【摘要】：個(gè)性化營(yíng)銷策略的設(shè)計(jì)與優(yōu)化已經(jīng)成為電子商務(wù)企業(yè)滿足消費(fèi)者差異化需求、創(chuàng)新服務(wù)內(nèi)容、提高核心競(jìng)爭(zhēng)力的重要方向。網(wǎng)絡(luò)的無(wú)限可達(dá)性、實(shí)時(shí)性和激烈的競(jìng)爭(zhēng)環(huán)境為個(gè)性化營(yíng)銷策略的建模與優(yōu)化帶來(lái)了新的挑戰(zhàn)。分析電子商務(wù)環(huán)境下個(gè)性化營(yíng)銷的特征,研究并建立與應(yīng)用環(huán)境相適應(yīng)的個(gè)性化營(yíng)銷策略的優(yōu)化模型以及模型求解方法,對(duì)發(fā)展面向消費(fèi)者的新型電子商務(wù)模式,創(chuàng)新企業(yè)在線服務(wù)內(nèi)容,提高消費(fèi)者滿意度具有重要意義。 本文以個(gè)性化營(yíng)銷策略的建模與模型求解為研究主題,以智能優(yōu)化方法為建模或模型求解的工具,以吸引潛在消費(fèi)者、提高消費(fèi)者滿意度、實(shí)現(xiàn)收益最大化為目標(biāo),研究個(gè)性化產(chǎn)品推薦方法以及面向推薦產(chǎn)品的個(gè)性化促銷策略和價(jià)格策略的建模與優(yōu)化方法。主要研究思路如下：首先,利用蟻群優(yōu)化算法、關(guān)聯(lián)分類和證據(jù)理論等方法構(gòu)建消費(fèi)者需求和偏好模型,研究個(gè)性化產(chǎn)品的推薦方法和推薦產(chǎn)品的優(yōu)化方法；其次,構(gòu)建基于非線性混合整數(shù)規(guī)劃的個(gè)性化促銷策略優(yōu)化模型,研究并設(shè)計(jì)基于遺傳算法的模型求解方法,獲得吸引消費(fèi)者購(gòu)買推薦產(chǎn)品的最優(yōu)促銷策略；最后,建立個(gè)性化價(jià)格策略的非線性混合整數(shù)規(guī)劃模型,研究并設(shè)計(jì)基于啟發(fā)式算法的模型求解方法,得到吸引消費(fèi)者購(gòu)買推薦產(chǎn)品的最優(yōu)價(jià)格策略。本文的具體研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下： (1)單信息源的個(gè)性化產(chǎn)品推薦方法：提出了大規(guī)模營(yíng)銷數(shù)據(jù)的約簡(jiǎn)方法和同時(shí)優(yōu)化獲取效率、推薦精度以及推薦能力的推薦規(guī)則獲取方法。為了從大規(guī)模數(shù)據(jù)中構(gòu)建消費(fèi)者需求和偏好模型,本文首先利用蟻群優(yōu)化算法對(duì)數(shù)據(jù)規(guī)模進(jìn)行約簡(jiǎn)；然后,提出了一種基于β強(qiáng)關(guān)聯(lián)分類的推薦規(guī)則獲取方法,從約簡(jiǎn)后的營(yíng)銷數(shù)據(jù)中獲取消費(fèi)者的個(gè)性化需求。本文研究表明,基于蟻群優(yōu)化算法的特征選擇方法能夠有效約簡(jiǎn)營(yíng)銷數(shù)據(jù)的規(guī)模,為個(gè)性化產(chǎn)品推薦提供高質(zhì)量的數(shù)據(jù)源�；讦聫�(qiáng)關(guān)系的規(guī)則獲取方法在保證推薦精度的同時(shí),提高了規(guī)則的獲取效率和推薦能力。單信息源的個(gè)性化產(chǎn)品推薦方法能夠提高消費(fèi)者需求建模的效率和效果,是優(yōu)化個(gè)性化營(yíng)銷策略的基礎(chǔ)。 (2)多信息源的推薦產(chǎn)品融合與優(yōu)化：提出了沖突推薦規(guī)則的轉(zhuǎn)換與合成方法以及基于在線評(píng)論的推薦產(chǎn)品優(yōu)化方法。為了綜合利用不同信息源構(gòu)建個(gè)性化產(chǎn)品推薦的優(yōu)化模型,本文提出了將沖突規(guī)則轉(zhuǎn)換為推薦證據(jù)的推薦結(jié)果保留策略；然后,研究了證據(jù)合成中的融合效用悖論問(wèn)題,提出了基于證據(jù)理論的效用分析方法對(duì)推薦證據(jù)進(jìn)行合成：最后將在線評(píng)論集成到個(gè)性化推薦中,通過(guò)預(yù)測(cè)消費(fèi)者的用后滿意度,對(duì)個(gè)性化產(chǎn)品推薦的結(jié)果進(jìn)行優(yōu)化。本文研究表明,沖突推薦規(guī)則的轉(zhuǎn)換和合成方法能夠有效地保留并利用多信息源中不一致的推薦結(jié)果,結(jié)合推薦問(wèn)題的差異和決策者的經(jīng)驗(yàn)得到更加合理的推薦產(chǎn)品集合�；谠诰�評(píng)論的消費(fèi)者滿意度預(yù)測(cè)方法能夠推薦消費(fèi)者真正滿意的產(chǎn)品,優(yōu)化個(gè)性化產(chǎn)品推薦的結(jié)果。 (3)面向推薦產(chǎn)品的個(gè)性化促銷策略建模與優(yōu)化：提出了促銷產(chǎn)品及其替代品、互補(bǔ)品和獨(dú)立品的促銷收益計(jì)算方法,構(gòu)建了促銷推薦優(yōu)化模型,設(shè)計(jì)了基于遺傳算法的模型求解方法。為了以促銷策略吸引消費(fèi)者購(gòu)買推薦的產(chǎn)品,本文以促銷收益最大化為目標(biāo),研究了基于非線性混合整數(shù)規(guī)劃方法的促銷折扣和推薦產(chǎn)品綜合優(yōu)化模型和基于遺傳算法的模型求解方法。本文研究表明,企業(yè)在促銷活動(dòng)中只有將價(jià)格折扣與產(chǎn)品推薦相結(jié)合才能取得最優(yōu)的促銷收益。促銷推薦優(yōu)化模型能夠利用促銷產(chǎn)品的價(jià)格折扣和個(gè)性化推薦策略吸引消費(fèi)者購(gòu)買推薦的產(chǎn)品,最大化企業(yè)的促銷收益。 (4)面向推薦產(chǎn)品的個(gè)性化價(jià)格策略建模與優(yōu)化：提出了消費(fèi)者實(shí)時(shí)性和多階段性在線購(gòu)買決策的建模方法,構(gòu)建了在線動(dòng)態(tài)捆綁定價(jià)模型,設(shè)計(jì)了基于啟發(fā)式算法的模型求解方法。為了以價(jià)格策略吸引消費(fèi)者購(gòu)買推薦的產(chǎn)品,本文在綜合考慮消費(fèi)者需求、消費(fèi)者節(jié)省和企業(yè)利潤(rùn)的基礎(chǔ)上,以企業(yè)利潤(rùn)最大化為目標(biāo),研究了基于非線性混合整數(shù)規(guī)劃方法的在線動(dòng)態(tài)捆綁定價(jià)模型(ODBP模型)和基于啟發(fā)式算法的模型求解方法。本文研究表明,ODBP模型能夠吸引消費(fèi)者購(gòu)買更多的推薦產(chǎn)品,為企業(yè)帶來(lái)最大化的利潤(rùn)；基于啟發(fā)式算法的模型求解方法能夠?qū)δＰ瓦M(jìn)行快速求解,滿足網(wǎng)絡(luò)環(huán)境實(shí)時(shí)性的要求。ODBP模型的提出擴(kuò)展了網(wǎng)絡(luò)環(huán)境下個(gè)性化價(jià)格策略建模與優(yōu)化的研究思路。 基于UCI數(shù)據(jù)庫(kù)的數(shù)據(jù)分析和基于亞馬遜網(wǎng)站的實(shí)驗(yàn)表明,本文提出的優(yōu)化模型及模型求解方法能夠從大規(guī)模數(shù)據(jù)中高效地構(gòu)建消費(fèi)者需求和偏好模型,有效融合了多信息源的推薦結(jié)果,優(yōu)化了個(gè)性化產(chǎn)品的推薦決策,滿足了消費(fèi)者的個(gè)性化需求；能夠幫助電子商務(wù)企業(yè)制定準(zhǔn)確的個(gè)性化促銷策略和價(jià)格策略,以吸引消費(fèi)者購(gòu)買推薦產(chǎn)品,實(shí)現(xiàn)企業(yè)利潤(rùn)最大化。 本文成果擴(kuò)展了個(gè)性化營(yíng)銷策略的研究思路,豐富了個(gè)性化營(yíng)銷策略建模與求解的方法體系,為個(gè)性化營(yíng)銷策略的建模與優(yōu)化提供了較為系統(tǒng)的解決方案。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2011
【分類號(hào)】：F713.5;F224;F713.36

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 楊善林,劉業(yè)政,李亞飛;基于Rough Sets理論的證據(jù)獲取與合成方法[J];管理科學(xué)學(xué)報(bào);2005年05期

2 苗奪謙,胡桂榮;知識(shí)約簡(jiǎn)的一種啟發(fā)式算法[J];計(jì)算機(jī)研究與發(fā)展;1999年06期

3 王海軍;孫寶元;張強(qiáng);王吉軍;魏小鵬;;支持個(gè)性化產(chǎn)品定制的變型配置設(shè)計(jì)方法[J];機(jī)械工程學(xué)報(bào);2006年01期

4 苗奪謙,王玨;粗糙集理論中概念與運(yùn)算的信息表示[J];軟件學(xué)報(bào);1999年02期

5 劉業(yè)政;姜元春;林文龍;;基于模糊距離和神經(jīng)網(wǎng)絡(luò)的自適應(yīng)群決策方法[J];系統(tǒng)工程學(xué)報(bào);2008年01期

6 梁昌勇,陳增明,黃永青,童建軍;Dempster-Shafer合成法則悖論的一種消除方法[J];系統(tǒng)工程理論與實(shí)踐;2005年03期

7 劉業(yè)政;姜元春;張結(jié)魁;;證據(jù)信度的效用分析[J];系統(tǒng)工程理論與實(shí)踐;2008年03期

8 張所地,王拉娣;DEMPTER-SHAFER合成法則的悖論[J];系統(tǒng)工程理論與實(shí)踐;1997年05期

，

本文編號(hào)：2651285