隨著電子商務(wù)的快速發(fā)展,網(wǎng)上購(gòu)物已經(jīng)成為人們的主要消費(fèi)方式之一。網(wǎng)絡(luò)消費(fèi)環(huán)境為消費(fèi)者提供了便捷和多樣化,同時(shí)也增加了企業(yè)維持長(zhǎng)久客戶關(guān)系的難度和成本。本文采用人類動(dòng)力學(xué)理論和方法來(lái)研究重復(fù)購(gòu)買行為,分析人類重復(fù)購(gòu)買行為的內(nèi)在機(jī)制,以期對(duì)企業(yè)發(fā)展提供有益幫助�；诖蟊婞c(diǎn)評(píng)網(wǎng)站評(píng)論數(shù)據(jù)統(tǒng)計(jì),本文從人類動(dòng)力學(xué)角度來(lái)分析人類重復(fù)購(gòu)買行為。研究重復(fù)購(gòu)買行為的時(shí)間統(tǒng)計(jì)特性發(fā)現(xiàn),雖然個(gè)體間的消費(fèi)習(xí)慣和喜好各不相同,但其重復(fù)購(gòu)買行為均顯示出類似的動(dòng)力學(xué)模式:長(zhǎng)時(shí)間的靜默和短期的高頻爆發(fā),并且這兩種模式一直循環(huán)交替出現(xiàn),即個(gè)體連續(xù)兩次購(gòu)買行為的時(shí)間間隔服從冪律分布。研究重復(fù)購(gòu)買行為的陣發(fā)與記憶特性發(fā)現(xiàn),人類重復(fù)購(gòu)買行為均呈現(xiàn)出正向記憶性和陣發(fā)性,而且活躍度高的個(gè)體,其對(duì)應(yīng)的冪律分布的冪指數(shù)也越大。個(gè)體的購(gòu)買行為都有自己的模式,比如獨(dú)特的回購(gòu)強(qiáng)度和周期。人類重復(fù)購(gòu)買行為的冪律特征主要是其興趣衰減機(jī)制導(dǎo)致的,人的購(gòu)買興趣會(huì)隨著時(shí)間衰減,但是偶然一次好的消費(fèi)體驗(yàn)又使興趣回升。根據(jù)人類重復(fù)購(gòu)買行為特征,本文提出了一個(gè)自適應(yīng)動(dòng)力學(xué)模型,該模型可以生成時(shí)間間隔分布服從冪指數(shù)可變的冪律分布,可以準(zhǔn)確解釋人類重復(fù)購(gòu)買行... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

用戶的評(píng)論時(shí)間序列

根據(jù)時(shí)間間隔定義方式，本文得到了用戶的購(gòu)買行為的時(shí)間間隔序列。如圖??３－丨展示了任意一個(gè)用戶點(diǎn)評(píng)行為發(fā)生的時(shí)間序列，其他用戶的時(shí)間序列也具有??類似圖３－１的分布特性。由圖３－１明顯可以看出用戶的點(diǎn)評(píng)行為之間存在長(zhǎng)時(shí)間??的空白與短時(shí)間的密集行為，具有非泊松分布的特征。??ｍｍ?ＩＩ：?ｉｎ：?１１１１１??Ｏ?１ＯＯＯ?２０００?３０００?４０００??圖３－１?用戶的評(píng)論時(shí)間序列??由用戶評(píng)論時(shí)間序列所顯示的非泊松特性，說(shuō)明用戶的重復(fù)購(gòu)買時(shí)間間隔分??布具有偏離泊松分布的特征。因此，文章又研宄了用戶的點(diǎn)評(píng)時(shí)間間隔概率分布，??先從個(gè)體用戶角度分析用戶購(gòu)買行為的時(shí)間間隔分布情況。如圖３－２展示了其中??四位用戶的點(diǎn)評(píng)行為的時(shí)間間隔概率分布圖，均可以用冪律分布近似擬合。其他??用戶的點(diǎn)評(píng)行為均具有厚尾的特征，且大部分都可以用冪律分布近似擬合。這說(shuō)??明用戶的購(gòu)買行為確實(shí)具有冪律分布的特征，用戶行為呈現(xiàn)出長(zhǎng)時(shí)間空檔期與短??時(shí)間密集爆發(fā)的現(xiàn)象，這與目前其他動(dòng)力學(xué)實(shí)證研宄成果相吻合。??ａ?｜〇ｎ???￣＾?ｂ?ｉ〇？．?????ｓｌｏｐｅ?＝?－１．６２０８?ｓｌｏｐｅ?＝?－１．７４８６??

證研宄結(jié)果相吻合，也豐富了實(shí)證研宄范疇。文章先對(duì)個(gè)體用戶行為的時(shí)間統(tǒng)計(jì)??特征進(jìn)行了分析，發(fā)現(xiàn)其冪指數(shù)分布在１．５到２之間。接下來(lái)從群體角度來(lái)研宄??用戶的重復(fù)購(gòu)買行為。本文先對(duì)個(gè)體用戶的時(shí)間間隔序列進(jìn)行了研究，圖３－２展??示了部分用戶的實(shí)證數(shù)據(jù)對(duì)應(yīng)的時(shí)間間隔分布圖，均呈現(xiàn)出冪律特征。在群體層??面上，本文分析了所有用戶的點(diǎn)評(píng)數(shù)據(jù)，計(jì)算每個(gè)用戶評(píng)論的時(shí)間間隔，然后將??所有個(gè)體用戶數(shù)據(jù)進(jìn)行匯總，得到了所冇用戶的評(píng)論時(shí)間間隔分布如圖３－３所示。??ｒ＇??ｓｌｏｐｅｓ?－２．４３８４??１０＇１〇４?＊．??Ｈｒ?ｔ?｜〇３??雙對(duì)數(shù)坐標(biāo)下的時(shí)間間隔分布，黑色圓圈代表實(shí)證數(shù)據(jù)，紅色實(shí)線是冪律擬合線。??圖３－３?群體用戶的時(shí)間間隔分布??同樣可以明顯看出，該分布可以用冪律分布較好的擬合，并且?guī)в忻黠@的胖??尾特征，其冪指數(shù)為２．０３８４。相比于圖３－２顯示的不同個(gè)體用戶的冪指數(shù)計(jì)算結(jié)??果來(lái)說(shuō)，冪指數(shù)略大，原因是在統(tǒng)計(jì)群體用戶時(shí)，群體用戶中包含大量不同行為??特征的用戶

【參考文獻(xiàn)】：
期刊論文
[1]電子商務(wù)消費(fèi)者重復(fù)購(gòu)買行為影響因素研究[J]. 邢文祥,韓華.  學(xué)術(shù)論壇. 2014(11)
[2]C2C環(huán)境中顧客重復(fù)購(gòu)買行為的實(shí)證與建模[J]. 葉作亮,王雪喬,寶智紅,陳濱桐.  管理科學(xué)學(xué)報(bào). 2011(12)
[3]基于C2C電子商務(wù)網(wǎng)站的客戶忠誠(chéng)度測(cè)評(píng)指標(biāo)體系構(gòu)建研究[J]. 李昊,王謝勇.  商場(chǎng)現(xiàn)代化. 2011(23)
[4]博客評(píng)論的人類行為動(dòng)力學(xué)實(shí)證研究和建模[J]. 郭進(jìn)利.  計(jì)算機(jī)應(yīng)用研究. 2011(04)
[5]基于習(xí)慣的人類動(dòng)力學(xué)建模[J]. 焦玉,劉衍珩,王健,王靜.  科學(xué)通報(bào). 2010(11)
[6]人類通信模式中基于時(shí)間統(tǒng)計(jì)的實(shí)證研究[J]. 李楠楠,張寧,周濤.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2008(03)
[7]在線電影點(diǎn)播中的人類動(dòng)力學(xué)模式[J]. 周濤.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2008(01)
[8]基于自適應(yīng)調(diào)節(jié)的人類動(dòng)力學(xué)模型[J]. 韓筱璞,周濤,汪秉宏.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2007(04)
[9]一類CRM模型的構(gòu)建及其銷售策略分析[J]. 陳伯成,葉偉雄,李英杰.  管理科學(xué)學(xué)報(bào). 2007(02)
[10]顧客購(gòu)買行為影響因素分析及重購(gòu)概率的預(yù)測(cè)[J]. 吳國(guó)華,潘德惠.  管理工程學(xué)報(bào). 2005(01)



本文編號(hào)：3325545