發(fā)布時間：2024-07-11 01:20

　　21世紀以來,我國經(jīng)濟社會持續(xù)高速發(fā)展,公路貨運物流行業(yè)迎來了翻天覆地的深刻變化。在“互聯(lián)網(wǎng)+公路貨運”這一大背景下,我國公路貨運物流行業(yè)提出了無車承運人的新模式,后無車承運人更名為“網(wǎng)絡貨運平臺”。與此同時,大數(shù)據(jù)時代下巨大的流量也為企業(yè)的產(chǎn)品和服務帶來了一連串的重塑,平臺若能有效利用這些數(shù)據(jù)資源并加以分析和評估,通過數(shù)據(jù)平臺搭建、數(shù)據(jù)可視化、用戶畫像建模等方式讓靜止的數(shù)據(jù)走出數(shù)據(jù)倉庫,對用戶價值深入挖掘研究,預估或推測用戶潛在的行為偏好,對用戶精準細分,并制定出合理有效的精準營銷方案,將會幫助平臺有效實現(xiàn)降本增利。本文以G網(wǎng)絡貨運平臺貨主用戶為研究對象,深入挖掘平臺當下亟需解決的貨主用戶管理粗放、劃分規(guī)則模糊、激勵作用過低的痛點,創(chuàng)新提出了基于CLV和AHP的RFMD貨主用戶價值模型,修正傳統(tǒng)RFM模型指標R的含義和引進新指標D(發(fā)貨能力),結(jié)合用戶生命周期價值模型CLV,將RFMD模型指標完善為7項,依據(jù)AHP層次分析法建立G網(wǎng)絡貨運平臺貨主用戶價值的指標梯階層次結(jié)構(gòu)模型,再對價值指標進行權(quán)重賦值,得到本研究樣本數(shù)據(jù)集的貨主用戶價值標準值。接著以此標準數(shù)據(jù)集為基礎利用數(shù)據(jù)挖掘的K...

【文章頁數(shù)】：104 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外相關(guān)文獻綜述
        1.2.1 網(wǎng)絡貨運平臺領域文獻綜述
        1.2.2 用戶價值挖掘領域文獻綜述
    1.3 研究方法及研究內(nèi)容
        1.3.1 研究方法及相關(guān)算法
        1.3.2 研究內(nèi)容及結(jié)構(gòu)安排
    1.4 創(chuàng)新點及技術(shù)路線
        1.4.1 創(chuàng)新點
        1.4.2 技術(shù)路線
2 相關(guān)技術(shù)與理論基礎
    2.1 數(shù)據(jù)挖掘相關(guān)技術(shù)理論
        2.1.1 數(shù)據(jù)挖掘概念原理
        2.1.2 數(shù)據(jù)挖掘流程步驟
        2.1.3 數(shù)據(jù)挖掘分析工具
    2.2 網(wǎng)絡貨運平臺相關(guān)理論
        2.2.1 公路網(wǎng)絡貨運平臺發(fā)展現(xiàn)狀
        2.2.2 對網(wǎng)絡貨運平臺的相關(guān)定義
    2.3 用戶相關(guān)理論
        2.3.1 網(wǎng)絡貨運平臺用戶行為
        2.3.2 用戶價值的內(nèi)涵與模型
        2.3.3 用戶畫像的概念與應用
    2.4 本章小結(jié)
3 貨主用戶價值挖掘設計與構(gòu)建思路
    3.1 貨主用戶價值評價模型構(gòu)建
        3.1.1 對傳統(tǒng)RFM模型的改進
        3.1.2 基于CLV時間價值的RFMD模型構(gòu)建
        3.1.3 基于AHP的RFMD模型指標權(quán)重加成
    3.2 貨主用戶價值聚類流程設計
        3.2.1 基于RFMD的用戶價值分群
        3.2.2 基于K-MEANS聚類算法的用戶分群
    3.3 貨主用戶特征選擇流程設計
        3.3.1 用戶特征選擇流程設計
        3.3.2 基于隨機森林算法的用戶特征選擇
    3.4 實驗環(huán)境及評價指標
    3.5 本章小結(jié)
4 G網(wǎng)絡貨運平臺概況及貨主用戶分析
    4.1 G網(wǎng)絡貨運平臺概述
        4.1.1 G網(wǎng)絡貨運平臺企業(yè)基本情況
        4.1.2 G網(wǎng)絡貨運平臺運單交易模式
        4.1.3 模糊粗放的貨主用戶細分模式
    4.2 數(shù)據(jù)準備
        4.2.1 數(shù)據(jù)采集與字段說明
        4.2.2 數(shù)據(jù)預處理
    4.3 貨主用戶基本屬性探索性數(shù)據(jù)分析
    4.4 本章小結(jié)
5 G網(wǎng)絡貨運平臺貨主用戶價值挖掘?qū)嵤?br>    5.1 基于RFMD模型7 項指標價值標準制定
    5.2 基于K-MEANS算法的貨主用戶價值分群
    5.3 基于隨機森林算法的貨主用戶特征選擇
    5.4 貨主用戶群體畫像成型與精準營銷設計
    5.5 本章小結(jié)
6 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 研究展望
參考文獻
附錄A 聚類
附錄B 特征選擇
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：4005026