页 |
| 2.6.1 将购买树构建为CoverTree | 第27-28页 |
| 2.6.2 密度估计 | 第28-29页 |
| 2.6.3 算法执行流程 | 第29-30页 |
| 2.7 实验结果分析 | 第30-35页 |
| 2.7.1 参数γ对购买树距离的影响分析 | 第30-31页 |
| 2.7.2 与其它距离比较 | 第31-32页 |
| 2.7.3 算法聚类效果对比 | 第32-34页 |
| 2.7.4 算法时间性能对比 | 第34-35页 |
| 2.8 本章小结 | 第35-36页 |
| 第3章 可视化交互式客户分析系统设计 | 第36-45页 |
| 3.1 系统需求分析 | 第36-38页 |
| 3.1.1 传统数据分析流程 | 第36-37页 |
| 3.1.2 系统需求分析 | 第37页 |
| 3.1.3 系统设计目标 | 第37-38页 |
| 3.2 系统架构设计 | 第38-40页 |
| 3.3 数据预处理模块 | 第40-41页 |
| 3.3.1 数据收集 | 第40页 |
| 3.3.2 重要字段属性说明 | 第40页 |
| 3.3.3 数据储存 | 第40-41页 |
| 3.4 数据分析模块 | 第41-43页 |
| 3.4.1 数据分析流程设计 | 第41页 |
| 3.4.2 数据分析结果输出 | 第41-43页 |
| 3.5 数据可视化模块 | 第43-44页 |
| 3.5.1 可视化请求-响应流程 | 第43-44页 |
| 3.5.2 界面设计 | 第44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 系统实现结果分析 | 第45-51页 |
| 4.1 原始数据预处理结果 | 第45-46页 |
| 4.2 原始客户关系可视化结果 | 第46-48页 |
| 4.3 系统分析结果 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51-52页 |
| 5.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
