学位论文 > 优秀研究生学位论文题录展示

ⅡS日志挖掘在电子商务网站邮件营销中的应用研究

作 者: 王慧鹏
导 师: 张平健;郑东曦
学 校: 华南理工大学
专 业: 软件工程
关键词: IIS日志 数据挖掘 邮件营销
分类号: TP311.13
类 型: 硕士论文
年 份: 2011年
下 载: 27次
引 用: 0次
阅 读: 论文下载
 

内容摘要


电子商务市场的日趋激烈,迫使电子商务网站----悠宝网的商品广告邮件营销模式逐渐从“大而全”向“少而精”转化,采取以客户为中心的策略,根据客户的个性需求提供有针对性的广告和商品服务。悠宝网已经拥有相当规模的注册用户,建立了一个客户基本信息库来保存所有注册用户的相关信息。同时,悠宝网已经将电子邮件广告作为推销商品的一种重要广告方式。在进行某种商品的广告邮件营销时,悠宝网通常采用邮件群发器向所有的注册客户发送广告邮件,以达到最大的宣传范围,实现经济效益最大化。然而,这种盲目群发的方式,在营销过程中已经暴露出越来越明显的弊端:一方面很容易引起客户的反感,会逐渐降低他们对广告邮件的信任度,严重时他们甚至会将此网站列入黑名单,从而一概拒收和拒看发来的广告邮件;另一方面很难评价所发送的广告邮件,无法得知邮件的发送效果,不知道哪些客户进行了点击查看,对于邮件营销的科学化和精细化发展非常不利。基于IIS日志的数据挖掘技术可以有效地解决上述难题。首先利用邮件群发器发送经过编码转换的链接的商品广告,客户点击链接后会在网站的服务器日志中留下客户识别信息。其次,对网站日志建立数据库,利用微软SQL Server的Anylisis Services(SSAS)工具建立以日志数据库和客户基本信息库为数据源的数据仓库。然后,充分利用SSAS中现成的算法进行数据挖掘,一方面进行决策树分析,找出是否点击链接与客户基本属性(地域、职业、性别、年龄、邮箱类型、会员级别、年收入等)之间的关系,预测新会员的点击情况,从而可以在以后的广告邮件发送中有选择性的发送,既能减少对客户信任度等方面的潜在负面影响,又能提高邮件链接的点击率;另一方面通过聚类分析,按点击邮件链接次数将客户分为若干个类别,了解会员的整体特征及各分类中的特征,为接下来的后续营销做好准备,以便分别制定有针对性的营销方案。本文首先对悠宝网的商品广告现行模式进行介绍,分析传统邮件模式存在的不足,其次介绍了IIS日志数据挖掘在邮件广告营销中的应用,然后分析了进行数据挖掘所面对的客户基本信息库、IIS日志文件等数据源,接着建立IIS日志数据库和进行数据挖掘所需的数据源,并在分析悠宝网邮件营销两大需求的基础上分别设计数据模型,最后依次进行决策树分析和聚类分析,得出针对悠宝网广告邮件营销的有用结论。

全文目录


摘要  5-7
Abstract  7-11
第1章 绪论  11-15
  1.1 选题的背景和意义  11-12
  1.2 国内外研究现状  12-13
  1.3 本论文的主要研究内容  13
  1.4 论文结构  13-15
第2章 当前电子商务网站邮件营销模式及其不足  15-28
  2.1 电子商务网站中的商品广告邮件营销模式  15-19
    2.1.1 邮件营销的概念  15-16
    2.1.2 邮件营销的不同层次  16
    2.1.3 邮件营销的作用  16-18
    2.1.4 邮件营销的步骤  18-19
  2.2 邮件营销模式的优势  19-20
  2.3 邮件营销模式的劣势和挑战  20-22
  2.4 日志挖掘技术在商品广告邮件营销中的应用  22-27
    2.4.1 数据挖掘技术在邮件营销中的应用  22-23
    2.4.2 SSAS  23-24
    2.4.3 决策树算法  24-26
    2.4.4 聚类算法  26-27
  2.5 本章小结  27-28
第3章 系统需求分析与数据模式设计  28-49
  3.1 数据源分析  28-36
    3.1.1 IIS 访问日志文件  28-31
    3.1.2 客户基本信息库  31-36
  3.2 建立IIS 访问日志数据库  36-39
  3.3 系统的功能需求  39-41
  3.4 数据模型设计  41-48
    3.4.1 基本概念  41-43
    3.4.2 常见的数据模型  43-44
    3.4.3 针对决策树分析的数据模型设计  44-45
    3.4.4 针对聚类分析的数据模式设计  45-48
  3.5 本章小结  48-49
第4章 IIS 日志数据挖掘  49-68
  4.1 数据挖掘概述  49-53
    4.1.1 数据挖掘技术的产生背景  49-50
    4.1.2 数据挖掘的概念  50
    4.1.3 数据挖掘的功能  50-51
    4.1.4 数据挖掘的主要步骤  51-52
    4.1.5 数据挖掘的对象  52-53
    4.1.6 数据挖掘的应用  53
  4.2 决策树分析  53-61
    4.2.1 建立挖掘模型  53-54
    4.2.2 决策树结果分析  54-58
    4.2.3 属性的依赖关系分析  58-61
  4.3 聚类分析  61-66
    4.3.1 建立挖掘模型  61
    4.3.2 结果分析  61-66
  4.4 本章小结  66-68
结论与展望  68-70
参考文献  70-72
致谢  72

相似论文

  1. 基于数据挖掘技术的保健品营销研究,F426.72
  2. 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
  3. 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
  4. Bicluster数据分析软件设计与实现,TP311.52
  5. 基于变异粒子群的聚类算法研究,TP18
  6. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  7. 基于遗传算法和粗糙集的聚类算法研究,TP18
  8. 基于数据挖掘的税务稽查选案研究,F812.42
  9. 面向社区教育的个性化学习系统的研究与实现,TP391.6
  10. 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
  11. 数据仓库技术在银行客户管理系统中的研究和实现,TP315
  12. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  13. 数据挖掘在学校管理和学生培养中的应用,TP311.13
  14. 银行个人客户关系管理系统的设计与实现,TP311.52
  15. 基于数据挖掘技术的电信客户维系挽留系统分析及应用,TP311.13
  16. 数据挖掘技术在独立学院教学评估中的应用研究,TP311.13
  17. 基于WEB平台的家电类产品智能导购系统的研究,TP311.52
  18. 纺织品服装出口的TBT风险监测与预警机理研究,TP311.13
  19. 动态关联规则的研究,TP311.13
  20. 基于数据挖掘的移动行为预测,TP311.13

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com