農(nóng)產(chǎn)品電子商務(wù)平臺用戶行為分析.pdf

1、伴隨著信息技術(shù)與農(nóng)業(yè)領(lǐng)域結(jié)合水平的不斷提高，農(nóng)產(chǎn)品電子商務(wù)平臺企業(yè)相互的競爭變得越來越白熱化，為了能保持老用戶群同時不斷發(fā)掘新用戶群，則必須進(jìn)一步提高自身平臺服務(wù)水平。在這樣的背景下，農(nóng)產(chǎn)品電子商務(wù)平臺企業(yè)必須重視自身所擁有的用戶數(shù)據(jù)，并使用數(shù)據(jù)挖掘工具對用戶行為進(jìn)行分析，發(fā)現(xiàn)并深入了解用戶的行為特點，并有針對性的提供相關(guān)農(nóng)產(chǎn)品。
　　本文首先對課題背景、目的以及現(xiàn)實作用進(jìn)行了相關(guān)的描述，總結(jié)了當(dāng)前農(nóng)產(chǎn)品電商和數(shù)據(jù)挖掘在用戶行為分

2、析方面的研究進(jìn)展，并闡述了本文各章之間的基本安排。
　　第二章概括性地敘述了本文對數(shù)據(jù)挖掘和用戶分析的基本理論的研究，隨后介紹了數(shù)據(jù)挖掘技術(shù)的基本概念、步驟，接著介紹了聚類算法的一些基礎(chǔ)知識，然后介紹了用戶行為分析的概念和用戶行為分析的常用方法并作出了比較。
　　第三章為針對傳統(tǒng)K-Means算法在農(nóng)產(chǎn)品電商平臺用戶行為分析領(lǐng)域的運用進(jìn)行改善，體現(xiàn)為對傳統(tǒng)算法在最佳k值確定方面的不足做出改善，通過構(gòu)造了加權(quán)距離函數(shù)，來實現(xiàn)最

3、佳k值優(yōu)化。在對最佳k值求解過程中，當(dāng)函數(shù)值在k值取值區(qū)間內(nèi)有最小時取得最佳k值，并給出了最佳k值的取值區(qū)間，提高了改進(jìn)算法的速度，實驗表明改進(jìn)后的算法是有效的。
　　第四章隨后依據(jù)改進(jìn)后的算法建立了農(nóng)產(chǎn)品電子商務(wù)平臺用戶行為分析模型，細(xì)致地描述了改進(jìn)K-Means算法在模型中的運用過程，其中對于數(shù)據(jù)的預(yù)處理的流程和采用的方法以及結(jié)果進(jìn)行了說明。對某農(nóng)產(chǎn)品電商平臺用戶行為分析的結(jié)果表明改進(jìn)后算法在用戶行為劃分、協(xié)助平臺企業(yè)擬制營銷

4、戰(zhàn)略、針對用戶不同需求提供不同農(nóng)產(chǎn)品服務(wù)等方面是有可操作性的。
　　本文第五章在建立的用戶行為分析模型的基礎(chǔ)上進(jìn)行農(nóng)產(chǎn)品電子商務(wù)平臺用戶行為分析系統(tǒng)設(shè)計，本章敘述了農(nóng)產(chǎn)品電子商務(wù)平臺用戶行為分析系統(tǒng)的功能實現(xiàn)的總體框架，并說明了系統(tǒng)的主要功能，并對系統(tǒng)基本分析功能測試進(jìn)行介紹，從而為系統(tǒng)進(jìn)一步實現(xiàn)拓展功能奠定基礎(chǔ)。
　　最后對全文的研究工作進(jìn)行了歸納總結(jié)，針對本文研究的不足從理論研究與實際應(yīng)用兩個方面提出了進(jìn)一步研究的方向。