房屋交易类App用户行为分析
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状分析与评述 | 第11-15页 |
| 1.2.1 国外研究现状分析与评述 | 第11-13页 |
| 1.2.2 国内研究现状分析与评述 | 第13-15页 |
| 1.3 本文研究思路与方法 | 第15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 1.5 本文创新点 | 第16-17页 |
| 第二章 相关理论与概念 | 第17-26页 |
| 2.1 房屋交易中的用户行为类型 | 第17-20页 |
| 2.1.1 信息查询行为 | 第17-18页 |
| 2.1.2 信息选择行为 | 第18-19页 |
| 2.1.3 信息交互行为 | 第19-20页 |
| 2.2 用户行为影响因素 | 第20-24页 |
| 2.2.1 移动电子商务的自身发展 | 第20-22页 |
| 2.2.2 用户需求 | 第22-23页 |
| 2.2.3 政策因素 | 第23-24页 |
| 2.3 移动网络用户行为的特点和分类 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 用户行为研究相关技术介绍 | 第26-35页 |
| 3.1 数据统计分析工具 | 第26-28页 |
| 3.2 用户行为分析研究 | 第28-32页 |
| 3.2.1 App数据选择 | 第28页 |
| 3.2.2 用户行为提取 | 第28-29页 |
| 3.2.3 数据挖掘与用户行为分析的关系 | 第29-32页 |
| 3.3 聚类分析研究方法 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 房屋APP用户数据统计分析 | 第35-47页 |
| 4.1 用户区域性的分布统计 | 第35-38页 |
| 4.2 每日具体统计统计数据分析 | 第38-43页 |
| 4.2.0 用户留存率统计 | 第38-39页 |
| 4.2.1 每日用户在线人数统计 | 第39-41页 |
| 4.2.2 自定义事件使用统计 | 第41-43页 |
| 4.3 用户异常网络行为统计 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于K-MEANS算法的用户行为分析 | 第47-55页 |
| 5.1 K-MEANS算法及处理过程 | 第47-48页 |
| 5.2 建立数据挖掘模型 | 第48-49页 |
| 5.2.1 数据源的选择 | 第48页 |
| 5.2.2 建立数据挖掘模型 | 第48-49页 |
| 5.3 聚类结果以及结果分析 | 第49-53页 |
| 5.3.1 聚类结果 | 第49-51页 |
| 5.3.2 结果分类具体分析 | 第51-52页 |
| 5.3.3 分类3具体分析 | 第52-53页 |
| 5.4 移动电子商务相关问题及策略 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
