電子商務(wù)業(yè)高速發(fā)展過程也伴隨著一些“不和諧”現(xiàn)象,諸如產(chǎn)品售后服務(wù)、產(chǎn)品描述與實(shí)際差異等顧客面臨的困惑。同時(shí)還存在著一些電商企業(yè)需要應(yīng)對(duì)的問題,其中如何有效識(shí)別“黃�！毙袨椋▽�(duì)網(wǎng)絡(luò)上高性價(jià)比的產(chǎn)品進(jìn)行大量搶購(gòu),轉(zhuǎn)手獲取差額利潤(rùn)）,使真實(shí)顧客獲得優(yōu)惠、提升客戶滿意度是一個(gè)亟待解決的難點(diǎn)。因此,本文分別從兩個(gè)方面對(duì)該問題進(jìn)行剖析和研究:一為電商黃牛辨識(shí)問題,現(xiàn)有相關(guān)理論研究幾乎為空白,因此首先提出從消費(fèi)商品種類多樣性（Diversity）、消費(fèi)頻率（Frequency）和購(gòu)買商品數(shù)量（Quantity）三個(gè)角度對(duì)電商黃牛與正常顧客的行為差異進(jìn)行分析,然后構(gòu)建辨識(shí)指標(biāo)體系;然后依據(jù)真實(shí)數(shù)據(jù),構(gòu)建不同辨識(shí)模型并進(jìn)行性能比較;二為從顧客角度出發(fā),將受黃牛搶購(gòu)影響的商品對(duì)正常顧客進(jìn)行個(gè)性化推薦,改善其購(gòu)物體驗(yàn),并對(duì)傳統(tǒng)的基于矩陣分解的LFM（Latent Factor Model）推薦算法進(jìn)行優(yōu)化研究,提高其推薦精度。因此,論文主要研究?jī)?nèi)容如下:（1）針對(duì)近年來困擾電商平臺(tái)的黃牛辨識(shí)問題,本文進(jìn)行了系統(tǒng)建模研究并通過實(shí)驗(yàn)驗(yàn)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(gòu)買行為差異,構(gòu)... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

電子商務(wù)交易總額及增長(zhǎng)率

中國(guó)網(wǎng)上零售交易規(guī)模增長(zhǎng)趨勢(shì)

正常顧客效用曲線圖

【參考文獻(xiàn)】：
期刊論文
[1]基于客戶細(xì)分和AdaBoost的電子商務(wù)客戶流失預(yù)測(cè)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(gòu)建[J]. 王鳳蓮,謝榮見.  統(tǒng)計(jì)與決策. 2017(05)
[3]基于瀏覽器指紋技術(shù)的預(yù)防黃牛黨掛號(hào)系統(tǒng)[J]. 姚全珠,蔣鵬飛,顏麗菁,周紅芳.  計(jì)算機(jī)應(yīng)用. 2016(S2)
[4]電子產(chǎn)品銷售中網(wǎng)絡(luò)“黃�！钡姆芍卫韀J]. 徐游,鹿露,張琳,李莎.  經(jīng)營(yíng)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(jì)算機(jī)應(yīng)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(jì)算機(jī)應(yīng)用. 2015(S2)
[7]基于Hankel矩陣的復(fù)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(guó)電機(jī)工程學(xué)報(bào). 2015(07)
[8]基于隨機(jī)梯度矩陣分解的社會(huì)網(wǎng)絡(luò)推薦算法[J]. 李衛(wèi)平,楊杰.  計(jì)算機(jī)應(yīng)用研究. 2014(06)
[9]融合奇異值分解和動(dòng)態(tài)轉(zhuǎn)移鏈的學(xué)術(shù)資源推薦模型(英文)[J]. 羅鐵堅(jiān),程福興,周佳.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2014(02)
[10]融合鄰域模型與隱語義模型的推薦算法[J]. 魯權(quán),王如龍,張錦,丁怡.  計(jì)算機(jī)工程與應(yīng)用. 2013(19)

碩士論文
[1]綜合過采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究[D]. 閆欣.東北電力大學(xué) 2016
[2]基于鄰域粗糙集的增量學(xué)習(xí)算法研究及其在客戶分類上的應(yīng)用[D]. 申雪芬.太原理工大學(xué) 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(shí)現(xiàn)[D]. 魯權(quán).湖南大學(xué) 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(xué) 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(xué) 2013
[6]非負(fù)矩陣分解與聚類方法在個(gè)性化推薦系統(tǒng)中的應(yīng)用研究[D]. 范敏敏.華東交通大學(xué) 2012



本文編號(hào)：3557738