信息技術(shù)的高速發(fā)展,使得消費者在各在線交易平臺中進行序貫搜索和選擇所產(chǎn)生的行為數(shù)據(jù)呈爆炸式增長,同時,在線平臺利用信息技術(shù)收集消費者行為數(shù)據(jù)的能力也大幅增強。因而,如何根據(jù)消費者序列的行為信息挖掘其潛在的興趣和選擇意向,從而為企業(yè)在市場競爭中提高消費者忠誠度、吸引新的消費群體提供技術(shù)支撐具有重要的理論意義和實踐價值。然而,現(xiàn)有關(guān)于消費者選擇行為意向的研究大多從消費者歷史選擇行為信息進行展開,從而忽視了反映消費者潛在興趣和偏好的序貫搜索行為信息,導(dǎo)致對消費者行為分析的結(jié)果不具有充足的實時性和動態(tài)性。因此,基于消費者序列的搜索行為信息分析其潛在的選擇行為意向研究已然成為消費者行為領(lǐng)域及營銷領(lǐng)域關(guān)注的焦點。為更加精準地對消費者序列選擇行為進行建模并將其應(yīng)用于管理實踐,本研究分別從序貫搜索和多樣性尋求兩個視角出發(fā),采用序貫搜索理論、考慮集理論、多樣性尋求理論及晝夜節(jié)律理論,通過建立考慮各種因素的消費者隨機序列選擇模型,并使用數(shù)據(jù)挖掘及計算機模擬仿真等技術(shù),分別設(shè)計兩兩關(guān)系平行的四個子研究,以便有效探討如何根據(jù)消費者序列選擇行為信息準確分析其未來的行為意向。研究一利用序貫搜索和信息融合理論、采用... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：156 頁

【學(xué)位級別】：博士

【部分圖文】：

圖３－１備選車型的效用分布Ｐ（Ｕ）??Ｆｉｇｕｒｅ?３－?１?Ｕｔｉｌｉｔｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?Ｐ（Ｕ）?ｏｆ?ａｌｔｅｒｎａｔｉｖｅ?ｍｏｄｅｌｓ??

０２５?３．９２４?３．４５?１?３．４２４??哈佛?Ｈ６ｃｏｕｐｃ?５?４．１３９?４．４５３?４．０３９?３．７５８?３．６３９?３．１７?３．１３９??？?？??＊?？?？??４?５９４?－?．?？?’?，??？?＊?＾??＾？一：一４??二？?？人？？??一?？?？“，?ｍ．??昍?，Ｍｅｔｈｏｄ??＾４？〇－?：?＊?？?？?？?？?？麵用??（５Ｓ８－??０?２５０００?５００００?７５０００?１０ＯＯＯＣ??仿翼次撾??圖３－２兩種策略的仿真結(jié)果９??Ｆｉｇｕｒｅ?３－２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｔｏｗ?ｓｔｒａｔｅｇｙ??９圖中直線是使用了線性擬合后的結(jié)果，主要用于突出表達兩種策略的總體效果的高低。保留效用??策略：本文提出的保留效用策略；預(yù)期效用策略：即是當(dāng)出現(xiàn)比剩下所有備選項的期望效用大的結(jié)??果時，停止搜索。保留效用和預(yù)期效用的排序剛好相同，是因為每輛車的評分數(shù)據(jù)分布很相似。??４７??

?第四章序貫搜素約束下的序列選擇糢型研究???對原始數(shù)據(jù)集進行上述處理后，最終形成一個研究數(shù)據(jù)集，該數(shù)據(jù)集包含３３８個消??費者完成的５５５次完整的搜索－選擇會話，共有２５２個產(chǎn)品被購買，共有７４３７次搜索，??被搜索的產(chǎn)品數(shù)量為１２６４，單個購買會話里搜索產(chǎn)品的平均數(shù)量為１３．４個，詳細分布??請見圖４－２。消費者購買次數(shù)的分布統(tǒng)計情況如表４－２所示，該表顯示只有一次完整購??物會話的用戶占總用戶數(shù)的６７．７８％。數(shù)據(jù)集所有變量的描述性統(tǒng)計信息見表（４－３）。??０１０?■??０?０８??０?０６?八??０?０４?－?／?＼??〇〇２?■??〇〇〇?Ｊ?ＩＢｌＨＩＩＩＩ８ｌ�。欤欤欤欤欤椋颍颍椋椋颍椋�；?Ｉ?ｌ－Ｕ－?１?■?ｆｊ?．?ｉｔ．?１?．??０?２０?４０?６０?８０?１００??圖４－?２單個購買會話里搜索產(chǎn)品數(shù)ｍ分布圖??Ｆｉｇｕｒｅ４－２?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｓｅａｒｃｈ?ｐｒｏｄｕｃｔｓ?ｉｎ?ａ?ｓｉｎｇｌｅ?ｐｕｒｃｈａｓｅ?ｓｅｓｓｉｏｎ??表４－３所有變量的描述性統(tǒng)計??Ｔａｂｌｅ?４－?３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｃｏｎｓｕｍｅｒ?ｐｕｒｃｈａｓｅｓ??變量?最大值?最小值?均值?樣本量??屬性?１?３?１?１４５?１２６４??屬性?２?３?１?１．４７?１２６４??屬性?３?３?１?１．６６?１２６４??好評率?〗?０?０．８６?７４３７??評論數(shù)：大于５０?１?０?０．６０?７４３７??易訪問性?Ａｃｃｅｓｓｉｂｉｌｉｔｙ：??１?０?０．４８?７４３７??銷量（標(biāo)準化）??會員等

【參考文獻】：
期刊論文
[1]基于Vague集理論的推薦系統(tǒng)中用戶興趣度的描述[J]. 崔春生.  系統(tǒng)工程理論與實踐. 2017(03)
[2]基于多屬性效用的協(xié)同過濾推薦系統(tǒng)[J]. 鄧峰,張永安.  計算機應(yīng)用. 2015(07)
[3]一種Web用戶訪問路徑的可能性模糊聚類算法[J]. 于洪,羅虎.  小型微型計算機系統(tǒng). 2012(01)
[4]基于點擊流的頻繁模式聚類算法研究[J]. 李楊,檀柏紅.  天津科技大學(xué)學(xué)報. 2011(03)



本文編號：3295414