信息技術(shù)的高速發(fā)展,使得消費(fèi)者在各在線(xiàn)交易平臺(tái)中進(jìn)行序貫搜索和選擇所產(chǎn)生的行為數(shù)據(jù)呈爆炸式增長(zhǎng),同時(shí),在線(xiàn)平臺(tái)利用信息技術(shù)收集消費(fèi)者行為數(shù)據(jù)的能力也大幅增強(qiáng)。因而,如何根據(jù)消費(fèi)者序列的行為信息挖掘其潛在的興趣和選擇意向,從而為企業(yè)在市場(chǎng)競(jìng)爭(zhēng)中提高消費(fèi)者忠誠(chéng)度、吸引新的消費(fèi)群體提供技術(shù)支撐具有重要的理論意義和實(shí)踐價(jià)值。然而,現(xiàn)有關(guān)于消費(fèi)者選擇行為意向的研究大多從消費(fèi)者歷史選擇行為信息進(jìn)行展開(kāi),從而忽視了反映消費(fèi)者潛在興趣和偏好的序貫搜索行為信息,導(dǎo)致對(duì)消費(fèi)者行為分析的結(jié)果不具有充足的實(shí)時(shí)性和動(dòng)態(tài)性。因此,基于消費(fèi)者序列的搜索行為信息分析其潛在的選擇行為意向研究已然成為消費(fèi)者行為領(lǐng)域及營(yíng)銷(xiāo)領(lǐng)域關(guān)注的焦點(diǎn)。為更加精準(zhǔn)地對(duì)消費(fèi)者序列選擇行為進(jìn)行建模并將其應(yīng)用于管理實(shí)踐,本研究分別從序貫搜索和多樣性尋求兩個(gè)視角出發(fā),采用序貫搜索理論、考慮集理論、多樣性尋求理論及晝夜節(jié)律理論,通過(guò)建立考慮各種因素的消費(fèi)者隨機(jī)序列選擇模型,并使用數(shù)據(jù)挖掘及計(jì)算機(jī)模擬仿真等技術(shù),分別設(shè)計(jì)兩兩關(guān)系平行的四個(gè)子研究,以便有效探討如何根據(jù)消費(fèi)者序列選擇行為信息準(zhǔn)確分析其未來(lái)的行為意向。研究一利用序貫搜索和信息融合理論、采用... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：156 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３－１備選車(chē)型的效用分布Ｐ（Ｕ）??Ｆｉｇｕｒｅ?３－?１?Ｕｔｉｌｉｔｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?Ｐ（Ｕ）?ｏｆ?ａｌｔｅｒｎａｔｉｖｅ?ｍｏｄｅｌｓ??

０２５?３．９２４?３．４５?１?３．４２４??哈佛?Ｈ６ｃｏｕｐｃ?５?４．１３９?４．４５３?４．０３９?３．７５８?３．６３９?３．１７?３．１３９??？?？??＊?？?？??４?５９４?－?．?？?’?，??？?＊?＾??＾？一：一４??二？?？人？？??一?？?？“，?ｍ．??昍?，Ｍｅｔｈｏｄ??＾４？〇－?：?＊?？?？?？?？?？麵用??（５Ｓ８－??０?２５０００?５００００?７５０００?１０ＯＯＯＣ??仿翼次撾??圖３－２兩種策略的仿真結(jié)果９??Ｆｉｇｕｒｅ?３－２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｔｏｗ?ｓｔｒａｔｅｇｙ??９圖中直線(xiàn)是使用了線(xiàn)性擬合后的結(jié)果，主要用于突出表達(dá)兩種策略的總體效果的高低。保留效用??策略：本文提出的保留效用策略；預(yù)期效用策略：即是當(dāng)出現(xiàn)比剩下所有備選項(xiàng)的期望效用大的結(jié)??果時(shí)，停止搜索。保留效用和預(yù)期效用的排序剛好相同，是因?yàn)槊枯v車(chē)的評(píng)分?jǐn)?shù)據(jù)分布很相似。??４７??

?第四章序貫搜素約束下的序列選擇糢型研究???對(duì)原始數(shù)據(jù)集進(jìn)行上述處理后，最終形成一個(gè)研究數(shù)據(jù)集，該數(shù)據(jù)集包含３３８?jìng)�(gè)消??費(fèi)者完成的５５５次完整的搜索－選擇會(huì)話(huà)，共有２５２個(gè)產(chǎn)品被購(gòu)買(mǎi)，共有７４３７次搜索，??被搜索的產(chǎn)品數(shù)量為１２６４，單個(gè)購(gòu)買(mǎi)會(huì)話(huà)里搜索產(chǎn)品的平均數(shù)量為１３．４個(gè)，詳細(xì)分布??請(qǐng)見(jiàn)圖４－２。消費(fèi)者購(gòu)買(mǎi)次數(shù)的分布統(tǒng)計(jì)情況如表４－２所示，該表顯示只有一次完整購(gòu)??物會(huì)話(huà)的用戶(hù)占總用戶(hù)數(shù)的６７．７８％。數(shù)據(jù)集所有變量的描述性統(tǒng)計(jì)信息見(jiàn)表（４－３）。??０１０?■??０?０８??０?０６?八??０?０４?－?／?＼??〇〇２?■??〇〇〇?Ｊ?ＩＢｌＨＩＩＩＩ８ｌ�。欤欤欤欤欤椋颍颍椋椋颍椋�；?Ｉ?ｌ－Ｕ－?１?■?ｆｊ?．?ｉｔ．?１?．??０?２０?４０?６０?８０?１００??圖４－?２單個(gè)購(gòu)買(mǎi)會(huì)話(huà)里搜索產(chǎn)品數(shù)ｍ分布圖??Ｆｉｇｕｒｅ４－２?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｓｅａｒｃｈ?ｐｒｏｄｕｃｔｓ?ｉｎ?ａ?ｓｉｎｇｌｅ?ｐｕｒｃｈａｓｅ?ｓｅｓｓｉｏｎ??表４－３所有變量的描述性統(tǒng)計(jì)??Ｔａｂｌｅ?４－?３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｃｏｎｓｕｍｅｒ?ｐｕｒｃｈａｓｅｓ??變量?最大值?最小值?均值?樣本量??屬性?１?３?１?１４５?１２６４??屬性?２?３?１?１．４７?１２６４??屬性?３?３?１?１．６６?１２６４??好評(píng)率?〗?０?０．８６?７４３７??評(píng)論數(shù)：大于５０?１?０?０．６０?７４３７??易訪(fǎng)問(wèn)性?Ａｃｃｅｓｓｉｂｉｌｉｔｙ：??１?０?０．４８?７４３７??銷(xiāo)量（標(biāo)準(zhǔn)化）??會(huì)員等

【參考文獻(xiàn)】：
期刊論文
[1]基于Vague集理論的推薦系統(tǒng)中用戶(hù)興趣度的描述[J]. 崔春生.  系統(tǒng)工程理論與實(shí)踐. 2017(03)
[2]基于多屬性效用的協(xié)同過(guò)濾推薦系統(tǒng)[J]. 鄧峰,張永安.  計(jì)算機(jī)應(yīng)用. 2015(07)
[3]一種Web用戶(hù)訪(fǎng)問(wèn)路徑的可能性模糊聚類(lèi)算法[J]. 于洪,羅虎.  小型微型計(jì)算機(jī)系統(tǒng). 2012(01)
[4]基于點(diǎn)擊流的頻繁模式聚類(lèi)算法研究[J]. 李楊,檀柏紅.  天津科技大學(xué)學(xué)報(bào). 2011(03)



本文編號(hào)：3295414