【摘要】：電商網(wǎng)站每天服務(wù)于億萬的用戶,人們在淘寶、京東、當(dāng)當(dāng)?shù)入娚唐脚_消費(fèi)購物的同時,會產(chǎn)生海量的數(shù)據(jù)資料,從中挖掘出潛在的價值便具有重大的意義,合理地利用這些數(shù)據(jù)可以為用戶帶來更好的消費(fèi)體驗(yàn)。本文以某電商平臺脫敏處理后的某一時段真實(shí)用戶、商品和行為數(shù)據(jù)為研究對象,結(jié)合數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)分類算法,主要研究工作如下:(1)電商用戶消費(fèi)行為數(shù)據(jù)的特征工程研究。重點(diǎn)研究了數(shù)據(jù)預(yù)處理、特征分析、特征構(gòu)建和特征選擇等技術(shù),挖掘出用戶的復(fù)購行為特點(diǎn),構(gòu)造統(tǒng)計(jì)特征、衍生特征和行為衰減等特征,將原始數(shù)據(jù)轉(zhuǎn)化為高維可訓(xùn)練的有效樣本數(shù)據(jù),并結(jié)合相關(guān)系數(shù)和隨機(jī)森林選擇出影響用戶復(fù)購行為重要性前10的數(shù)據(jù)特征。(2)分類模型的對比研究。從傳統(tǒng)用戶-商品的角度出發(fā),結(jié)合機(jī)器學(xué)習(xí)中的分類算法,選取了常用的邏輯斯蒂回歸、Xgboost和支持向量機(jī)構(gòu)建出三種預(yù)測模型,通過交叉驗(yàn)證和網(wǎng)格搜索的方式對模型的訓(xùn)練參數(shù)進(jìn)行調(diào)優(yōu),對比結(jié)果發(fā)現(xiàn)基于Xgboost算法的模型預(yù)測效果要優(yōu)于其他模型。(3)模型融合方法的研究。通過對模型融合的思想和方法研究,本文使用Soft-Voting方法實(shí)現(xiàn)預(yù)測模型的融合,經(jīng)過實(shí)驗(yàn)結(jié)果論證,融合后模型相較融合前預(yù)測精度提升3%左右。本文研究以數(shù)據(jù)為驅(qū)動,針對電商用戶的復(fù)購行為進(jìn)行預(yù)測研究,從用戶-商品和用戶-商品品類兩種角度分析構(gòu)建特征,并提出了一種將用戶-商品角度下(U-I)預(yù)測模型和用戶-商品品類角度下(U-C)預(yù)測模型進(jìn)行融合的方案,有效解決了單一角度模型數(shù)據(jù)敏感且易過擬合問題,可應(yīng)用于電商業(yè)務(wù)場景,幫助電商平臺實(shí)現(xiàn)精準(zhǔn)營銷,提高用戶留存率。
【學(xué)位授予單位】：杭州師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM73
【圖文】：

圖 1.1 邏輯框架圖1.5 研究創(chuàng)新點(diǎn)根據(jù)前面對國內(nèi)外學(xué)者的研究現(xiàn)狀評述中發(fā)現(xiàn)的問題，本文研究的創(chuàng)新點(diǎn)主要有以下三個方面：第一，本研究解決了電商用戶的復(fù)購行為預(yù)測問題，深度分析和細(xì)化了電商用戶的購買行為，其現(xiàn)實(shí)意義在于提高用戶的留存率，實(shí)現(xiàn)了對該方向的探索性研究。而用戶的留存率增長可以帶來企業(yè)利潤的極大增加，促進(jìn)企業(yè)的快速成長，增加現(xiàn)有用戶轉(zhuǎn)化為忠誠用戶的可能性。第二，創(chuàng)新性地從用戶-商品品類的角度出發(fā)構(gòu)建和選擇特征，通過與用戶-商品角度下構(gòu)建的模型進(jìn)行融合，解決了單一角度模型的數(shù)據(jù)敏感與易過擬合問題，提高了模型的預(yù)測精度與魯棒性。傳統(tǒng)研究使用實(shí)證研究方法，即基于現(xiàn)有理論進(jìn)行假設(shè)，并加以驗(yàn)證，而本研究結(jié)合了數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)算法，實(shí)

提取出更為重要的特征，因此需要對數(shù)據(jù)集進(jìn)行特間表中將異常數(shù)據(jù)查詢出并刪除。我們無法通過這些重復(fù)數(shù)數(shù)據(jù)來有效地預(yù)測出用戶的復(fù)購行為，如果不去處理，會導(dǎo)致很大，同時也會影響模型的預(yù)測效果。異常數(shù)據(jù)處理。刪除缺省值后，我們還需要進(jìn)一步提取出有戶。通過查看數(shù)據(jù)集，發(fā)現(xiàn)存在購買記錄為 0 的用戶，這些用預(yù)測用戶的復(fù)購行為。同時，通過對數(shù)據(jù)集的簡單查詢分析購買數(shù)的情況，那么我們理解這些數(shù)據(jù)可能有三種情況，一是幫他人代付款，三是用戶通過朋友發(fā)來的鏈接直接下單。對于認(rèn)為是屬于異常數(shù)據(jù)，因?yàn)橛脩艨赡軟]有瀏覽行為，可能沒有為，但是不會沒有點(diǎn)擊商品的行為。為了保證模型預(yù)測的效行為很多而購買行為很少的異常數(shù)據(jù)，因?yàn)檫@可能是惰性用戶的異常數(shù)據(jù)。數(shù)據(jù)集中缺失值、重復(fù)數(shù)據(jù)和異常數(shù)據(jù)分布如

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 舒方;馬少輝;;客戶重復(fù)購買的組合預(yù)測方法[J];計(jì)算機(jī)與現(xiàn)代化;2015年05期

2 杜剛;黃震宇;;大數(shù)據(jù)環(huán)境下客戶購買行為預(yù)測[J];管理現(xiàn)代化;2015年01期

3 肇丹丹;;基于SEM的消費(fèi)者網(wǎng)購再惠顧意愿度量分析[J];統(tǒng)計(jì)與決策;2014年01期

4 趙伊娜;;基于感知風(fēng)險理論的消費(fèi)者網(wǎng)絡(luò)購買行為分析[J];商業(yè)時代;2013年13期

5 陳潔;謝文昕;楊升榮;;在線渠道消費(fèi)者動態(tài)品牌選擇購買率預(yù)測[J];工業(yè)工程與管理;2011年03期

6 易法敏;范高峰;;消費(fèi)者購買意愿對網(wǎng)上購物行為影響的實(shí)證研究——以廣州市高校大學(xué)生為例[J];海南大學(xué)學(xué)報(人文社會科學(xué)版);2010年05期

7 朱閣;馬龍;Sangwan Sunanda;呂廷杰;;基于社會認(rèn)知理論的消費(fèi)者采用模型與實(shí)證研究[J];南開管理評論;2010年03期

8 黃聰;王東;;基于RFM分析模式與馬爾可夫鏈的客戶行為預(yù)測模型研究[J];情報雜志;2009年S2期

相關(guān)博士學(xué)位論文 前2條

1 羅勝;電子商務(wù)環(huán)境下化妝品消費(fèi)者沖動性購買行為研究[D];華南理工大學(xué);2018年

2 熊曉元;基于互動和感知理論的網(wǎng)絡(luò)重購行為研究[D];西南交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 洪碩;旅游移動電商環(huán)境下的游客購買決策影響因素研究[D];廣西師范大學(xué);2018年

2 周成驥;基于機(jī)器學(xué)習(xí)的商品購買行為預(yù)測模型設(shè)計(jì)[D];廣州大學(xué);2018年

3 丁一楠;基于深度學(xué)習(xí)的消費(fèi)者行為分析及應(yīng)用研究[D];重慶工商大學(xué);2018年

4 李日旭;網(wǎng)購生鮮農(nóng)產(chǎn)品中感知風(fēng)險對購買意愿的影響研究[D];哈爾濱工業(yè)大學(xué);2017年

5 曾憲宇;電商用戶消費(fèi)行為預(yù)測與心理建模方法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 劉柏鱗;基于客戶網(wǎng)絡(luò)購物行為分析及預(yù)測系統(tǒng)研究[D];北京工業(yè)大學(xué);2016年

7 顧海斌;基于大規(guī)模電商數(shù)據(jù)的用戶消費(fèi)行為分析方法研究[D];吉林大學(xué);2016年

8 張延靜;網(wǎng)上節(jié)日促銷中顧客感知價值、顧客滿意與顧客網(wǎng)購行為關(guān)系研究[D];青島理工大學(xué);2014年

9 徐雪楓;網(wǎng)絡(luò)消費(fèi)者購物決策行為影響因素的實(shí)證研究[D];東北財經(jīng)大學(xué);2012年

10 黃茜;經(jīng)濟(jì)型酒店顧客重復(fù)購買行為影響因素實(shí)證研究[D];湖北大學(xué);2011年

本文編號：2739242