基于数据挖掘的电商促销活动效应与销量预测研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1. 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 研究内容与方法 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.4 论文主要贡献及创新点 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2. 相关理论知识及文献综述 | 第18-26页 |
| 2.1 电商促销研究综述 | 第18-22页 |
| 2.1.1 促销形式 | 第18-19页 |
| 2.1.2 促销效应评价指标 | 第19-20页 |
| 2.1.3 促销短期效应分析 | 第20-22页 |
| 2.2 数据挖掘及算法研究综述 | 第22-25页 |
| 2.2.1 数据挖掘方法分析 | 第22-23页 |
| 2.2.2 相关算法理论及应用 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3. 电商促销活动效应及决策分析 | 第26-44页 |
| 3.1 活动效应定义及表示 | 第26-28页 |
| 3.1.1 活动销售效应定义及表示 | 第26-27页 |
| 3.1.2 活动客流效应定义及表示 | 第27-28页 |
| 3.2 活动效应分析方法 | 第28-30页 |
| 3.2.1 效应T检验分析 | 第28-29页 |
| 3.2.2 效应时间变化分析 | 第29-30页 |
| 3.3 活动效应数据分析 | 第30-39页 |
| 3.3.1 活动销售效应分析 | 第30-36页 |
| 3.3.2 活动客流效应分析 | 第36-39页 |
| 3.4 活动决策分析 | 第39-43页 |
| 3.4.1 活动利润表示 | 第39-41页 |
| 3.4.2 活动决策建模 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4. 电商促销活动销量预测 | 第44-60页 |
| 4.1 参加活动商品销量影响因素分析 | 第44-48页 |
| 4.1.1 影响因素选取 | 第44-46页 |
| 4.1.2 影响因素量化 | 第46-48页 |
| 4.2 参加活动商品销量模型 | 第48-55页 |
| 4.2.1 模型整体设计 | 第48-49页 |
| 4.2.2 数据预处理 | 第49-50页 |
| 4.2.3 关联度计算 | 第50-52页 |
| 4.2.4 支持向量回归机 | 第52-55页 |
| 4.3 未参加活动商品销量模型 | 第55-58页 |
| 4.3.1 销量分析计算 | 第55-56页 |
| 4.3.2 模型算法设计 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 5. 电商促销活动销量预测与决策实例分析 | 第60-70页 |
| 5.1 数据准备 | 第60-64页 |
| 5.1.1 数据源分析 | 第60页 |
| 5.1.2 数据仓库设计 | 第60-62页 |
| 5.1.3 数据ETL实现 | 第62-64页 |
| 5.2 实例分析 | 第64-69页 |
| 5.2.1 数据整理及预处理 | 第64-65页 |
| 5.2.2 参加活动商品销量分析 | 第65-67页 |
| 5.2.3 未参加活动商品销量分析 | 第67-68页 |
| 5.2.4 活动利润及决策分析 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 6. 结论 | 第70-72页 |
| 6.1 研究结论 | 第70页 |
| 6.2 研究的不足和展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-87页 |
| 攻读学位期间发表的学术论文 | 第87-88页 |
| 致谢 | 第88页 |
