發(fā)布時間：2021-12-30 07:27

　　電子商務業(yè)高速發(fā)展過程也伴隨著一些“不和諧”現(xiàn)象,諸如產品售后服務、產品描述與實際差異等顧客面臨的困惑。同時還存在著一些電商企業(yè)需要應對的問題,其中如何有效識別“黃牛”行為（對網絡上高性價比的產品進行大量搶購,轉手獲取差額利潤）,使真實顧客獲得優(yōu)惠、提升客戶滿意度是一個亟待解決的難點。因此,本文分別從兩個方面對該問題進行剖析和研究:一為電商黃牛辨識問題,現(xiàn)有相關理論研究幾乎為空白,因此首先提出從消費商品種類多樣性（Diversity）、消費頻率（Frequency）和購買商品數量（Quantity）三個角度對電商黃牛與正常顧客的行為差異進行分析,然后構建辨識指標體系;然后依據真實數據,構建不同辨識模型并進行性能比較;二為從顧客角度出發(fā),將受黃牛搶購影響的商品對正常顧客進行個性化推薦,改善其購物體驗,并對傳統(tǒng)的基于矩陣分解的LFM（Latent Factor Model）推薦算法進行優(yōu)化研究,提高其推薦精度。因此,論文主要研究內容如下:（1）針對近年來困擾電商平臺的黃牛辨識問題,本文進行了系統(tǒng)建模研究并通過實驗驗證了所提方法有效性。首先從DFQ視角分析正常顧客和電商黃牛的購買行為差異,構... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數】：60 頁

【學位級別】：碩士

【部分圖文】：

電子商務交易總額及增長率

中國網上零售交易規(guī)模增長趨勢

正常顧客效用曲線圖

【參考文獻】：
期刊論文
[1]基于客戶細分和AdaBoost的電子商務客戶流失預測研究[J]. 武小軍,孟蘇芳.  工業(yè)工程. 2017(02)
[2]顧客滿意度效用決策模型的構建[J]. 王鳳蓮,謝榮見.  統(tǒng)計與決策. 2017(05)
[3]基于瀏覽器指紋技術的預防黃牛黨掛號系統(tǒng)[J]. 姚全珠,蔣鵬飛,顏麗菁,周紅芳.  計算機應用. 2016(S2)
[4]電子產品銷售中網絡“黃�！钡姆芍卫韀J]. 徐游,鹿露,張琳,李莎.  經營管理者. 2016(12)
[5]基于信任和概率矩陣分解的協(xié)同推薦算法研究[J]. 鄭修猛,陳福才,柯麗虹.  計算機應用研究. 2016(11)
[6]基于用戶偏好的矩陣分解推薦算法[J]. 劉慧婷,陳艷,肖慧慧.  計算機應用. 2015(S2)
[7]基于Hankel矩陣的復小波–奇異值分解法提取局部放電特征信息[J]. 唐炬,董玉林,樊雷,李莉蘋.  中國電機工程學報. 2015(07)
[8]基于隨機梯度矩陣分解的社會網絡推薦算法[J]. 李衛(wèi)平,楊杰.  計算機應用研究. 2014(06)
[9]融合奇異值分解和動態(tài)轉移鏈的學術資源推薦模型(英文)[J]. 羅鐵堅,程福興,周佳.  中國科學院大學學報. 2014(02)
[10]融合鄰域模型與隱語義模型的推薦算法[J]. 魯權,王如龍,張錦,丁怡.  計算機工程與應用. 2013(19)

碩士論文
[1]綜合過采樣和欠采樣的不平衡數據集的學習研究[D]. 閆欣.東北電力大學 2016
[2]基于鄰域粗糙集的增量學習算法研究及其在客戶分類上的應用[D]. 申雪芬.太原理工大學 2014
[3]基于協(xié)同過濾模型與隱語義模型的推薦系統(tǒng)研究與實現(xiàn)[D]. 魯權.湖南大學 2013
[4]基于矩陣分解的協(xié)同過濾推薦算法研究[D]. 張川.吉林大學 2013
[5]基于用戶行為分析的P2P流媒體推薦系統(tǒng)研究[D]. 馮曉龍.北京交通大學 2013
[6]非負矩陣分解與聚類方法在個性化推薦系統(tǒng)中的應用研究[D]. 范敏敏.華東交通大學 2012



本文編號：3557738