改進蟻群聚類算法在零售客戶分類中的研究與應用
【圖文】:
第6章主要是對本論文的整體內(nèi)容進行了概括和總結(jié),并提出了未來可以進逡逑行優(yōu)化的幾個方面,然后對以后的研究方向做出了展望。逡逑本論文主要研宄內(nèi)容的框架如圖1.2所示。逡逑-8邋-逡逑
夠在發(fā)展新客戶的同時留住老客戶是其能夠持續(xù)發(fā)展的關鍵之一。目前,各個商逡逑場都己經(jīng)實行了會員制,通過會員卡的機制,企業(yè)積累了大量的客戶數(shù)據(jù),包括逡逑個人信息和購買信息等,如圖3.1所示。通過對這些信息進行更氋層次的分析,逡逑就能夠?qū)哂胁煌袨榈目蛻暨M行分類,,針對不同的客戶群提供不同的營銷方案逡逑和服務,發(fā)現(xiàn)并提升客戶價值,最終達到提高企業(yè)利潤的目的。逡逑-27-逡逑
【學位授予單位】:大連海事大學
【學位級別】:碩士
【學位授予年份】:2018
【分類號】:F274;F724.2
【參考文獻】
相關期刊論文 前10條
1 董凌艷;徐紅麗;;基于改進型蟻群算法的AUV路徑規(guī)劃[J];自動化與儀表;2017年03期
2 王東;王理想;范偉;;一種改進的CLIQUE高維子空間聚類算法[J];半導體光電;2016年02期
3 胡志剛;鄭文賓;左中利;;基于ANP及K-means聚類的零售終端分類評價模型及應用[J];現(xiàn)代商業(yè);2015年36期
4 張陽;何麗;朱顥東;;一種改進的K-means動態(tài)聚類算法[J];重慶師范大學學報(自然科學版);2016年01期
5 張欣;高衛(wèi)國;蘇運;;基于函數(shù)型數(shù)據(jù)分析和k-means算法的電力用戶分類(英文)[J];電網(wǎng)技術;2015年11期
6 張立毅;王迎;費騰;周修飛;;混沌擾動模擬退火蟻群算法低碳物流路徑優(yōu)化[J];計算機工程與應用;2017年01期
7 周發(fā)超;王志堅;葉楓;鄧玲玲;;關聯(lián)規(guī)則挖掘算法Apriori的研究改進[J];計算機科學與探索;2015年09期
8 彭英;萬夢婷;肖杉杉;馮國珍;;基于客戶價值的零售企業(yè)客戶分類評價指標體系構(gòu)建[J];中國市場;2014年38期
9 林金灼;葉東毅;;基于蟻群聚類算法的優(yōu)化與改進[J];計算機系統(tǒng)應用;2013年12期
10 張建偉;王玲艷;姚云磊;;一種基于OPTICS聚類的流量分類算法[J];鄭州輕工業(yè)學院學報(自然科學版);2013年02期
相關碩士學位論文 前10條
1 張麗媛;基于蟻群聚類算法的第三方B2B平臺買方客戶偏好研究[D];東南大學;2016年
2 吉陽;數(shù)據(jù)挖掘在銀行客戶關系管理中的應用研究[D];石河子大學;2016年
3 馮棣夫;聚類分析在H銀行客戶分類中的應用[D];華南理工大學;2015年
4 劉嬋;蟻群與K均值聚類算法融合研究及其在用戶分群中的應用[D];西南科技大學;2015年
5 周穎;基于蟻群算法的聚類分析在學生成績中的研究[D];南昌大學;2015年
6 郭艷茹;k-中心平面聚類模型與算法研究[D];浙江工業(yè)大學;2015年
7 楊曉斌;改進的BIRCH算法在電信客戶細分中的應用[D];合肥工業(yè)大學;2015年
8 王磊;蟻群聚類算法在差異工件批調(diào)度問題的應用研究[D];安徽大學;2014年
9 江哲雅;聚類挖掘在電信客戶分類中的研究與應用[D];上海交通大學;2013年
10 鄭方;蟻群文本聚類算法的研究與應用[D];西安電子科技大學;2013年
本文編號:2682915
本文鏈接:http://www.lk138.cn/guanlilunwen/kehuguanxiguanli/2682915.html