摘要
通过采集和分析某地产经纪人的各种线上操作及销售过程数据,对房产经纪人的行为进行了研究刻画,并提出改进的BP-MIV算法对经纪人业务行为与业绩的相关重要程度进行了排序。该研究一方面为采用大数据分析方法进行房产经纪人行为刻画提供了思路,另一方面提出的算法克服了传统BP-MIV算法在样本容量和参数选择的缺陷,通过'先分类,后算差值'的改进思路,更好地进行了排序,得出影响因素的前三名为微信系统聊天会话量,个人电脑端房源浏览量和出售房源修改量。对排名前三位的因素与业绩的关系进行了频度分析,且比较了不同分类下的表现差异,为公司未来培训等方面决策方面提供了数据支撑。
An improved BP-MIV algorithm was proposed to sort the importance of related behaviors by analyzing the online behavior and sales data of real estate agents.The algorithm overcame the defects of sample volume and selection of parameters by a new method of reshaping the samples.The first three important behaviors are Wechat talking amount,house study time by personal computer and house modify amount in system.Furthermore,the correlation between important behaviors and achievements in different static was studied,which attributes situation to support future strategy of the corporation.
出处
《工业工程与管理》
CSSCI
北大核心
2018年第5期144-147,155,共5页
Industrial Engineering and Management
基金
国家自然科学基金资助项目(71471114,71432006)
广东省自然科学基金资助项目(2015A030313649)
广东省科技计划项目公益研究与能力建设专项资助项目(2015A010103021)
广东省教育厅2015年重点平台及科研项目资助项目(2015KTSCX137)
关键词
BP-MIV算法
经纪人
神经网络
静态属性
BP-MIV algorithm
real estate agent
neutral network algorithm
static attributes
