欧风互联网公司网路营销中数据挖掘技术运用解读.doc

欧风互联网公司网路营销中数据挖掘技术运用解读.doc

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
欧风互联网公司网路营销中数据挖掘技术运用 摘要 随着计算机技术的迅猛发展,人类正在步入信息社会。面对今天浩如烟海的信息,如何帮助人们有效地收集和选择所感兴趣的信息,更关键的是如何帮助用户在日益增多的信息中自动发现新的概念并自动分析它们之间的关系,使之能够真正地做到信息处理的自动化,这已成为信息技术领域的热点问题。数据挖掘就是为满足这种要求而产生并迅速发展起来的,可用于开发信息资源的一种新的数据处理技术。 关键字:互联网,网络营销,数据挖掘 目录 摘要 1 关键字 1 1.绪论 2 1.1研究背景 2 1.2数据挖掘的概念 2 1.3数据挖掘的主要方法 3 1.3.1神经网络方法 3 1.3.2遗传算法 3 1.3.3决策树方法 3 1.3.4粗集方法 3 1.3.5覆盖正例排斥反例方法 3 2.欧风互联网公司网络营销现状 4 2.1欧风互联网公司现有网络营销发展状况 4 2.2 网站建设方面 4 2.3 网络营销管理方面 4 3.欧风互联网公司网络营销中存在的问题 5 3.1缺少对网络营销的策略思考 5 3.2网络营销方法单一 5 3.3网站的建设并未按照营销导向的原则 6 4.基于数据挖掘技术的欧风互联网公司网络营销对策 6 4.1网页策略的实施 6 4.2数据挖掘技术在网络营销中的应用 6 4.3 建立以客户为中心的数据库 7 参考文献 8 致谢 9 1.绪论 1.1研究背景 目前,我们已进入信息化社会的互联网时代,截至 2014 年 12 月,中国网民规模达 6.49 亿,互联网普及率为 47.9%,手机网民规模达 5.57 亿,其中网民通过台式机和 PC 上网比例分别为 70.8%、43.2%;而使用手机上网达到了为 85.8%,平板电脑上网使用率达到 34.8%;电视上网使用率为 15.6% 。随着信息技术的发展,特别是移动互联网技术的发展,信息技术在全球各行各业得到广泛应用,网络购物、电子支付、电子证券迅速普及,O2O、P2P 等新的互联网商业模式不断涌现。在这种情况下,网络营销成为众多企业抢占市场,提高市场竞争力的必然选择。 “如何吸引顾客”是传统营销理论的重点,从面达到短期交易。但自 60 年代末、70 年代初,企业经营的方向是以顾客为主,而不是传统的以商品为主。营销导向也从生产导向,产品导向、销售导向、营销导向,渐渐转到社会营销导向及关系营销。企业通过网络获取、发展及维系客户,创造各种成功关系交易的活动的案例笔笔皆是,并能与客户培养长期互动的合作关系,企业能够有效的利用管理资源达到未来顾客的需求。对证券网站来讲,由于互联网上网站数目众多, 客户在网络世界中可选择的很多,只要鼠标一点就会将视线转移到其它网站中去,因此要如何留住客户,让客户能常期惠顾该证券公司的网站.成为其网站营销者工作中的重中之重,缔结遍步全球各地的客户,并能与自己建立长期共赢的客户关系是我们网络营销的重要战略任务。 1.2数据挖掘的概念 所谓数据挖掘(Data Mining-DM),就是从大量的、不完全的、有噪声的、模糊的、随机的数据库中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这个定义包括以下四个层次的含义:(1)数据源必须是真实的、大量的、含噪声的;(2)发现的是用户感兴趣的知识;(3)发现的知识要可接受、可理解、可运用,最好能用自然语言表达发现结果;(4)并不是要求发现放之四海而皆准的知识,也不是要去发现崭新的自然科学定理和纯数学公式,更不是什么机器定理证明,所有发现的知识都是相对的,是有特定前提和约束条件、面向特定领域的。 1.3数据挖掘的主要方法 1.3.1神经网络方法  神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题,因此近年来越来越受到人们的关注。典型的神经网络模型主要分3大类:以感知机、BP反向传播模型、函数型网络为代表的,用于分类、预测和模式识别的前馈式神经网络模型;以Hopfield的离散模型和连续模型为代表的,分别用于联想记忆和优化计算的反馈式神经网络模型;以ART模型、Koholon模型为代表的,用于聚类的自组织映射方法。 1.3.2遗传算法  遗传算法是一种基于生物自然选择与遗传机理的随机有哪些信誉好的足球投注网站算法,是一种仿生全局优化方法。遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。 1.3.3决策树方法  决策树是一种常用于预测模型的算法,它通过将大量数据有目的分类,从中找到一些有价值的,潜在的信息。它的主要优点是描述简单,分类速度快,特别适合大规模的数据处理。最有影响和最早的决策树方法是由Quinlan提出的著名的基于信

文档评论(0)

shuwkb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档