Apriori算法实现卷烟电子推荐的研究

卷烟电子推荐模型将数据挖掘的思想和方法应用到烟草订单数据中,依据零售户需求特点、购买行为、购买习惯等情况,通过研究大量的、复杂的、动态的交易数据,运用关联规则的Apriori算法实现卷烟产品的电子推荐,实现客户精准营销,提升烟草商业企业整体运营水平。     

电子商务商品的价格优势

德国的零售商们现在终于感受到了网上购物 的威胁，德国十几家网上销售公司正向他们发起强大的价格攻势：一台普通彩电网上售价仅２２２马克，比商店购买便宜４５％；一台中档微波炉的网上报价９０马克，比商场便宜３６％；一种装饰性灯具通过网上购买只花１９５马克，比商店便宜５５％。目前，网上销售公司正以其极具诱惑力的价格优势从零售商手中逐渐抢走市场。 在德国，制造商为鼓励销售，大都对销售商采取多购优惠的方式。例如，一台洗衣机的推荐价格是１０００马克，但若购买三台，其单价就会降到９２０马克，多买还能多降。但销售商为…     

关联规则在手机业务数据库中的应用

关联规则挖掘主要是指发现大量数据之间有趣的关联或相关联系．揭示数据间未知的依赖关系，根据这种依赖关系，可以从某一数据对象的信息来推断另一数据对象的信息。笔者将关联规则挖掘应用于目前市场潜力巨大的手机业务上，从外表看来杂乱无章的数据中，提取出某些业务间的内在关系，成功揭示了手机业务中存在的依赖关系，为移动运营商向客户推荐相关业务（交叉销售）时提供了参考。     

基于数据挖掘技术的交叉销售模型设计

本文首先扩展了交叉销售的内涵及外延,给出交叉销售的概念模型;其次,通过对国内外交叉销售模型的研究,提出全新的基于数据挖掘技术的交叉销售模型建模方法。     

基于OLAM的聚类关联挖掘在交叉销售中的研究应用

OLAM（On-line Analytical Mining）是当前的热点技术,是融合了联机分析处理（OLAP）和数据挖掘（Data Mining）的一种新的数据挖掘技术。该文主要针对商业中的交叉销售问题,提出一种基于销售多维数据集的聚类关联规则OLAM挖掘模型。利用SQL Server Analysis Services（SSAS）平台的数据挖掘工具,实现了该OLAM聚类关联挖掘模型,利用该模型的挖掘模式获得了对客户交叉销售的推荐方案。     

聚类算法在电信行业交叉销售中的应用研究

随着电信行业自由化和私有化进程的加快,电信业正逐步从行业垄断转变为行业竞争,面对电信市场的日趋饱和,如何提高企业自身的竞争力,挽留住现有客户、并最大化行业价值成为电信企业急待解决的问题。采用聚类分析算法中的K-means划分方法对现有客户细分分群,结合CRM中的交叉销售营销策略建立了交叉销售模型。模型的建立为电信行业交叉销售的实施提供具有可行性的技术支持,在理论研究和工程实践都具有着重要的意义。     

基于数据挖掘的分类算法在潜在客户识别中的应用

对某银行现有信用卡客户的个人信息进行数据挖掘,深入解析交叉销售行为并刻画出交叉销售客户的特征。文中首先采用CART算法建立模型,将模型数据(modeling data)进行分类,生成单分类器模型;然后利用该分类器对800个predict data进行预测,分析得出将有可能在新开信用卡业务后的12个月内又申请办理房屋贷款业务的客户特征。     

为著名香烟店的客户服务升温—来自罗克韦尔FirstPoint Contact的呼入联络中心解决方案

阵阵电话铃在著名香烟店(Famous Smoke Shop,美国一家零售与批发兼营的香烟经销商)响起,打电话来的是商店的客户,希望从其丰富的库存中购买上好的香烟与烟具,通过这种方式购买香烟与烟具的顾客和零售商正在不断增加。著名香烟店位于宾夕法尼亚州的伊士顿,在1939年以家庭业务的方式起步,如今他们销售数百种香烟和包括雪茄烟盒、雪茄切刀在内的烟具。     

基于关联规则挖掘的算法研究与应用

提出了一种适用于交叉销售的关联规则挖掘算法,它建立在事务压缩、项目压缩,以及个性化约束的基础上。文章结合事务数据库对改进算法在交叉销售的效率等方面进行了分析。     

数据挖掘在电信客户关系管理中的应用研究

本文主要研究了数据挖掘在电信顾客关系管理中的应用,构建了基于数据挖掘的电信CRM框架体系,将数据挖掘技术应用到客户细分、流失预测以及交叉营销等方面,实现客户全生命周期的科学化管理。最后,以XX电信公司的彩铃业务为例,采用Apriori算法来挖掘与分析其交叉销售的策略。     

数据挖掘技术在辅助决策系统中的应用

销售管理与辅助决策系统是以多年的销售数据为研究对象,采用关联规则挖掘和序列规则挖掘的方法,从中分析、挖掘和提取全面、综合、宏观的辅助决策信息,并能预测客户的购买状况,为客户和管理者提供可靠的决策信息,从而达到推荐自己产品的目的.     

关联规则分析在电信交叉销售中的应用研究

在阐述电信运营企业市场竞争和营销活动中存在的问题的基础上,结合电信企业的特点,分析了在该行业营销领域采用交叉销售策略的必要性,并将数据挖掘中的关联规则分析法应用于交叉销售分析中.详细介绍了关联规则分析法中的Apriori算法原理,并用该算法对电信业务数据进行了分析,给出了业务之间的关联,为企业实施交叉销售提供了有力的数据支持.     

电子商务三二事

购并狂潮投资银行Broudview Interational认为,在“数字媒体”空间,购并的总价值,包括网络内容和服务,在1999年的上半年较1998年的上半年增长接近700％。为什么会产生这样的情况?部分是由于一些网络领导公司的极高的股票价格,使他们能够用股票就能偿付购买公司的代价(这对他们来说也是一件好事,因为他们的利润一直较薄)。但是购买同样也许是基于这种紧迫性:感觉到基于网络的商业将开始合并,并且只有大的(网络)公司才能生存下去。公司所购买的是市场份额,希望抓住并保持网络用户对它的关注。通过提高忠诚访问者的人数,公司将以更好的状态向他们所“捕捉”到的观众销售产品和服务,或者向那些想吸引观众的公司销售广告。因此,电子商务不仅仅改变了现有商业的运行模式(例如图书销售),同时也创造了新的商业模式,例如在线服务,试图以此独自设立联系零售商和消费者的渠     

面向企业用户的在线商品推荐算法

在企业级的电子商务系统中,传统的商品推荐算法仅考虑了用户兴趣,并没有将企业的购买力融入到算法中.考虑到企业的购买需求是相对固定的,并不像个人买家那样随机,本文提出了一种面向企业用户的在线商品推荐算法,该算法在吸取协同过滤推荐算法优点的基础上,采用商品打分的机制,同时结合了企业购买力的影响,给出商品的最终打分.本算法提取被推荐的商品的名称,根据编辑距离算法找到该商品的最新可销售的版本作为推荐项,通过这种方式解决了部分商品在被推荐时可能已经售完重新上架,导致推荐无效的问题.     

实施二维零售模式

如今，零售商们面对的是网络时代的消费者，他们进行网上购物、通过移动设备购物、去实体店购物，并渴望得到无缝连通、个性化的跨渠道购物体验。科学技术的发展催生了新一代的消费者，他们运用互联网和智能手机进行搜索、比较、挑选和购买，更重要的是，他们会和零售商沟通，以获得个性化的商品和服务。     

中国市场的新零售主义

随着数字力量的增强和全渠道的壮大,消费者和零售商之间的平衡关系正在发生不可避免的转变。如今深受数字化影响的消费者需要零售商能够随时随地为其提供服务：无论他们选择通过实体店、网络还是手机购买商品,在任何需要的时候都可以进行货物浏览、比较、购买甚至于退货已经成为他们的最基本需求。针对这种现象,甲骨文公司最近做了一项关于“新零售主义”的全球调查。     

一种新的改进的Apriori算法

本文通过时关联规则挖掘算法Apriori算法的分析和研究,指出了其在具体应用中存在的主要问题.提出与以往不同的改进策略:在约简数据库事务的同时,生成频繁项目集和保存具有非频繁子集候选项目集的项集,在提高频繁项目集即关联规则生成效率的同时,进一步减少了对候选项目集的重复验证.最后将改进的Apriori算法应用到一个Web交叉销售系统,并和经典的Apriori算法进行了比较,取得了较好的效果.     

搜索成网络销售新起点 美国网络销售额今年将首次突破1000亿美元

分析人士称,由于营销网站变得更加智能,网络零售商将获得比以往更高的利润。MajesticResearch的分析师约翰认为,搜索引擎已经成为越来越多的用户在网络上购物的“起点”。统计数据显示,零售商对“玩具”、“电子产品”等通用关键字的兴趣降低了,他们的兴趣更多地集中在“泰迪熊”等具体的关键字上,搜索这类关键字的用户购买产品的可能性更大。约翰表示,零售商今年购买的Google和雅虎的广告超过了以往,企业在使用广告预算方面的效率更高了,这将预示着更高的利润。更积极的网络促销、更新的销售技巧、购物者不断向网络转移将使今年圣诞节期…     

用热能地图勾画顾客的购物路径

今天的零售商们不光想知道客户买了什么商品，还想知道他们是如何购买的。因此，热能地图应运而生。     

基于旅游用户数据和评论的推荐系统的设计

随着国民生活水平的提高,旅游业蓬勃发展,旅游业与互联网的结合促进了在线旅游业的形成,也就是当代所说的"智慧旅游"。用户可以通过互联网了解各种各样的旅游信息,但是,日趋严重的过载旅游数据现象让旅游商们难以准确的挖掘出符合用户兴趣的个性化旅游信息,推荐出一个智慧的旅游路线更是如同大海捞针,而旅游推荐系统是解决这一问题的关键技术。本文基于个性化推荐算法的研究,将用户信息,用户评论,用户行为,用户历史订单,用户未来订单等多项数据作为算法的训练测试集,对功能性需求进行分析,开发了基于用户数据的推荐系统。