全文总字数：2523字

1. 研究目的与意义及国内外研究现状

1）目的：应用统计学方法，揭示facebook平台品牌绩效的科学建立；利用2014年的facebook平台上的各公司在建立自己的品牌时的数据，建立品牌绩效模型，刻画各时间因素和公司页面访客因素对品牌绩效的影响，从而为发展各公司的品牌提出参考建议。

2）研究意义：十九大报告指出：推动互联网、大数据、人工智能和实体经济深度融合。电子商务的发展离不开大数据的支持，更离不开与实体经济的深度融合。可见新时代对于大数据的重视愈加重要，意味着国家将大力扶持对数据的利用发展。充分利用大数据来为品牌的建立绩效、提升品牌建立绩效的效率。为了建立某个产品品牌，分析其发展的影响因素就显得尤为重要，而传统的方法往往忽视了品牌自身和本公司以往产品的建立绩效，往往落得事倍功半的下场。因此同时考虑产品和本公司的影响，充分利用平台数据，可以进一步完善品牌建立的绩效模型，找出最为关键的影响因素，为品牌的建立绩效探寻有针对性的思路和建议。

2. 研究的基本内容

1）原始数据的采集及处理，查阅uci的2016年的facebook的品牌的相关数据，并获取相关变量数据，对历年来各公司建立自己的品牌的输入因素进行统计描述，利用多元统计分析输入因素与输出因素的相关性；

2）利用聚类分析方法和sas软件，建立聚类模型，对输出指标做聚类分析，选择出最能体现品牌的建立绩效的输出特征；

3）利用2014年国外某知名品牌在facebook社交网络上发布的帖子的7个输入特征和12输出特征（解释变量），分别建立决策树分类模型、随机森林分类模型进而logistic回归模型，比较各模型预测的精度；根据结果选择优异模型，改进预测模型提高拟合效果；根据最终确立的模型做出总结，探讨提高公司发布的帖子的影响力度的思路和建议。

3. 实施方案、进度安排及预期效果

1）实行方案：首先神经网络和随机森林相关理论，同时学习R和SAS等软件的使用，阅读神经网络和随机森林相关文献；然后搜集所需数据，利用所学理论和软件进行分析，建立模型及模型的优化，最后根据模型得出如何科学有效的建立品牌得出相关启示。2）进度：3月中旬-4月中旬：了解课题研究的内容，查阅相关资料，学习相关知识，确定基本的研究方案并撰写任务书和开题报告；4月中旬-4月下旬：采集相关数据，整合资料，分析计算模型，并准备中期报告；5月初-5月中下旬：整理相关结果，撰写毕业论文；5月下旬起完善论文并准备论文答辩。3）预期效果：建立神经网络和随机森林模型，并且优化所建立的模型，选取最优的模型最为本论文的最佳模型，，最终建立的模型可以较好地解释各输入因素对品牌的建立绩效的影响，从而为品牌的建立提出有针对性的思路和建议。

4. 参考文献

[1]. 陈立南，刘阳，马严，黄小红，赵庆聪，魏伟.基于统计的高效决策树分组分类算法[J].北京:通信学报，2014，35(Z1)：58-59.[2]. Kaplan.A.M and Haenlein.Users of the world,unite! The challenges and opportunities of Social Media [J]. Business Horizons，2010，53(1)：59–68. Mangold.W. G and Faulds, D.Social media: The new hybrid element of the promotion mix [J].Business Horizons，2009，52(4)：357–365[3]. 吕伟航．随机森林算法研究及改进 [D]．厦门：厦门大学，2013：8-13.[4]. EK Tang，PN Suganthan，X Yao.An analysis of diversity measures [J]. Kluwer Academic Publishers，2006，65(1)：247-271.[5]. 张菊连，沈明荣.岩体分级的多分类有序因变量logistic回归模型 [J] .上海：同济大学学报.2011，39(4)：508-509.[6]. 高歌，张明芝.多分类有序反应变量Logistic回归及其应用 [J].江苏.苏州：同济大学学报.2003，31(10)： 1238-1239.[7]. Sergio Mono，Paulo Rita and Bernardo Vala. Predicting social media performance metrics and evaluation of the impact on brand building: A data mining approach [J]. Journal of Business Research，2016，69(9)：3341–3351.[8]. 王斌（译）.如何通过可信区间估计P值 [J]. 英国医学杂志：中文版（BMJ）.2015，15（2）：107-109.