葡萄酒消费者行为大数据分析的特征提取.doc

摘要：一家优秀的企业，能从海量消费数据挖掘出消费者的消费能力、消费习惯、甚至能够作出预见性的决策。对于葡萄酒消费者行为数据的分析，有助于企业了解并“亲近”这些消费者，进而创造更多的新用户以及忠实用户。

为了达到葡萄酒消费者行为分析这一目的，我们需进行数据挖掘。数据的获取我们则以问卷调查的形式通过小组成员整合后发出并收集，回收问卷的时候，小组成员各自取回自己所需数据即可。

本文首先简要陈述葡萄酒行业在中国的发展状况、面临的困境以及数据挖掘的相关理论知识。在数据的预处理环节应用Excel，SQL server软件对采集到的问卷数据进行简单处理与清晰。然后利用已经得到的预处理数据集，进行特征提取并选用其中可以判定消费者消费能力和消费习惯的属性，利用python软件进行K-means聚类分析，实现对客户的价值评定与级别划分，并对不同客户群体提出有针对性的相关处理策略。接下来，为了发掘消费者的更多潜在信息，找到消费者的特征与特征之间的关联关系与关联程度，利用Apriori算法进行各个特征属性之间的关联分析。从而推断具有不同特征的的消费者，在某些未知的属性特征方面会作何取舍，比如：具有何种特征的消费者会喜欢进口酒，居住在市区且喜欢进口酒的消费者又会比较喜欢那一种口味的酒等等。由此达到精准定位、预测营销的目的。

本文在方法的选择上具有普遍性与广泛适用性，因此对于葡萄酒消费者的数据挖掘与分析具有一定的合理性，对于其营销的预测也具有一定程度的实际意义。

关键词：葡萄酒消费；数据挖掘；特征提取；关联规则；聚类分析

目录

摘要

ABSTRACT

前言-3

第1章-绪论-4

1.1 课题研究目的及其意义-4

1.2 课题研究方法与安排-4

第2章-葡萄酒消费行为研究理论知识-5

2.1 为什么选择葡萄酒-5

2.2-数据挖掘的相关技术简要介绍-5

第3章-数据预处理-8

第4章-消费者价值聚类分析-9

4.1 算法简述-9

4.2 k-means聚类-9

4.3-总结-13

第5章-特征关联分析与预测营销-14

5.1 理论知识-14

5.2 基于support分析-16

5.3 基于confidence分析的预测营销-17

5.4 总结-19

结论-20

参考文献-21

致谢-22