论文部分内容阅读
随着科技的发展和数字生活空间的普及,特别是Internet的迅速发展,数据已经渗透至各个行业,而且正在飞速的增长。大数据、云计算等新兴概念的出现,正在引领着新一轮的互联网风潮。在市场营销领域,“大数据”正在改变着现代企业的经营理念和营销模式,借助于多平台的大数据采集,并利用大数据技术的分析和预测能力,企业可以使营销达到更加的精准有效,从而获得更高的投资回报率。企业如何利用已有的信息资源,构建具有决策支持功能的系统体系结构,并利用大数据技术实现现代营销模式,为客户提供个性化、人性化的服务,已成为业界研究的重点。本课题通过对大数据技术的特点以及大数据给营销所带来契机的理论研究,并借助企业营销大数据的优势,运用数据挖掘技术中的关联规则算法分析客户的行为特征和消费习惯,研究设计出一种基于数据挖掘的电子商务推荐系统。具体工作内容包括:(1)探讨了大数据精准营销的相关概念和数据挖掘的一般过程。分析了数据挖掘技术在电子商务推荐系统中的应用价值。(2)在现有电子商务系统中,存在着丰富而复杂的客户数据和营销数据,通过分析数据之间的联系,确立了ER模型,并在此基础上,设计了数据仓库模型。(3)综合考虑电子商务领域的特点和各种电子商务推荐技术,选择关联规则算法进行数据挖掘,提出了基于关联规则的在线推荐方法。(4)通过对主要关联规则算法进行分析,使用Microsoft SQL Server 2012工具多维模式中的Analysis Services设计且实现了数据挖掘软件模块,并通过实验分析探索了该算法在电子商务系统中的应用,证明该算法在电子商务推荐中具有一定的实际价值。本课题对数据挖掘在电子商务推荐系统中的应用进行了一些探索,为电子商务推荐提供了一种新的解决思路,为企业在电子商务领域实现精准营销提供了一定的依据,在营销产品、营销手段、营销渠道、营销观念等方面有助于提升企业的核心竞争力。