一直以来,传统的营销模式,7存在形式老套、针对性不强、活动目的不明确等问题,容易导致消费者产生厌恶情绪,也降低了商家店铺营销活动的效果。同时,由于商家缺乏营销辅助决策相关的成功案例支持,使得新形式的营销活动方案很难被商家认可和采用,从而影响了营销理论和辅助决策的发展。为解决这个问题,需要建立一种科学有效的商家营销模式。随着计算机技术的发展,采用人工智能分类算法和计算机仿真等技术,可以更好地实现对商家店铺的运营数据信息的分析和利用。本文的主要工作是对营销辅助决策技术进行研究,设计并实现了一套具有较高实用性的营销决策系统。本文研究主要以实体店铺为研究对象,并采用数据分析技术与系统开发技术相结合的方法实现对营销辅助决策系统的设计。本文的具体工作如下:1.提出了一种新型营销辅助决策系统。基于新型营销机制,开发了计算机仿真程序,可模拟店铺在不同的特征值组合作为输入参数条件下,开展返利活动并进行运营的情况。使用该程序进行仿真,可得到基于店铺个性化参数的营销运营结果数据集。针对商家店铺营销决策过程中出现的问题进行分析,通过研究营销方法的相关文献资料,与营销辅助决策系统的实际需求相结合,对系统进行需求分析。然后设计了基于机器学习的营销辅助决策系统的整体设计方案,并结合实际的需求信息设计了营销辅助决策系统的各个功能模块。2.构建基于随机森林算法的分类器。整合使用Spark框架和Deeplearing4J框架中提供的人工智能模块,利用计算机仿真生成的数据集对监督式学习的朴素贝叶斯算法、逻辑回归算法、随机森林算法及多层感知机算法分类器进行训练。然后将随机森林预测模型与贝叶斯模型、逻辑回归神经网络模型以及多层感知模型进行了实验对比,训练结果显示随机森林算法拥有更好的效果。在对其进行优化后,分类准确率达到了96.4%,精确率达到了96.5%,召回率达到了96.4%,8)(61达到96.4%,达到令人满意的性能。3.设计基于Java开发语言和My Batis框架的营销辅助决策系统结构。对系统的软硬件实现环境进行了分析,并实现营销辅助决策系统的各个功能模块,包括用户注册登录模块、用户权限管理模块、店铺运营模拟模块、商家店铺预测模块以及营销辅助决策模块,并对各个功能模块进行了测试。本文提出的营销辅助决策系统,可针对不同店铺的个性化参数,在活动前得到有大量数据支撑的活动效果预期,增强商家采用该模式进行营销决策推广的信心,提高营销决策的针对性和有效性。