移動優(yōu)惠券使用行為影響因素分析研究
發(fā)布時間:2020-12-09 18:39
隨著O2O(Online To Offline)商業(yè)模式進入快速發(fā)展階段,移動優(yōu)惠券作為吸引客戶在線支付的優(yōu)惠手段引起了學者和業(yè)界關注。已有眾多論文分析了移動優(yōu)惠券使用意愿的影響因素,然而多數(shù)學者僅關注了用戶特征,忽略了商戶特征、優(yōu)惠券特征。目前許多商業(yè)網(wǎng)站可以記錄商戶、用戶、優(yōu)惠券等相關信息。對于移動優(yōu)惠券研究來講,研究的不再是隨機樣本而是全體數(shù)據(jù),并且可以從多個特征角度來研究其使用行為,這樣準確性會更高實用性也會增強;诖,本研究運用機器學習中的算法及模型對移動優(yōu)惠券數(shù)據(jù)集的消費記錄進行探索。結合國內(nèi)外相關研究的文獻綜述,從用戶特征、商戶特征、用戶商戶組合特征、優(yōu)惠券特征、其他特征角度出發(fā)嘗試構建顧客領取移動優(yōu)惠券后是否使用的預測模型和移動優(yōu)惠券的生存分析模型。根據(jù)實驗結果探究移動優(yōu)惠券使用行為的影響因素。本研究的貢獻在于從多個特征角度探究移動優(yōu)惠券使用行為的影響因素,并且將生存分析模型引入到移動優(yōu)惠券使用壽命研究。研究結果顯示商戶特征、優(yōu)惠券特征顯著影響移動優(yōu)惠券使用與否行為;用戶商戶組合特征、用戶特征及其他特征對移動優(yōu)惠券使用與否行為有影響,但影響較小;商戶特征對移動優(yōu)惠券使...
【文章來源】:蘭州財經(jīng)大學甘肅省
【文章頁數(shù)】:59 頁
【學位級別】:碩士
【部分圖文】:
特征重要性得分折線圖
圖 3.2 特征重要性得分柱狀圖圖 3.2 可知前十六個特征分別是:該商戶歷史銷售商品的總數(shù)、該商戶券的使用率、該商戶歷史發(fā)放優(yōu)惠券的總數(shù)、折扣率、領券時間和特征
圖 3.3 特征得分餅狀圖由圖 3.3 可知,特征得分占比最大的是商戶特征,占 38%,比所占其他特征多出兩倍,而優(yōu)惠券特征所占比例居于第二,占 26%,用戶征、用戶特征及其他特征占比較小。由此可得商戶特征顯著影響移動
【參考文獻】:
期刊論文
[1]高海拔典型環(huán)境下電能表誤差與環(huán)境影響因素研究[J]. 鄭江,陳龍,袁衛(wèi),董世芳,伍應衡,張力平. 電測與儀表. 2019(09)
[2]基于隨機森林特征選擇的城市綠化喬木樹種分類[J]. 溫小樂,鐘奧,胡秀娟. 地球信息科學學報. 2018(12)
[3]基于COX模型的新生代農(nóng)民工就業(yè)流動意愿影響因素研究——來自廣東的經(jīng)驗數(shù)據(jù)[J]. 李楠,張建武,趙勛. 西北人口. 2019(01)
[4]基于XGBoost特征選擇的幕課翹課指數(shù)建立及應用[J]. 宋國琴,劉斌. 電子科技大學學報. 2018(06)
[5]基于隨機森林算法的耕地面積預測及影響因素重要性分析——以甘肅省慶陽市為例[J]. 王全喜,孫鵬舉,劉學錄,李尚澤,高建存. 水土保持通報. 2018(05)
[6]采空區(qū)煤自燃預測的隨機森林方法[J]. 鄧軍,雷昌奎,曹凱,馬礪,王彩萍,翟小偉. 煤炭學報. 2018(10)
[7]新創(chuàng)高科技企業(yè)聲譽對其風險投資獲得時間的影響——基于Cox比例風險模型的實證分析[J]. 張春香,張百舸. 技術經(jīng)濟與管理研究. 2018(09)
[8]基于大數(shù)據(jù)分析的煤礦安全風險預測系統(tǒng)研究[J]. 郜彤,劉傳安. 煤炭工程. 2018(07)
[9]基于EEMD-LSTM-Adaboost的商品價格預測[J]. 邸浩,趙學軍,張自力. 統(tǒng)計與決策. 2018(13)
[10]基于懲罰組變量選擇的COX財務危機預警模型[J]. 王小燕,袁欣. 系統(tǒng)工程. 2018(03)
博士論文
[1]基于社會化媒體營銷的移動優(yōu)惠券用戶行為及應用研究[D]. 湯慶.華中科技大學 2015
碩士論文
[1]基于大數(shù)據(jù)分析的智能電表故障預測技術研究[D]. 范少華.北京郵電大學 2018
[2]移動優(yōu)惠券用戶持續(xù)使用意愿影響研究[D]. 王玉平.杭州電子科技大學 2018
[3]Adaboost算法的改進及應用[D]. 張貞貞.蘭州大學 2017
[4]面向移動應用的電子優(yōu)惠券隱私保護研究[D]. 夏宇.沈陽師范大學 2017
[5]感知價值和個人特征對移動優(yōu)惠券使用的影響研究[D]. 張惠麗.華中科技大學 2016
[6]移動優(yōu)惠券用戶采納因素實證研究[D]. 陳盈.北京郵電大學 2013
本文編號:2907308
【文章來源】:蘭州財經(jīng)大學甘肅省
【文章頁數(shù)】:59 頁
【學位級別】:碩士
【部分圖文】:
特征重要性得分折線圖
圖 3.2 特征重要性得分柱狀圖圖 3.2 可知前十六個特征分別是:該商戶歷史銷售商品的總數(shù)、該商戶券的使用率、該商戶歷史發(fā)放優(yōu)惠券的總數(shù)、折扣率、領券時間和特征
圖 3.3 特征得分餅狀圖由圖 3.3 可知,特征得分占比最大的是商戶特征,占 38%,比所占其他特征多出兩倍,而優(yōu)惠券特征所占比例居于第二,占 26%,用戶征、用戶特征及其他特征占比較小。由此可得商戶特征顯著影響移動
【參考文獻】:
期刊論文
[1]高海拔典型環(huán)境下電能表誤差與環(huán)境影響因素研究[J]. 鄭江,陳龍,袁衛(wèi),董世芳,伍應衡,張力平. 電測與儀表. 2019(09)
[2]基于隨機森林特征選擇的城市綠化喬木樹種分類[J]. 溫小樂,鐘奧,胡秀娟. 地球信息科學學報. 2018(12)
[3]基于COX模型的新生代農(nóng)民工就業(yè)流動意愿影響因素研究——來自廣東的經(jīng)驗數(shù)據(jù)[J]. 李楠,張建武,趙勛. 西北人口. 2019(01)
[4]基于XGBoost特征選擇的幕課翹課指數(shù)建立及應用[J]. 宋國琴,劉斌. 電子科技大學學報. 2018(06)
[5]基于隨機森林算法的耕地面積預測及影響因素重要性分析——以甘肅省慶陽市為例[J]. 王全喜,孫鵬舉,劉學錄,李尚澤,高建存. 水土保持通報. 2018(05)
[6]采空區(qū)煤自燃預測的隨機森林方法[J]. 鄧軍,雷昌奎,曹凱,馬礪,王彩萍,翟小偉. 煤炭學報. 2018(10)
[7]新創(chuàng)高科技企業(yè)聲譽對其風險投資獲得時間的影響——基于Cox比例風險模型的實證分析[J]. 張春香,張百舸. 技術經(jīng)濟與管理研究. 2018(09)
[8]基于大數(shù)據(jù)分析的煤礦安全風險預測系統(tǒng)研究[J]. 郜彤,劉傳安. 煤炭工程. 2018(07)
[9]基于EEMD-LSTM-Adaboost的商品價格預測[J]. 邸浩,趙學軍,張自力. 統(tǒng)計與決策. 2018(13)
[10]基于懲罰組變量選擇的COX財務危機預警模型[J]. 王小燕,袁欣. 系統(tǒng)工程. 2018(03)
博士論文
[1]基于社會化媒體營銷的移動優(yōu)惠券用戶行為及應用研究[D]. 湯慶.華中科技大學 2015
碩士論文
[1]基于大數(shù)據(jù)分析的智能電表故障預測技術研究[D]. 范少華.北京郵電大學 2018
[2]移動優(yōu)惠券用戶持續(xù)使用意愿影響研究[D]. 王玉平.杭州電子科技大學 2018
[3]Adaboost算法的改進及應用[D]. 張貞貞.蘭州大學 2017
[4]面向移動應用的電子優(yōu)惠券隱私保護研究[D]. 夏宇.沈陽師范大學 2017
[5]感知價值和個人特征對移動優(yōu)惠券使用的影響研究[D]. 張惠麗.華中科技大學 2016
[6]移動優(yōu)惠券用戶采納因素實證研究[D]. 陳盈.北京郵電大學 2013
本文編號:2907308
本文鏈接:http://sikaile.net/jingjilunwen/guojimaoyilunwen/2907308.html
最近更新
教材專著