论文部分内容阅读
人类科技革命颠覆了十几年前只知道摆摊买卖的小商小贩的认知。从简单的买卖关系到现阶段庞杂的线上交易,不仅仅彰显了科技和时代的进步,还间接说明了营销方式和手段的多元化演变。在遍生丛棘的国内外营销市场中,数据库营销以它低成本、高效率的营销方式,得到了更多营销者的青睐,成为近年来营销市场中的“新秀”。但是,数据库营销作为变幻莫测市场中的先知和摆渡者,在具体实践中,更多地则倾向于简单数据分析之后所进行的应用。相比而言,结合机器学习算法的数据库营销却一直是营销领域的洼地。基于此,本文以Lister天猫旗舰店为研究对象,主要从理论准备-现状分析-模型构建-结果应用四个阶段基于机器学习算法进行数据库营销研究。首先,从数据库营销的内涵、优点以及具体的操作程序三个方面进行论述。同时,选取逻辑回归、随机森林、支持向量机和GBDT四种性能优良的机器学习算法从基本原理和算法介绍两个角度分别阐述,为模型训练章节奠定理论基础。其次,从营销对象分布、营销渠道占比、营销方式组成等方面对Lister天猫旗舰店现状进行分析,并且基于现阶段所存在的主要问题找到数据库营销利用机器学习算法的新营销思路。再次,在营销思路提出的前提下,进行数据获取-数据处理-正负样本设定。同时,基于四种机器学习算法从消费者、店铺以及消费者与店铺关系三个角度组合特征。由于各模型参数设置的不同,共使用38个特征4种机器学习算法构建12个模型进行训练,并且利用评价指标对比各模型输出效果,选择效果最好的GBDT3作为预测模型。最后,通过将预测样本代入GBDT3模型进行测试,选取预测分数在80-99区间内的人群作为模型预测人群投放市场,并提出Lister天猫旗舰店应以模型预测的数据库营销方式为主。因为一方面利用机器学习算法可以解决营销对象分布不均衡的问题,另一方面可以有效防止潜在消费者流失现象。此外,还提出优化其他数据库营销方式并辅助模型预测提高营销效果的应用策略。