面向企業(yè)營(yíng)銷的全景用戶畫(huà)像與模型預(yù)測(cè).pdf

1、隨著網(wǎng)絡(luò)和信息技術(shù)的不斷發(fā)展，數(shù)據(jù)在業(yè)務(wù)處理基礎(chǔ)上不斷積累，從信息技術(shù)時(shí)代進(jìn)入了數(shù)據(jù)技術(shù)時(shí)代。企業(yè)營(yíng)銷方式也從Product，Price，Place，Promotion這4P理論轉(zhuǎn)向了Consumer，Cost，Convenience，Communication這4C理論，以用戶為中心的精準(zhǔn)營(yíng)銷是企業(yè)所需。但是現(xiàn)在的企業(yè)對(duì)用戶的認(rèn)知不清晰，用戶信息不全，為了完善企業(yè)對(duì)用戶的認(rèn)知，本文將研究中心聚焦在全景用戶畫(huà)像和模型預(yù)測(cè)上，并結(jié)合KTV

2、線上到線下的實(shí)際場(chǎng)景，最終實(shí)現(xiàn)企業(yè)的精細(xì)化運(yùn)營(yíng)。本文的工作主要包括以下方面:
　　1.本文設(shè)計(jì)了一套分布式的處理框架。本文用Hadoop分布式文件系統(tǒng)和Hive實(shí)現(xiàn)數(shù)據(jù)分布式的存儲(chǔ)和管理;用Impala系統(tǒng)實(shí)現(xiàn)用戶畫(huà)像的構(gòu)建;用Spark集群實(shí)現(xiàn)模型預(yù)測(cè);最終實(shí)現(xiàn)分布式的數(shù)據(jù)存儲(chǔ)、管理和分析。
　　2.本文實(shí)現(xiàn)了基于多源數(shù)據(jù)融合的用戶畫(huà)像構(gòu)建。本文從內(nèi)外部數(shù)據(jù)打通，多維度業(yè)務(wù)數(shù)據(jù)打通，多方位屬性粒度等特性設(shè)計(jì)用戶畫(huà)像;通過(guò)I

3、mpala SQL直接獲取、統(tǒng)計(jì)變換、自然語(yǔ)言處理、正則匹配、規(guī)則判定、用戶事件模型等方式實(shí)現(xiàn)用戶畫(huà)像;最終企業(yè)利用用戶畫(huà)像實(shí)現(xiàn)對(duì)用戶的了解，并能夠滿足企業(yè)營(yíng)銷業(yè)務(wù)。
　　3.本文實(shí)現(xiàn)了由迭代決策樹(shù)和線性模型融合的模型混合方式。該方法利用迭代決策樹(shù)實(shí)現(xiàn)特征的自動(dòng)發(fā)現(xiàn)，利用樹(shù)的路徑擴(kuò)充特征向量，并結(jié)合線性模型提高模型的精度。本文將該方法應(yīng)用到用戶性別分類和用戶消費(fèi)額度預(yù)測(cè)模型中，并設(shè)計(jì)多種方案包括隨機(jī)森林、迭代決策樹(shù)等進(jìn)行實(shí)驗(yàn)對(duì)比，