移动APP日活跃用户量预测研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-23页 |
| 第一节 选题背景及研究意义 | 第9-11页 |
| 一、选题背景 | 第9-10页 |
| 二、研究意义 | 第10-11页 |
| 第二节 国内外研究综述 | 第11-19页 |
| 一、星期效应时间序列研究 | 第11-14页 |
| 二、节假日效应预测研究 | 第14-18页 |
| 三、相关研究评述 | 第18-19页 |
| 第三节 研究思路与研究内容 | 第19-22页 |
| 一、研究思路 | 第19-20页 |
| 二、研究内容 | 第20-21页 |
| 三、研究框架 | 第21-22页 |
| 第四节 可能的创新点 | 第22-23页 |
| 第二章 相关概念界定及理论概述 | 第23-34页 |
| 第一节 基于用户累计留存的市场投放影响理论 | 第23-26页 |
| 一、市场推广概念 | 第23页 |
| 二、留存用户概念 | 第23-24页 |
| 三、累计留存理论 | 第24-26页 |
| 第二节 时间序列模型理论概述 | 第26-27页 |
| 一、自回归移动平均模型理论 | 第26-27页 |
| 二、乘积季节模型理论 | 第27页 |
| 第三节 时间序列移动假日调整方法 | 第27-28页 |
| 一、季节调整理论 | 第27-28页 |
| 二、移动假日指标影响理论 | 第28页 |
| 第四节 神经网络理论概述 | 第28-31页 |
| 一、神经网络概念及原理 | 第28-30页 |
| 二、Rprop算法原理 | 第30-31页 |
| 第五节 支持向量回归算法理论概述 | 第31-34页 |
| 一、线性支持向量回归算法 | 第31-32页 |
| 二、非线性支持向量回归算法 | 第32-34页 |
| 第三章 非节假日移动APP日活跃用户量预测研究 | 第34-48页 |
| 第一节 移动APP日活跃用户量数据预处理 | 第34-39页 |
| 一、数据集来源及概述 | 第34页 |
| 二、异常值的识别与处理 | 第34-37页 |
| 三、市场投放影响的定量研究 | 第37-39页 |
| 第二节 移动APP日活跃老用户量预测 | 第39-46页 |
| 一、移动APP日活跃老用户量描述分析 | 第39-40页 |
| 二、时间序列模型评估和参数调整 | 第40-42页 |
| 三、乘积季节模型的建模结果 | 第42-43页 |
| 四、乘积季节模型的诊断及预测效果分析 | 第43-46页 |
| 第三节 移动APP日活跃用户量还原结果 | 第46-48页 |
| 一、市场投放影响还原结果 | 第46页 |
| 二、乘积季节模型在节假日预测上的不足分析 | 第46-48页 |
| 第四章 节假日移动APP日活跃用户量预测研究 | 第48-65页 |
| 第一节 影响因素选取及预处理 | 第48-50页 |
| 一、影响因素选取 | 第49-50页 |
| 二、影响因素预处理 | 第50页 |
| 第二节 神经网络模型参数寻优 | 第50-54页 |
| 一、网络结构 | 第51-52页 |
| 二、参数优化 | 第52-54页 |
| 三、模型外推效果 | 第54页 |
| 第三节 支持向量回归模型参数寻优 | 第54-57页 |
| 一、核函数及参数优化 | 第54-56页 |
| 二、GridSearch 算法寻优结果 | 第56-57页 |
| 三、模型外推效果 | 第57页 |
| 第四节 移动APP日活跃老用户量预测 | 第57-62页 |
| 一、短节假日组合预测及调整结果 | 第58-60页 |
| 二、长节假日组合预测及调整结果 | 第60-62页 |
| 第五节 移动APP日活跃用户量还原结果 | 第62-65页 |
| 一、市场投放影响还原结果 | 第62-64页 |
| 二、组合模型预测效果评价 | 第64-65页 |
| 第五章 研究结论与启示 | 第65-69页 |
| 第一节 研究结论 | 第65-66页 |
| 第二节 研究启示 | 第66-69页 |
| 一、实际研究启示 | 第66-67页 |
| 二、理论研究启示 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
