基于海量數(shù)據(jù)的市場(chǎng)投放策略研究.pdf

1、當(dāng)前在市場(chǎng)投放策略中個(gè)人主觀判斷因素過(guò)重，需要增加市場(chǎng)因素，提供科學(xué)決策支撐。從歷史數(shù)據(jù)中挖掘出有價(jià)值信息，對(duì)市場(chǎng)的需求進(jìn)行更準(zhǔn)確的預(yù)測(cè)，從而制定不同的投放策略，確定戰(zhàn)略取向，實(shí)現(xiàn)產(chǎn)品投放的“精準(zhǔn)打擊”，就能掌握在市場(chǎng)中的主動(dòng)權(quán)，為企業(yè)爭(zhēng)取到更多的利潤(rùn)。本文完成了海量市場(chǎng)數(shù)據(jù)的采集與處理分析，對(duì)市場(chǎng)上眾多零售戶進(jìn)行聚類分析，識(shí)別出不同零售戶類別的特征，建立市場(chǎng)投放策略模型，針對(duì)不同特征進(jìn)行個(gè)性化投放產(chǎn)品資源，并根據(jù)影響市場(chǎng)投放的因素進(jìn)行

2、投放策略上的調(diào)整分析。最后通過(guò)應(yīng)用驗(yàn)證，本文所提出的市場(chǎng)投放策略模型能較好地對(duì)歷史銷量數(shù)據(jù)進(jìn)行擬合并預(yù)測(cè)銷量，為有效的市場(chǎng)投放提供了技術(shù)支撐。具體研究?jī)?nèi)容如下:
　　1)海量數(shù)據(jù)采集與處理。通過(guò)終端系統(tǒng)填報(bào)、市場(chǎng)走訪和終端采集等方式完成企業(yè)海量數(shù)據(jù)的采集工作，并針對(duì)數(shù)據(jù)存在的問(wèn)題進(jìn)行預(yù)處理，接著對(duì)海量數(shù)據(jù)進(jìn)行同步加工處理，運(yùn)用HDFS存儲(chǔ)數(shù)據(jù)，MapReduce模型分布式處理數(shù)據(jù)，Hive構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)結(jié)合Hbase進(jìn)行實(shí)時(shí)數(shù)據(jù)的處

3、理與查詢，最后利用Sqoop工具在Hadoop與關(guān)系型數(shù)據(jù)庫(kù)之間進(jìn)行數(shù)據(jù)交換，以滿足業(yè)務(wù)需求。
　　2)對(duì)目標(biāo)零售戶的選擇分類。企業(yè)產(chǎn)品資源的市場(chǎng)化投放最終目標(biāo)，就是根據(jù)零售戶的銷量、庫(kù)存、存銷比等歷史信息來(lái)計(jì)算出精準(zhǔn)化的個(gè)性投放量。因此，在海量數(shù)據(jù)背景下，對(duì)零售戶進(jìn)行聚類挖掘，對(duì)于市場(chǎng)投放的指導(dǎo)意義重大。本文采用基于MapReduce并行計(jì)算的改進(jìn)CURE算法（引入馬氏距離來(lái)度量簇間相似性）實(shí)現(xiàn)大數(shù)據(jù)下零售戶聚類挖掘分析，通過(guò)實(shí)

4、驗(yàn)驗(yàn)證CURE算法在大數(shù)據(jù)下零售戶聚類的可行性。
　　3)建立市場(chǎng)投放策略模型。針對(duì)不同類別零售戶的特征進(jìn)行個(gè)性化投放產(chǎn)品資源。產(chǎn)品資源在市場(chǎng)的投放量是調(diào)控市場(chǎng)進(jìn)度的重要因素，而市場(chǎng)投放預(yù)測(cè)的準(zhǔn)確度將決定著投放量計(jì)算的精確性。根據(jù)不同類別的零售戶，針對(duì)地區(qū)某種產(chǎn)品的銷量分別用回歸分析和ARMA時(shí)間序列進(jìn)行銷量預(yù)測(cè)，對(duì)庫(kù)存、存銷比進(jìn)行預(yù)測(cè)，最終建立市場(chǎng)投放策略的模型，并根據(jù)其他影響因素進(jìn)行投放策略上的調(diào)整。最后通過(guò)驗(yàn)證，所采用的市場(chǎng)