發(fā)布時(shí)間：2020-08-03 13:19

【摘要】：企業(yè)擁有超過800多萬的零售戶,每個(gè)零售戶如果只銷售一種規(guī)格的產(chǎn)品就會(huì)產(chǎn)生大量的數(shù)據(jù),那么所有零售戶銷售多種規(guī)格的產(chǎn)品所共同產(chǎn)生的數(shù)據(jù)量是非常龐大的,目前已經(jīng)達(dá)到了TB級別。因此本文使用Hadoop作為大數(shù)據(jù)處理與分析的平臺(tái),提高數(shù)據(jù)存儲(chǔ)能力和處理的效率。對企業(yè)而言,掌握了零售戶動(dòng)態(tài)便可以很好的了解市場動(dòng)態(tài),對客戶分類處理可以使企業(yè)針對性的投入資源,避免不必要的浪費(fèi)。但是現(xiàn)有的客戶分類方法存在著很大的弊端。首先,現(xiàn)有的客戶分類方法處理海量數(shù)據(jù)的分類效果很不理想,而且數(shù)據(jù)執(zhí)行效率很低。其次,現(xiàn)有的客戶分類算法具有很強(qiáng)的主觀性,分類標(biāo)準(zhǔn)較為單一。本文從企業(yè)需求出發(fā),以全國800多萬的零售戶數(shù)據(jù)來研究零售戶的綜合價(jià)值,創(chuàng)建客觀、科學(xué)的客戶價(jià)值分析模型,提高企業(yè)對客戶關(guān)系管理的效率。主要研究內(nèi)容如下:1)通過市場走訪、終端采集、系統(tǒng)錄入等多種途徑進(jìn)行數(shù)據(jù)采集,對采集后的海量數(shù)據(jù)進(jìn)行質(zhì)量分析,采取清洗、加工和規(guī)范化等步驟對數(shù)據(jù)進(jìn)行處理,運(yùn)用HDFS的特性構(gòu)建一個(gè)分布式的數(shù)據(jù)存儲(chǔ)模型,使用Hive數(shù)據(jù)倉庫對數(shù)據(jù)進(jìn)行加工處理,降維和簡化數(shù)據(jù)。2)本文在分析客戶價(jià)值的概念以及比較傳統(tǒng)的客戶分類算法的基礎(chǔ)上,從企業(yè)需求出發(fā),提出一套科學(xué)的客戶價(jià)值細(xì)分模型:選取合適的價(jià)值指標(biāo)并考慮到不同指標(biāo)在客戶價(jià)值中的影響程度,分析計(jì)算各指標(biāo)的權(quán)重,給出評分細(xì)則,建立一套客戶價(jià)值評分體系。以評分體系為基礎(chǔ),構(gòu)建客戶價(jià)值模型:(1)價(jià)值分類模型,指導(dǎo)企業(yè)對不同價(jià)值的客戶展開差異化營銷策略,實(shí)現(xiàn)精準(zhǔn)的客戶定位和客戶關(guān)系維護(hù);(2)忠誠度預(yù)警模型,計(jì)算零售戶的忠誠度,指導(dǎo)企業(yè)分析零售戶的忠誠度變化,預(yù)防客戶流失。3)使用FCM模糊聚類算法對客戶價(jià)值進(jìn)行分類處理,但是因?yàn)镕CM模糊聚類算法存在容易陷入局部最優(yōu)和對初始聚類中心敏感的缺點(diǎn),對此分別使用全局尋優(yōu)能力較強(qiáng)的灰狼優(yōu)化算法(GWO)和粒子群優(yōu)化算法(PSO)對其進(jìn)行改進(jìn),通過實(shí)驗(yàn)對比來選取聚類效果最好的一種改進(jìn)算法,作為最終的客戶價(jià)值聚類算法。4)企業(yè)的數(shù)據(jù)規(guī)模非常龐大,所以使用Map Reduce并行計(jì)算框架,對改進(jìn)后的FCN模糊聚類算法進(jìn)行并行化處理,提高算法處理海量數(shù)據(jù)的執(zhí)行效率。5)將本文提出的客戶價(jià)值模型投入實(shí)際應(yīng)用,搭建企業(yè)的基于大數(shù)據(jù)平臺(tái)的客戶價(jià)值模型分析應(yīng)用系統(tǒng),為企業(yè)提供可視化的管理平臺(tái)。
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王海云 ,張世美;印刷企業(yè)客戶分類與管理[J];中國出版;2005年07期

2 劉希宋;李文慶;喻登科;;基于市場營銷離群數(shù)據(jù)挖掘的客戶分類模型[J];情報(bào)雜志;2009年12期

3 張永禮;;基于客戶生命周期價(jià)值的客戶分類與數(shù)據(jù)挖掘[J];網(wǎng)絡(luò)與信息;2008年06期

4 謝天宇;曹奇英;;基于Hadoop集群的分布式入侵檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2012年09期

5 朱慧云;陳森發(fā);曹杰;張麗杰;;基于最佳分裂點(diǎn)的客戶分類變化挖掘方法[J];信息與控制;2012年06期

6 逄利華;張錦春;;基于Hadoop的分布式數(shù)據(jù)庫系統(tǒng)[J];辦公自動(dòng)化;2014年05期

7 黃源,張福炎;數(shù)據(jù)挖掘及其技術(shù)實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用與軟件;2001年12期

8 香麗蕓;淺談數(shù)據(jù)挖掘及其應(yīng)用[J];昌吉師專學(xué)報(bào);2001年02期

9 鄭雪燕,張杰明,岳洋;數(shù)據(jù)挖掘語言[J];計(jì)算機(jī)時(shí)代;2001年11期

10 劉明晶;數(shù)據(jù)挖掘[J];華南金融電腦;2001年04期

相關(guān)會(huì)議論文 前10條

1 劉希宋;喻登科;;基于市場營銷離群數(shù)據(jù)挖掘的客戶分類模型[A];中國高等院校市場學(xué)研究會(huì)2009年年會(huì)論文集[C];2009年

2 吳亞軍;潘楊;;“中華”卷煙經(jīng)銷客戶分類模型研究[A];上海市煙草系統(tǒng)2010年度優(yōu)秀學(xué)術(shù)論文集(經(jīng)管類)[C];2011年

3 蒙崢坪;;引入“135”工作法 提升專賣客戶分類管理水平[A];廣西煙草學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文集[C];2013年

4 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2000年

5 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

6 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計(jì)算機(jī)模擬與信息技術(shù)學(xué)術(shù)會(huì)議論文集[C];2011年

7 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

8 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報(bào)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2004年

9 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

10 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 湖南省臨湘市煙草專賣局（分公司） 陳立新;以客戶價(jià)值為核心建立客戶分類體系[N];東方煙草報(bào);2012年

2 葉海濤 中信期貨;經(jīng)濟(jì)新常態(tài)下的客戶分類服務(wù)[N];期貨日報(bào);2014年

3 王志軍;國家局高度評價(jià)揚(yáng)州市局客戶分類與貨源供應(yīng)工作[N];江蘇經(jīng)濟(jì)報(bào);2007年

4 郭衛(wèi);鎮(zhèn)江煙草進(jìn)一步規(guī)范零售客戶分類[N];江蘇經(jīng)濟(jì)報(bào);2008年

5 本報(bào)記者 郭濤;機(jī)器大數(shù)據(jù)也離不開Hadoop[N];中國計(jì)算機(jī)報(bào);2013年

6 本報(bào)記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報(bào);2002年

7 周蓉蓉;數(shù)據(jù)挖掘需要點(diǎn)想像力[N];計(jì)算機(jī)世界;2004年

8 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

9 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險(xiǎn)業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

10 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

相關(guān)博士學(xué)位論文 前10條

1 宋亞奇;云平臺(tái)下電力設(shè)備監(jiān)測大數(shù)據(jù)存儲(chǔ)優(yōu)化與并行處理技術(shù)研究[D];華北電力大學(xué)(北京);2016年

2 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

3 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

4 彭計(jì)紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

5 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

6 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評估與應(yīng)用[D];電子科技大學(xué);2015年

7 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2010年

8 何偉全;云南高校學(xué)生意外傷害因素關(guān)聯(lián)規(guī)則挖掘及風(fēng)險(xiǎn)管控體系研究[D];昆明理工大學(xué);2015年

9 段功豪;基于多結(jié)構(gòu)數(shù)據(jù)挖掘的滑坡災(zāi)害預(yù)測模型研究[D];中國地質(zhì)大學(xué);2016年

10 白曉明;基于數(shù)據(jù)挖掘的復(fù)合材料宏—細(xì)觀力學(xué)模型研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 周旭;基于海量數(shù)據(jù)的客戶價(jià)值模型設(shè)計(jì)與應(yīng)用[D];浙江理工大學(xué);2018年

2 沈星光;基于Hadoop的數(shù)據(jù)挖掘分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2016年

3 孫靖;基于Hadoop平臺(tái)的氣象數(shù)據(jù)挖掘研究[D];北京郵電大學(xué);2016年

4 祖曉暉;基于數(shù)據(jù)挖掘的智慧健康服務(wù)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D];南京郵電大學(xué);2017年

5 李保義;基于聚類分析方法的客戶分類研究[D];北京理工大學(xué);2015年

6 翁業(yè)飛;基于客戶價(jià)值分析的N公司客戶分類管理研究[D];蘇州大學(xué);2016年

7 段曉順;證券公司客戶關(guān)系管理系統(tǒng)的研究與分析[D];云南大學(xué);2016年

8 余旋;杭州招商銀行信用卡客戶分類[D];重慶大學(xué);2016年

9 張軍堯;基于Web數(shù)據(jù)的港口客戶分類及商務(wù)決策系統(tǒng)研究[D];北京交通大學(xué);2017年

10 李藝明;基于模糊聚類的客戶分類方法研究[D];廣東工業(yè)大學(xué);2006年

本文編號(hào)：2779689