【摘要】：電商網(wǎng)站每天服務(wù)于億萬(wàn)的用戶(hù),人們?cè)谔詫�、京東、當(dāng)當(dāng)?shù)入娚唐脚_(tái)消費(fèi)購(gòu)物的同時(shí),會(huì)產(chǎn)生海量的數(shù)據(jù)資料,從中挖掘出潛在的價(jià)值便具有重大的意義,合理地利用這些數(shù)據(jù)可以為用戶(hù)帶來(lái)更好的消費(fèi)體驗(yàn)。本文以某電商平臺(tái)脫敏處理后的某一時(shí)段真實(shí)用戶(hù)、商品和行為數(shù)據(jù)為研究對(duì)象,結(jié)合數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)分類(lèi)算法,主要研究工作如下:(1)電商用戶(hù)消費(fèi)行為數(shù)據(jù)的特征工程研究。重點(diǎn)研究了數(shù)據(jù)預(yù)處理、特征分析、特征構(gòu)建和特征選擇等技術(shù),挖掘出用戶(hù)的復(fù)購(gòu)行為特點(diǎn),構(gòu)造統(tǒng)計(jì)特征、衍生特征和行為衰減等特征,將原始數(shù)據(jù)轉(zhuǎn)化為高維可訓(xùn)練的有效樣本數(shù)據(jù),并結(jié)合相關(guān)系數(shù)和隨機(jī)森林選擇出影響用戶(hù)復(fù)購(gòu)行為重要性前10的數(shù)據(jù)特征。(2)分類(lèi)模型的對(duì)比研究。從傳統(tǒng)用戶(hù)-商品的角度出發(fā),結(jié)合機(jī)器學(xué)習(xí)中的分類(lèi)算法,選取了常用的邏輯斯蒂回歸、Xgboost和支持向量機(jī)構(gòu)建出三種預(yù)測(cè)模型,通過(guò)交叉驗(yàn)證和網(wǎng)格搜索的方式對(duì)模型的訓(xùn)練參數(shù)進(jìn)行調(diào)優(yōu),對(duì)比結(jié)果發(fā)現(xiàn)基于Xgboost算法的模型預(yù)測(cè)效果要優(yōu)于其他模型。(3)模型融合方法的研究。通過(guò)對(duì)模型融合的思想和方法研究,本文使用Soft-Voting方法實(shí)現(xiàn)預(yù)測(cè)模型的融合,經(jīng)過(guò)實(shí)驗(yàn)結(jié)果論證,融合后模型相較融合前預(yù)測(cè)精度提升3%左右。本文研究以數(shù)據(jù)為驅(qū)動(dòng),針對(duì)電商用戶(hù)的復(fù)購(gòu)行為進(jìn)行預(yù)測(cè)研究,從用戶(hù)-商品和用戶(hù)-商品品類(lèi)兩種角度分析構(gòu)建特征,并提出了一種將用戶(hù)-商品角度下(U-I)預(yù)測(cè)模型和用戶(hù)-商品品類(lèi)角度下(U-C)預(yù)測(cè)模型進(jìn)行融合的方案,有效解決了單一角度模型數(shù)據(jù)敏感且易過(guò)擬合問(wèn)題,可應(yīng)用于電商業(yè)務(wù)場(chǎng)景,幫助電商平臺(tái)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo),提高用戶(hù)留存率。
【學(xué)位授予單位】：杭州師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TM73
【圖文】：

圖 1.1 邏輯框架圖1.5 研究創(chuàng)新點(diǎn)根據(jù)前面對(duì)國(guó)內(nèi)外學(xué)者的研究現(xiàn)狀評(píng)述中發(fā)現(xiàn)的問(wèn)題，本文研究的創(chuàng)新點(diǎn)主要有以下三個(gè)方面：第一，本研究解決了電商用戶(hù)的復(fù)購(gòu)行為預(yù)測(cè)問(wèn)題，深度分析和細(xì)化了電商用戶(hù)的購(gòu)買(mǎi)行為，其現(xiàn)實(shí)意義在于提高用戶(hù)的留存率，實(shí)現(xiàn)了對(duì)該方向的探索性研究。而用戶(hù)的留存率增長(zhǎng)可以帶來(lái)企業(yè)利潤(rùn)的極大增加，促進(jìn)企業(yè)的快速成長(zhǎng)，增加現(xiàn)有用戶(hù)轉(zhuǎn)化為忠誠(chéng)用戶(hù)的可能性。第二，創(chuàng)新性地從用戶(hù)-商品品類(lèi)的角度出發(fā)構(gòu)建和選擇特征，通過(guò)與用戶(hù)-商品角度下構(gòu)建的模型進(jìn)行融合，解決了單一角度模型的數(shù)據(jù)敏感與易過(guò)擬合問(wèn)題，提高了模型的預(yù)測(cè)精度與魯棒性。傳統(tǒng)研究使用實(shí)證研究方法，即基于現(xiàn)有理論進(jìn)行假設(shè)，并加以驗(yàn)證，而本研究結(jié)合了數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)算法，實(shí)

提取出更為重要的特征，因此需要對(duì)數(shù)據(jù)集進(jìn)行特間表中將異常數(shù)據(jù)查詢(xún)出并刪除。我們無(wú)法通過(guò)這些重復(fù)數(shù)數(shù)據(jù)來(lái)有效地預(yù)測(cè)出用戶(hù)的復(fù)購(gòu)行為，如果不去處理，會(huì)導(dǎo)致很大，同時(shí)也會(huì)影響模型的預(yù)測(cè)效果。異常數(shù)據(jù)處理。刪除缺省值后，我們還需要進(jìn)一步提取出有戶(hù)。通過(guò)查看數(shù)據(jù)集，發(fā)現(xiàn)存在購(gòu)買(mǎi)記錄為 0 的用戶(hù)，這些用預(yù)測(cè)用戶(hù)的復(fù)購(gòu)行為。同時(shí)，通過(guò)對(duì)數(shù)據(jù)集的簡(jiǎn)單查詢(xún)分析購(gòu)買(mǎi)數(shù)的情況，那么我們理解這些數(shù)據(jù)可能有三種情況，一是幫他人代付款，三是用戶(hù)通過(guò)朋友發(fā)來(lái)的鏈接直接下單。對(duì)于認(rèn)為是屬于異常數(shù)據(jù)，因?yàn)橛脩?hù)可能沒(méi)有瀏覽行為，可能沒(méi)有為，但是不會(huì)沒(méi)有點(diǎn)擊商品的行為。為了保證模型預(yù)測(cè)的效行為很多而購(gòu)買(mǎi)行為很少的異常數(shù)據(jù)，因?yàn)檫@可能是惰性用戶(hù)的異常數(shù)據(jù)。數(shù)據(jù)集中缺失值、重復(fù)數(shù)據(jù)和異常數(shù)據(jù)分布如

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 舒方;馬少輝;;客戶(hù)重復(fù)購(gòu)買(mǎi)的組合預(yù)測(cè)方法[J];計(jì)算機(jī)與現(xiàn)代化;2015年05期

2 杜剛;黃震宇;;大數(shù)據(jù)環(huán)境下客戶(hù)購(gòu)買(mǎi)行為預(yù)測(cè)[J];管理現(xiàn)代化;2015年01期

3 肇丹丹;;基于SEM的消費(fèi)者網(wǎng)購(gòu)再惠顧意愿度量分析[J];統(tǒng)計(jì)與決策;2014年01期

4 趙伊娜;;基于感知風(fēng)險(xiǎn)理論的消費(fèi)者網(wǎng)絡(luò)購(gòu)買(mǎi)行為分析[J];商業(yè)時(shí)代;2013年13期

5 陳潔;謝文昕;楊升榮;;在線渠道消費(fèi)者動(dòng)態(tài)品牌選擇購(gòu)買(mǎi)率預(yù)測(cè)[J];工業(yè)工程與管理;2011年03期

6 易法敏;范高峰;;消費(fèi)者購(gòu)買(mǎi)意愿對(duì)網(wǎng)上購(gòu)物行為影響的實(shí)證研究——以廣州市高校大學(xué)生為例[J];海南大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版);2010年05期

7 朱閣;馬龍;Sangwan Sunanda;呂廷杰;;基于社會(huì)認(rèn)知理論的消費(fèi)者采用模型與實(shí)證研究[J];南開(kāi)管理評(píng)論;2010年03期

8 黃聰;王東;;基于RFM分析模式與馬爾可夫鏈的客戶(hù)行為預(yù)測(cè)模型研究[J];情報(bào)雜志;2009年S2期

相關(guān)博士學(xué)位論文 前2條

1 羅勝;電子商務(wù)環(huán)境下化妝品消費(fèi)者沖動(dòng)性購(gòu)買(mǎi)行為研究[D];華南理工大學(xué);2018年

2 熊曉元;基于互動(dòng)和感知理論的網(wǎng)絡(luò)重購(gòu)行為研究[D];西南交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 洪碩;旅游移動(dòng)電商環(huán)境下的游客購(gòu)買(mǎi)決策影響因素研究[D];廣西師范大學(xué);2018年

2 周成驥;基于機(jī)器學(xué)習(xí)的商品購(gòu)買(mǎi)行為預(yù)測(cè)模型設(shè)計(jì)[D];廣州大學(xué);2018年

3 丁一楠;基于深度學(xué)習(xí)的消費(fèi)者行為分析及應(yīng)用研究[D];重慶工商大學(xué);2018年

4 李日旭;網(wǎng)購(gòu)生鮮農(nóng)產(chǎn)品中感知風(fēng)險(xiǎn)對(duì)購(gòu)買(mǎi)意愿的影響研究[D];哈爾濱工業(yè)大學(xué);2017年

5 曾憲宇;電商用戶(hù)消費(fèi)行為預(yù)測(cè)與心理建模方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

6 劉柏鱗;基于客戶(hù)網(wǎng)絡(luò)購(gòu)物行為分析及預(yù)測(cè)系統(tǒng)研究[D];北京工業(yè)大學(xué);2016年

7 顧海斌;基于大規(guī)模電商數(shù)據(jù)的用戶(hù)消費(fèi)行為分析方法研究[D];吉林大學(xué);2016年

8 張延靜;網(wǎng)上節(jié)日促銷(xiāo)中顧客感知價(jià)值、顧客滿(mǎn)意與顧客網(wǎng)購(gòu)行為關(guān)系研究[D];青島理工大學(xué);2014年

9 徐雪楓;網(wǎng)絡(luò)消費(fèi)者購(gòu)物決策行為影響因素的實(shí)證研究[D];東北財(cái)經(jīng)大學(xué);2012年

10 黃茜;經(jīng)濟(jì)型酒店顧客重復(fù)購(gòu)買(mǎi)行為影響因素實(shí)證研究[D];湖北大學(xué);2011年

本文編號(hào)：2739242