作者:
原文服务方: 现代电子技术       
摘要:
针对当前方法无法对电子商务客户特点进行描述,存在电子商务客户流失量预测不准确,且电子商务客户预测效率低的缺陷,为了提高电子商务客户流失量预测结果,设计了一种大数据背景下的电子商务客户流失量预测模型.首先,分析电子商务客户流失量的研究进展,找到引起电子商务客户流失量预测结果不理想的原因;然后,采用模糊聚类分析算法对电子商务客户流失量数据进行预处理,减少电子商务客户流失量预测的训练样本规模,并采用最小二乘支持向量机建立电子商务客户流失量预测模型;最后,采用电子商务客户流失量实际数据对预测性能进行分析.实际数据测试结果表明,所提模型的电子商务客户流失量预测精度均高于95%,减少了电子商务客户流失量预测时间,为电子商务客户流失分析提供了一种有效的研究方法.
推荐文章
改进神经网络的电子商务客户流失估计
改进神经网络
电子商务
模型构建
客户流失
数据挖掘
价值分析
大数据背景下的电子商务物流配送路径优化算法
大数据
电子商务
物流配送路径
区域
多目标函数
时效指数
基于在线序列优化极限学习机的电子商务客户流失量预测模型
电子商务
客户流失量
云计算处理技术
预测模型
极限学习机
大数据时代背景下我国乡村旅游电子商务系统发展的SWOT分析
电子商务系统
乡村旅游
大数据时代
SWOT分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 大数据背景下的电子商务客户流失量预测
来源期刊 现代电子技术 学科
关键词 客户流失量预测 电子商务系统 大数据 模糊聚类分析 预测模型 数据预处理
年,卷(期) 2020,(11) 所属期刊栏目 电子技术及应用
研究方向 页码范围 144-147
页数 4页 分类号 TN911.1-34|TP391
字数 语种 中文
DOI 10.16652/j.issn.1004-373x.2020.11.034
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴永春 山东建筑大学商学院 7 14 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (145)
共引文献  (41)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(3)
  • 参考文献(0)
  • 二级参考文献(3)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(9)
  • 参考文献(0)
  • 二级参考文献(9)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(14)
  • 参考文献(0)
  • 二级参考文献(14)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(9)
  • 参考文献(0)
  • 二级参考文献(9)
2010(24)
  • 参考文献(3)
  • 二级参考文献(21)
2011(17)
  • 参考文献(2)
  • 二级参考文献(15)
2012(14)
  • 参考文献(2)
  • 二级参考文献(12)
2013(11)
  • 参考文献(1)
  • 二级参考文献(10)
2014(7)
  • 参考文献(3)
  • 二级参考文献(4)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(7)
  • 参考文献(1)
  • 二级参考文献(6)
2017(5)
  • 参考文献(1)
  • 二级参考文献(4)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
客户流失量预测
电子商务系统
大数据
模糊聚类分析
预测模型
数据预处理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导