大数据背景下用户画像的统计方法实践研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 用户画像研究现状 | 第10-14页 |
| 1.3.1 用户画像中用户属性研究现状 | 第10页 |
| 1.3.2 用户画像中用户行为分析研究现状 | 第10-12页 |
| 1.3.3 用户画像中用户流失模型研究现状 | 第12-14页 |
| 1.4 本文研究内容及文章结构 | 第14页 |
| 第二章 用户画像的体系结构 | 第14-22页 |
| 2.1 用户画像简介 | 第14-16页 |
| 2.1.1 用户画像的定义 | 第14-16页 |
| 2.1.2 用户画像的微观示例 | 第16页 |
| 2.2 大数据背景下用户画像的体系建立 | 第16-17页 |
| 2.2.1 用户画像中标签体系的大致结构 | 第16-17页 |
| 2.2.2 标签体系的重要性及应用情景 | 第17页 |
| 2.3 标签体系 | 第17-22页 |
| 2.3.1 用户画像标签层级的基本构成 | 第17-19页 |
| 2.3.2 标签体系建立的方法 | 第19页 |
| 2.3.3 用户画像标签层级的建模方法 | 第19-22页 |
| 第三章 用户画像中的用户属性研究 | 第22-32页 |
| 3.1 标签体系的建立 | 第22-23页 |
| 3.2 用户画像的用户属性描述 | 第23-27页 |
| 3.2.1 样本综述 | 第24页 |
| 3.2.2 APP用户属性研究 | 第24-25页 |
| 3.2.3 个人属性与APP偏好的关系 | 第25-27页 |
| 3.3 游戏类APP用户属性分析 | 第27-31页 |
| 3.3.1 使用时长分析 | 第27-29页 |
| 3.3.2 使用时段分析 | 第29-30页 |
| 3.3.3 使用人次分析 | 第30-31页 |
| 3.4 游戏用户特征描述 | 第31-32页 |
| 第四章 用户画像中的用户流失预测研究 | 第32-40页 |
| 4.1 用户流失概述 | 第32页 |
| 4.2 基于SVM的流失预测模型 | 第32-37页 |
| 4.2.1 svm算法简介 | 第33-34页 |
| 4.2.2 流失的定义 | 第34-35页 |
| 4.2.3 svm模型的流失预测 | 第35-36页 |
| 4.2.4 算法评价 | 第36-37页 |
| 4.3 基于COX模型的用户流失预测 | 第37-38页 |
| 4.3.1 cox模型介绍 | 第37页 |
| 4.3.2 cox模型的流失预测 | 第37-38页 |
| 4.3.3 模型评价 | 第38页 |
| 4.4 模型总结与结论 | 第38-39页 |
| 4.5 模型的优化方向 | 第39-40页 |
| 第五章 用户画像中的用户行为分析 | 第40-55页 |
| 5.1 基于手机用户使用行为的聚类 | 第41-48页 |
| 5.1.1 用户行为研究的目的 | 第41页 |
| 5.1.2 数据的选取 | 第41-42页 |
| 5.1.3 数据的预处理 | 第42-43页 |
| 5.1.4 聚类分析 | 第43-48页 |
| 5.2 基于游戏玩家历史记录的聚类 | 第48-54页 |
| 5.2.1 研究目的 | 第48页 |
| 5.2.2 数据的选取 | 第48页 |
| 5.2.3 数据的预处理 | 第48-49页 |
| 5.2.4 RFM指标值的计算 | 第49-50页 |
| 5.2.5 基于玩家历史数据的聚类分析 | 第50-54页 |
| 5.3 模型评价及展望 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 未来研究展望 | 第56-57页 |
| 附录A | 第57-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
