基于用户行为的购买预测研究开题报告

全文总字数：5104字

1. 研究目的与意义（文献综述）

1. 目的及意义（含国内外的研究现状分析）

1.1课题研究背景及意义

o2o是一种将线上浏览与线下体验相结合、让互联网成为线下交易前台的新型电子商务模式,目前随着中国移动互联网及移动终端技术的快速发展,o2o也在中国市场快速兴起，o2o模式为传统带来转机的同时也改变了人们的生活方式。o2o电商在长期的运营中积累了大量的数据，通过对o2o数据的挖掘分析，能给用户带来更精准优质的服务体验，也能帮助企业完成精准营销并给企业的发展提供指导意见。随着互联网的高速发展，酒店o2o模式越来越被中国的酒店业重视，与此同时，o2o酒店的竞争也越来越激烈，携程作为o2o酒店的先行者，在多年的运营期间积累了大量的用户数据，酒店数据和房型数据，如何对已有的数据进行分析，从而挖掘出用户对于某些房型的偏好，从而为用户提供更加精准的个性化推荐，提升了客户的消费体验，并为酒店提供销售预测服务以便酒店进行销售的优化和调整以谋求利益的最大化，对巩固携程在o2o酒店行业的领先地位具有积极作用。

2. 研究的基本内容与方案

1.1.1 研究的基本内容

本论文主要进行的研究数据来源是携程网官方提供法的，通过对携程网用户数据、酒店数据、房型数据进行特征选择和机器学习，构建携程网用户预定酒店行为的预测模型并验证其正确性，发现用户的行为特征、偏好和兴趣，了解客户的需求，为携程网实现精准营销、提升商业运营效率提供帮助，从而帮助携程网进一步获取老客户的保有价值、新客户的提升价值、潜在客户的挖掘价值、竞争对手客户的转移价值、流失客户的挽回价值。

1.1.2 研究的目标

构建携程网用户预定酒店行为的预测模型并验证其正确性，进行可视化分析，发现用户的行为特征、偏好和兴趣。

1.1.3 研究拟采用的技术方案和措施

本文以大量数据分析为基础，拟采用的技术方案及措施如下

SHAPE \* MERGEFORMAT

1）对携程网酒店业务的分析理解

1）原始数据的选取和简要分析

2）原始数据的理解、处理和清洗。找出残缺数据、噪音数据和空值数据，通过均值或方差等不同的处理方法进行数据的填充或删除。

3）特征的选择与提取，分析数据集将有效信息创建为特征值。

4）基于机器学习方法构建预测模型。根据如上建立的特征共词，采用XGBoost及LightGBM算法进行预测并分析结果。

5）优化临界值并评估模型

6）对测试样本数据进行预测并进行可视化分析，对携程网酒店业务提出营运建议。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1]陆楠. 关联规则的挖掘及其算法的研究[d].吉林大学,2007.

[2] jiawei hanmicheline kamber. 数据挖掘—概念与技术[m].北京:高等教育出版社,2001:1-50.

[3]薛红,聂规划.基于关联规则分析的“购物篮分析”模型的研究[j].北京工商大学学报(社会科学版),2008(04):1-5.