基于FCM聚類的品牌狀態(tài)判別模型的研究.pdf

1、實(shí)時(shí)掌握品牌市場(chǎng)狀態(tài)是企業(yè)品牌可持續(xù)發(fā)展戰(zhàn)略的重中之重。目前，隨著企業(yè)銷售數(shù)據(jù)的驟增以及品牌市場(chǎng)影響因素復(fù)雜度的增加，企業(yè)決策者單一的主觀判斷已經(jīng)不能準(zhǔn)確、實(shí)時(shí)的判別企業(yè)品牌市場(chǎng)狀態(tài)。因此，本文提出了基于企業(yè)品牌市場(chǎng)海量銷售數(shù)據(jù)的采集與品牌市場(chǎng)分析系統(tǒng)架構(gòu);完成了對(duì)品牌市場(chǎng)銷售數(shù)據(jù)的采集、存儲(chǔ)和處理，提取出影響品牌市場(chǎng)狀態(tài)的決策因子。以品牌生命周期、品牌市場(chǎng)地位以及品牌價(jià)位為維度，建立最優(yōu)品牌市場(chǎng)狀態(tài)判別模型。設(shè)計(jì)并實(shí)現(xiàn)了企業(yè)品牌營(yíng)銷集

2、成平臺(tái)，為企業(yè)品牌發(fā)展提供全面、精準(zhǔn)的決策依據(jù)。主要研究?jī)?nèi)容如下:
　　1)數(shù)據(jù)采集與處理:針對(duì)全國(guó)品牌市場(chǎng)每月產(chǎn)生的2億多條銷售數(shù)據(jù)的采集，包括了基于零售終端和消費(fèi)環(huán)境的各類銷售數(shù)據(jù)。對(duì)海量的數(shù)據(jù)源進(jìn)行數(shù)據(jù)的預(yù)處理操作，解決了存儲(chǔ)與數(shù)據(jù)的歸一化問題，構(gòu)建并分析品牌市場(chǎng)狀態(tài)的數(shù)據(jù)挖掘過程。
　　2)品牌市場(chǎng)狀態(tài)判別決策因子的確定:為了降低品牌市場(chǎng)狀態(tài)影響因素復(fù)雜性，本文采用主成分分析法(PCA)對(duì)品牌狀態(tài)特征屬性進(jìn)行降維處理

3、，確定了影響本企業(yè)品牌市場(chǎng)狀態(tài)的九大特征屬性。
　　3)解析品牌市場(chǎng)狀態(tài):利用最優(yōu)FCM模糊聚類算法對(duì)品牌市場(chǎng)狀態(tài)進(jìn)行多維聚類分析，確定品牌市場(chǎng)狀態(tài)的度量標(biāo)準(zhǔn)。結(jié)合企業(yè)綜合營(yíng)銷系統(tǒng)，構(gòu)建品牌市場(chǎng)狀態(tài)的CM判別模型。精準(zhǔn)定位品牌的市場(chǎng)狀態(tài)，制定品牌營(yíng)銷戰(zhàn)略，保證了企業(yè)品牌的穩(wěn)定發(fā)展，提升企業(yè)品牌的競(jìng)爭(zhēng)力。
　　4)驗(yàn)證品牌狀態(tài)判別模型的科學(xué)性與可靠性:在Spark平臺(tái)上，實(shí)現(xiàn)了品牌市場(chǎng)銷售數(shù)據(jù)的并行化分析。并利用四大評(píng)價(jià)指標(biāo)對(duì)

4、判別模型的可靠性進(jìn)行評(píng)價(jià)，選取了具有穩(wěn)定性好、高擴(kuò)展性以及準(zhǔn)確率高的判別模型。
　　5)算法的改進(jìn)，包括FCM聚類算法與NB分類算法:采用調(diào)整樣本密度函數(shù)影響值的方法，改進(jìn)了FCM算法中存在的樣本基數(shù)不均缺陷，提高了算法聚類結(jié)果的準(zhǔn)確率。采用二分法，改進(jìn)了NB分類算法中數(shù)據(jù)量越大分類性能越差的缺點(diǎn)。主要對(duì)類條件概率進(jìn)行簡(jiǎn)化，降低算法計(jì)算的復(fù)雜度，提高了算法分類的效率。
　　6)設(shè)計(jì)并實(shí)現(xiàn)了企業(yè)品牌營(yíng)銷集成平臺(tái):將品牌狀態(tài)判別