O2O社区营销中客户细分与社区发现算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1. 绪论 | 第12-18页 |
| 1.1. O2O的发展历程 | 第12-13页 |
| 1.2. O2O社区 | 第13-14页 |
| 1.3. 在线交易和客户细分 | 第14-16页 |
| 1.4. 本文的主要内容和组织结构 | 第16-18页 |
| 2. 相关研究工作 | 第18-25页 |
| 2.1. 客户细分 | 第18-19页 |
| 2.2. 基于RFM模型的客户价值 | 第19-20页 |
| 2.3. O2O社区影响因素 | 第20-22页 |
| 2.4. 主题模型 | 第22-25页 |
| 3. 基于物流地址的客户细分算法 | 第25-37页 |
| 3.1. 客户细分算法框架 | 第25-26页 |
| 3.2. 数据预处理 | 第26-28页 |
| 3.2.1. 房产数据预处理 | 第27页 |
| 3.2.2. 交易数据预处理 | 第27-28页 |
| 3.3. 基于物流地址的客户细分 | 第28-34页 |
| 3.3.1. 缺失地址匹配算法 | 第28-30页 |
| 3.3.2. 客户价值预测 | 第30-31页 |
| 3.3.3. 住房质量与收入关系验证 | 第31-34页 |
| 3.4. 基于RFM模型的客户价值 | 第34-35页 |
| 3.5. 算法评估 | 第35-37页 |
| 4. 社区发现算法 | 第37-45页 |
| 4.1. 背景及相关定义 | 第37-38页 |
| 4.2. 影响O2O社区的因素 | 第38-42页 |
| 4.2.1. 地理要素 | 第38-39页 |
| 4.2.2. 临域活跃度 | 第39-41页 |
| 4.2.3. 商区要素 | 第41-42页 |
| 4.3. 基于主题模型的社区发现 | 第42-45页 |
| 5. 基于物流地址的客户细分实验 | 第45-53页 |
| 5.1. 数据描述 | 第45-47页 |
| 5.1.1. 交易数据 | 第45-46页 |
| 5.1.2. 房产数据 | 第46-47页 |
| 5.2. 房产数据预处理 | 第47-48页 |
| 5.3. 楼盘聚类分析 | 第48-50页 |
| 5.4. 客户价值计算结果 | 第50-51页 |
| 5.5. 数据验证 | 第51-53页 |
| 6. 社区发现实验 | 第53-62页 |
| 6.1. 数据描述 | 第53-55页 |
| 6.2. 要素计算 | 第55-60页 |
| 6.2.1. 地理要素计算 | 第55-57页 |
| 6.2.2. 临域活跃度计算 | 第57-58页 |
| 6.2.3. 商区要素计算 | 第58-60页 |
| 6.3. 主题模型与社区发现 | 第60-62页 |
| 7. 总结与展望 | 第62-64页 |
| 7.1. 本文总结 | 第62-63页 |
| 7.2. 进一步工作 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 作者简历及在学期间所取得的科研成果 | 第70页 |
