论文基于数据挖掘理论网购顾客关联产品购买意向分析是关于对不知道怎么写数据挖掘论文范文课题研究的大学硕士、相关本科毕业论文数据挖掘前景论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
随着互联网的全国性普及,物流业的蓬勃发展,网络购物以其更加低廉的价格、更多的商品选择等优势渐渐代替了实体购物.作为网络店铺主体,揣测消费者对关联产品的购买意向,在很大程度上能帮助网络商家进行更好的网络营销.本文基于大数据背景,充分结合数据挖掘理论中的相关技术,利用对以往顾客进行网络购物时的关联产品购买数据,进行数据信息挖掘,拟判断顾客的相关产品购买意向.本文仅仅以示例的形式从数据挖掘角度进行顾客购买意向的预判,并未进行大量实体验证,因此,文章所列内容只作为供参考的理论基础.
数据挖掘/关联产品/购买意向
一、前言
随着信息技术的普及、互联网的迅速发展、网络覆盖度的大幅提升,中国已经进入了网络时代.同时,中国实体营销也向网络营销迈出了长远的一步,网上宣传、网上策划以及网上促销等等一些列商家活动,都获得了很大的成功.网络支付方便快捷,网上产品丰富多彩,网上价格更加优惠,这些因素也成功吸引了购物者的眼球,使更多的人参与到网购行列中来.网上店铺的风靡与大批量现存及潜在的网购顾客成功开辟了市场营销的第二条路径,并且发展迅猛.
但是,网络商家间的竞争却也日益激烈,除了以更好的品质、低廉的价格、优质的服务来赢得更多的忠诚顾客外,还应对顾客的购买意向进行较为深入的感知与挖掘.在本文中,核心针对网络商品的关联产品网购意向进行举例式数学模拟分析（即以手机配件、屏幕保护膜及耳机等作为手机的关联商品,进行分析）,并由此对一般性网络商品的关联产品的营销提出相关策略.
二、相关理论基础
(一)数据挖掘
数据挖掘（Data mining）是数据库知识发现中的一个步骤,是一个逐渐演变的过程,通过这个过程,可以把商业经验以及生活中的知识与海量数据进行对应结合,使得人们将抽象复杂的问题通用简单数字信息表现出来.利用数据挖掘技术,可以使人们更准确的认识问题,更深入的发现市场机遇,也可以做出更明智的决策.
商业活动中的数据挖掘可以这样理解：数据挖掘作为一种商业信息的处理方法,通过数据挖掘中诸多方法中的可适用方法,来进行商业信息数据的深层次剖析,从而进行抽取、转换、分析以及运用其他一些模型化处理方法,目的是获取能辅助进行商业决策的重要关键数据和关键的依托关系等重要隐含信息.
(二)关联规则
数据挖掘中的关联规则,也通常可以称作关联模式,它是单向的,是指某类项目或特征与另一类项目或特征间所存在的单向影响关系[1].关联规则挖掘技术用于发现数据库中的属性之间的隐含联系,这和传统的生产方式规则不同,关联规则可以有一个或多个输出属性,同时,一个规则的输出属性可以同时是另一个规则的输入属性[2].由关联分析方法的性质可以看出,该方法非常适合类似于购物篮类问题的分析解决.
以关联的角度来进行分析,能挖掘大量数据信息中隐藏起来的联系,这种被挖掘出来的联系就可以用关联规则来表示.即通过对以往数据信息进行汇总,将其作为数据挖掘的数据仓库,并利用数据挖掘类软件进行操作,便可得出相应的关联规则,再将挖掘出来的关联规则经过解释和评估,验证其可靠性,最后得出结果并应用.
三、关联产品的数据挖掘处理流程
鉴于网络市场的独有性质,对于客户的访问、消费、回馈等信息都能够很好的进行统计和存储,因此,网购顾客数据进行挖掘更加方便,应用更加高效.
当网购顾客访问某一个购物网站的时候,网络商家通过相应合理的数据统计工具对顾客的可统计信息进行数据类汇总,形成一个大型的顾客信息数据库.其中,针对本文所研究涉及的领域与内容,进行初步的数据筛选,获得具有针对性的初级数据源,为接下来的数据挖掘做好准备.
由于数据挖掘需要标准的数据来进行操作,因此,还需要对已经进行过初次筛选的数据整理,统一标准后才可以形成能进行数据挖掘操作的数据仓库.然后,对数据仓库运用数据挖掘技术进行深层次挖掘,获得更为重要的信息或关联规则.接下来对这些挖掘结果进行合理的解释评估,得到数据挖掘结果.数据挖掘结果不能直接作为数据挖掘模型终端,在进行结果应用的同时,要进行应用效果反馈,以持续调整数据挖掘算法,争取获得更为优化的数据挖掘算法,使挖掘成效最大化.鉴于以上描述,可以构建一个具体的据挖掘处理模型（如图1）,通过模型中的步骤逐步进行数据分析与处理,最后预判网购顾客对关联产品的购买意向.
图1 关联产品购买意向的数据挖掘处理模型
四、关联产品购买意向的具体应用案例
关联规则作为本文中的一项重要规则,与传统的分类规则不同,关联规则中的各个属性可以重复出现在下一轮规则联系中.因此,在网购顾客购买任意产品或产品组合时,可以利用这一规则推断其关联产品的购买可能性和意愿强度.
经调研某专卖移动设备的网络商家发现,其产品主要可以分为手机和手机配件系列两大模块.其中,手机可以分为高端手机和普通手机,手机配件系列在本文中仅以手机护具和耳机作为主要案例资料.手机护具主要分为手机膜和手机防护外壳.以该商家的某月购物顾客访问后具体购买数据为例,获得其初步筛选后的数据表如下：
购买产品成交次数购买产品成交次数
高端手机150高端手机、手机膜、
手机防护外壳150
普通手机200普通手机、手机膜、
手机防护外壳50
手机膜300高端手机、耳机280
手机防护外壳80普通手机、耳机200
耳机120高端手机、手机膜、
耳机100
高端手机、手机膜250普通手机、手机膜、
耳机60
普通手机、手机膜150高端手机、手机防护外壳、耳机50
总结:本论文可用于数据挖掘论文范文参考下载，数据挖掘相关论文写作参考研究。
参考文献：
1、 基于消费者评论挖掘B2C网购物流服务因素类型其作用机制 摘要：为探究消费者网购物流服务因素类型及其作用机制，以网络购物者在平台上的评价信息为研究对象，利用八爪鱼数据采集工具从天猫商城抓取大量的评论信息。
2、 基于关联规则运动训练生化指标数据挖掘系统设计 摘 要： 传统数据挖掘系统存在挖掘速率慢、时间长、数据可靠度低等问题，无法达到运动训练生化指标精准数据挖掘的标准，为此，对基于关联规则的运动训练。
3、 网购模式下顾客满意度关键影响因素 摘要：在网络信息化发展的今天，网络用户迅速增长，网络购物凭借其方便快捷、价格优惠等优点引起广大消费者的关注，并逐渐加入到网购的大军，进而导致竞争。
4、 数据挖掘作为交叉学科特点 【摘要】本文主要讲述了数据挖掘的内涵以及作为机器学习，数据仓库，统计学，智能决策等多个学科的交叉学科的特点。【关键词】数据挖掘 机器学习 数据。
5、 数据挖掘在车险欺诈和识别中应用 【摘要】随着我国保险行业的不断发展，针对车险的欺诈问题也日益严峻，使得保险公司每年遭受巨大的损失。为了发现和防止保险中的欺诈，保险公司在不断的寻。
6、 网购配送，当心快递陷阱 现如今，网购已经成为很重要的一种消费方式。可是，人们在享受便捷的网购过程中，常常在商品配送环节有不愉快的经历。例如一些快递公司单方制定了一些不公。