基于用戶收視行為特征的產(chǎn)品精準(zhǔn)推薦研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著移動(dòng)電子商務(wù)、云計(jì)算和物聯(lián)網(wǎng)的飛速發(fā)展,華數(shù)作為目前我國規(guī)模最大的有線網(wǎng)絡(luò)運(yùn)營商,近兩年受到移動(dòng)終端影視、IPTV、互聯(lián)網(wǎng)電視等新興媒體的不斷沖擊,業(yè)內(nèi)競爭變得異常激烈,傳統(tǒng)的互動(dòng)電視用戶日漸流失。華數(shù)已經(jīng)搭建的內(nèi)容推薦維系無法完全提升用戶的人均消費(fèi),需要充分利用兩千個(gè)營業(yè)廳、一線網(wǎng)格銷售人員和線上營業(yè)廳等多渠道去推廣互動(dòng)電視產(chǎn)品,如何在有限的用戶接觸時(shí)間進(jìn)行精準(zhǔn)的互動(dòng)產(chǎn)品推薦成為各級(jí)市場(chǎng)部門的重要工作之一。
  針對(duì)上述問題

2、,本文以精準(zhǔn)推薦互動(dòng)產(chǎn)品為研究對(duì)象,首先分析已經(jīng)沉淀的用戶行為數(shù)據(jù),利用推薦系統(tǒng)的工作原理,在聚類分析和協(xié)同過濾推薦思想等的基礎(chǔ)上,結(jié)合互動(dòng)電視業(yè)務(wù)、互動(dòng)產(chǎn)品模型和內(nèi)容元數(shù)據(jù)信息,確定了互動(dòng)產(chǎn)品和用戶收視行為間的相關(guān)性,采集分析各方數(shù)據(jù)并對(duì)數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理;然后,在華數(shù)用戶數(shù)據(jù)集上分別進(jìn)行K-Means聚類、譜聚類和DBSCANS算法聚類,并通過2個(gè)衡量指數(shù)評(píng)價(jià)得出K-Means聚類算法為最優(yōu)算法,以期縮小相似用戶的搜索范圍,提升模

3、型的實(shí)時(shí)性;第三,在相同的分組內(nèi)選取影響互動(dòng)產(chǎn)品因變量,用邏輯回歸算法算得特征項(xiàng)的概率值,得到分組內(nèi)產(chǎn)品的推薦度得到第一個(gè)推薦列表,并加入業(yè)務(wù)邏輯規(guī)則增加產(chǎn)品包含矩陣進(jìn)行過濾;最后,本文基于用戶的協(xié)同過濾算法來構(gòu)建完整的產(chǎn)品推薦模型,從而補(bǔ)充第一推薦列表并得出面向最終用戶的推薦列表。
  本文最后將該模型部署到推薦系統(tǒng),成功應(yīng)用于線上網(wǎng)上營業(yè)廳和線下營銷場(chǎng)景中。通過分析上線一年內(nèi)的營銷效果,確認(rèn)本文研究結(jié)果在產(chǎn)品訂購數(shù)和用戶費(fèi)用提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論