下沉市场下B2C电子商务平台顾客感知价值对重复购买行为的影响研究
这是一篇关于感知价值,持续使用意愿,重复购买行为,社交属性的论文, 主要内容为2015年,中央一号文件公开鼓励建设涉农电商平台,各类涉农电商政策陆续响应出台,促成了电商“下乡运动”的展开。2019年,《下沉市场发展与电商平台价值研究报告》公开发表,昭示着下沉市场俨然成为电商平台角逐的新战场,更是我国新一轮消费水平、消费结构升级的主场地。电商平台将目光聚焦于下沉市场,下沉市场又激活了电商平台。下沉市场下电商平台的发展问题已经成为热点。基于市场导向的角度,顾客的感知价值可以作为连接企业战略与企业绩效的关键点。将感知价值纳入企业竞争力研究范式中,有助于从崭新视角为企业提供战略发展意见。已有学者指出电商平台的顾客感知价值将会影响其消费行为,学者们也针对不同行业顾客群体的感知价值、重复购买行为展开了广泛探讨,取得了许多认识。但仍留存诸多问题,如关于感知价值维度的划分众说纷纭、顾客感知价值对平台发展影响机制的解释过于复杂等。通过梳理与总结国内外相关研究成果,本研究确定以B2C电子商务平台顾客感知价值(即功能价值、趣味价值、安全价值、感知成本)作为解释变量,以重复购买行为作为被解释变量,引入持续使用意愿作为中介变量和平台的社交属性作为调节变量,构建理论模型。基于来自下沉市场群体的470份调查数据,通过SPSS24.0和AMOS26.0数据处理软件展开实证分析。结果显示:(1)就顾客感知价值而言,功能价值、趣味价值、安全价值均对重复购买行为有显著的正向影响;感知成本对重复购买行为有显著的负向影响。(2)就顾客感知价值而言,功能价值、趣味价值、安全价值均对持续使用意愿有显著的正向影响;感知成本对持续使用意愿有显著的负向影响。持续使用意愿在感知价值对重复购买行为的影响机制中起到中介作用。(3)随着平台的社交属性的增强,感知价值中功能价值维度、趣味价值维度与持续使用意愿间的正向关系得到显著增强,即调节效应得到验证。而安全价值维度、感知成本维度与持续使用意愿间的关系未受到显著影响,即调节效应未得到验证。这可能是由于平台的社交属性增强会加重顾客对个人隐私安全、时间成本等方面的担忧,有待后续进行验证。本研究是对下沉市场背景下B2C电子商务平台顾客感知价值与重复购买行为间作用机制研究的丰富和发展,也深化了持续使用意愿、重复购买行为的前因变量研究。一方面,对已有研究成果做出了补充与完善;另一方面,在管理实践上将激发下沉市场下B2C电子商务平台对顾客感知价值、重复购买行为等的重视,制定有效发展战略,掘金下沉市场。
基于Stacking融合模型的用户重复购买行为预测研究
这是一篇关于行为数据,特征工程,数据不平衡,重复购买行为,Staking融合模型的论文, 主要内容为用户的重复购买行为一直是电商领域的研究热点。近年来电子商务平台快速发展,为人们购买商品提供了很大的便利性。然而随着入驻商家越来越多,用户面对种类繁多的商品需要花费大量时间,无法快速购买到适合自己的商品;对商家来说也无法识别潜在用户。因此对用户重复购买行为的研究不仅可以有助于商家找到哪些用户未来可能发生购买行为,从而达到精准营销的目的,同时可以帮助用户快速找到心仪商品。电商平台发展至今积累了大量的真实用户行为数据,这些数据中蕴含着用户的购买习惯和规律。通过研究根据电商平台用户的行为数据获得用户行为规律,使用Stacking融合模型来预测用户的重复购买行为,主要工作如下:(1)基于用户的行为数据构建特征工程。首先对原始的用户行为数据集进行预处理和可视化分析,初步研究用户行为数据集中蕴含的规律。在此基础上,分别从用户、商家以及用户与商家之间的关系三个维度挖掘特征,其中每个维度下从多个角度共构建了121个特征。由于原数据集中存在数据不平衡问题,因此使用改进后的Relief算法挑选出对少数类样本区分能力更强的特征,最后共选择103个特征作为模型的输入。(2)为了保证构建的Stacking融合模型具有良好的性能,在前期研究了十余个不同类型的模型,构建单个模型对用户重复购买行为进行预测,最后选择了预测效果较好的支持向量机、随机森林、XGBoost和Light GBM四种算法来训练Stacking融合模型的第一层基学习器,获得中间预测值作为第二层次级学习器的输入。为了不增加模型的复杂程度,次级学习器选用简单的逻辑回归来训练,降低模型的复杂度和过拟合的风险。(3)为了进一步提高模型的预测能力,对模型做出改进。首先由于原数据集中两类样本的数量差别较大,因此对传统的随机欠采样方式进行改进,结合Easy Ensemble采样核心思想与K-means算法来解决数据不平衡问题;其次本文加入滑动窗口动态更新样本,从而实现对用户重复购买行为的动态预测。(4)基于构建好的Stacking融合模型和改进模型,通过对比实验来验证模型的预测效果:首先在特征选择的基础上对比4个单预测模型与Stacking融合模型的预测效果,结果显示Stacking融合模型的预测效果均优于单预测模型;同时为了验证特征选择对模型预测效果的影响,对比特征选择前后Stacking融合模型的预测效果,实验结果显示使用改进的Relief算法选择特征后,模型的预测效果更好;其次将改进前后的融合模型进行对比,结果显示模型的预测效果有了进一步的提升。
基于客户行为挖掘的C2C电商用户复购率预测分析
这是一篇关于重复购买行为,机器学习,图模型,商家影响力的论文, 主要内容为随着电商平台的快速崛起,参与到网络购买中的用户越来越多,而随着市场份额的缩小,越来越多的电商为了吸引新客户的驻足而举办各类大型促销活动,而电商平台则通过追踪并收集客户的行为数据研究并分析哪些因素影响着新客户的重复购买行为,并进一步预测在这些参与打折促销活动的新客户中,哪些是未来会在该商家处发生重复购买行为的潜在客户。本文提出使用图聚类的方法找出商家的相似商家,并使用机器学习模型来预测商家潜在的复购用户。首先,根据天猫平台提供的新客户行踪数据,通过Louvain算法进行社区检测,找出商家的相似商家;其次,提取出几个维度的信息特征;最后利用这些特征训练逻辑回归,Xgboost,Lightgbm,Catboost四个机器学习模型。论文的主要研究工作主要包括以下几个方面:(1)图模型的引入。常见的重复购买行为预测技术主要使用机器学习算法以及关联规则算法,集中于研究客户的自身属性,包括研究用户自身的行为规律,用户在商家处购买商品间的关联性等,而对用户所发生购买行为的商家缺乏关注。因此,本文基于前人的工作基础,在已有的用户,用户-商家,商家三个维度上增添商家影响力维度信息,利用图模型算法,通过构建“商家-商家”隐性网络图,利用社区检测的方法挖掘出商家的相似商家,并进一步地分别从局部和全局的角度度量商家的影响力,分析商家的影响力对用户的重复购买行为的影响。(2)研究四种单一模型在特征工程上的应用。通过对四种单一模型的建模,分别对四种单一模型的预测结果进行比较,并分析是否含有商家影响力这一维度信息对预测结果的影响。实验表明单一模型中Lightgbm与Catboost算法能够更好的利用特征得到较好的预测结果,而含有商家影响力这一维度的信息能稳定的提升模型的预测精度1%-2%。
直播平台的用户感知价值对重复购买行为的影响
这是一篇关于用户感知价值,“直播+电商”平台,信任,用户满意度,重复购买行为的论文, 主要内容为随着科技发展、移动网络进入5G时代,短视频和直播行业得到迅速发展,电商直播引发了人们购物方式的革命。“直播+电商”类平台“抖音”和“快手”发展尤其迅猛,其广阔的发展前景引起了广泛的重视。竞争激烈的今天,老顾客重复购买的利润是新顾客的约5倍,企业的首要任务为留住老用户。本文梳理了顾客感知价值理论,对“直播+电商”平台的直播购物特点加以分析,将传统理论进行拓展,定义了在直播情境下的用户感知价值测量维度为产品功能价值、主播情感价值、直播情境价值、感知转移成本;其中主播情感价值包括感知专业性、感知交互性和感知相似性;直播情境价值包括感知沉浸和临场、感知优惠氛围。本文基于ABC态度模型,将用户感知价值作为认知因素(Cognition)、信任和用户满意度作为情感因素(Affect)、重复购买行为作为行为倾向(Behavior Tendency),构建“直播+电商”平台重复购买行为模型,提出假设,最后运用SPSS22.0和AMOS软件进行实证分析。通过实证研究发现,用户感知价值的不同维度分别对信任和用户满意度、重复购买行为有直接或间接影响,信任和用户满意在用户感知价值和重复购买行为间具有中介效应。针对实证分析结果,本文对“直播+电商”平台的电商直播发展提出建议,也为电商直播行业提供了建议。本研究的主要贡献包括以下三个方面:(1)针对直播平台特点,引入新变量,丰富了用户感知价值内涵。本研究通过对“直播+电商”平台的直播购物特点分析,将传统顾客价值理论维度进行拓展和创新,定义了在直播情境下的用户感知价值测量维度。(2)基于用户感知价值角度,研究了“直播+电商”平台的消费行为。本文通过对“直播+电商”用户调研来构建基于用户感知价值的重复购买行为模型,对于新型购物直播的发展研究有一定程度的创新和改进。(3)ABC态度模型的应用场景创新。本文在“直播+电商”平台基础上,引入感知价值新变量丰富拓展了ABC态度模型的应用范围,通过收集实证数据分析进一步验证了ABC模型的正确性,为该理论模型提供较新的应用场景。
下沉市场下B2C电子商务平台顾客感知价值对重复购买行为的影响研究
这是一篇关于感知价值,持续使用意愿,重复购买行为,社交属性的论文, 主要内容为2015年,中央一号文件公开鼓励建设涉农电商平台,各类涉农电商政策陆续响应出台,促成了电商“下乡运动”的展开。2019年,《下沉市场发展与电商平台价值研究报告》公开发表,昭示着下沉市场俨然成为电商平台角逐的新战场,更是我国新一轮消费水平、消费结构升级的主场地。电商平台将目光聚焦于下沉市场,下沉市场又激活了电商平台。下沉市场下电商平台的发展问题已经成为热点。基于市场导向的角度,顾客的感知价值可以作为连接企业战略与企业绩效的关键点。将感知价值纳入企业竞争力研究范式中,有助于从崭新视角为企业提供战略发展意见。已有学者指出电商平台的顾客感知价值将会影响其消费行为,学者们也针对不同行业顾客群体的感知价值、重复购买行为展开了广泛探讨,取得了许多认识。但仍留存诸多问题,如关于感知价值维度的划分众说纷纭、顾客感知价值对平台发展影响机制的解释过于复杂等。通过梳理与总结国内外相关研究成果,本研究确定以B2C电子商务平台顾客感知价值(即功能价值、趣味价值、安全价值、感知成本)作为解释变量,以重复购买行为作为被解释变量,引入持续使用意愿作为中介变量和平台的社交属性作为调节变量,构建理论模型。基于来自下沉市场群体的470份调查数据,通过SPSS24.0和AMOS26.0数据处理软件展开实证分析。结果显示:(1)就顾客感知价值而言,功能价值、趣味价值、安全价值均对重复购买行为有显著的正向影响;感知成本对重复购买行为有显著的负向影响。(2)就顾客感知价值而言,功能价值、趣味价值、安全价值均对持续使用意愿有显著的正向影响;感知成本对持续使用意愿有显著的负向影响。持续使用意愿在感知价值对重复购买行为的影响机制中起到中介作用。(3)随着平台的社交属性的增强,感知价值中功能价值维度、趣味价值维度与持续使用意愿间的正向关系得到显著增强,即调节效应得到验证。而安全价值维度、感知成本维度与持续使用意愿间的关系未受到显著影响,即调节效应未得到验证。这可能是由于平台的社交属性增强会加重顾客对个人隐私安全、时间成本等方面的担忧,有待后续进行验证。本研究是对下沉市场背景下B2C电子商务平台顾客感知价值与重复购买行为间作用机制研究的丰富和发展,也深化了持续使用意愿、重复购买行为的前因变量研究。一方面,对已有研究成果做出了补充与完善;另一方面,在管理实践上将激发下沉市场下B2C电子商务平台对顾客感知价值、重复购买行为等的重视,制定有效发展战略,掘金下沉市场。
基于机器学习算法的重复购买行为预测研究
这是一篇关于重复购买行为,机器学习,集成学习的论文, 主要内容为重复购买行为是营销学领域的研究热点。随着电子商务的快速发展,参与网购的用户越来越多,如何基于大数据预测用户的重复购买行为成为电商平台非常关心并想解决的问题。重复购买行为预测技术可应用于电商平台推荐系统中,帮助商家识别具有重复购买意向的用户,从而实现营销信息的精准投放。准确预测重复购买行为的关键在于通过模型算法挖掘出数据中所隐含的用户行为规律。然而,由于网购用户群体规模巨大且不同用户群体的购买行为规律具有很大的差异性,这使得数据挖掘工作变得异常困难。传统的机器学习算法在预测时忽略了用户购买行为规律的差异性,难以取得好的预测效果。因此,本文着重研究如何提高机器学习模型在重复购行为预测问题中的泛化性能,使其克服用户行为规律的差异性对预测性能造成的影响。本文在对现有机器学习算法进行研究的基础上,提出了细分化集成学习方法。该方法可以从数据集中学习到多种用户购买行为规律,提高了模型的预测性能。论文的主要研究工作如下。(1)重复购买行为影响因素研究。通过对电商平台用户购买行为数据的分析,从用户、商家以及商家和用户的关系三个方面挖掘影响重复购买行为的重要因素,并构建了52种与重复购买行为相关的特征。(2)现有机器学习模型的对比研究。论文对常用的机器学习方法进行了研究。实验结果表明,现有的机器学习模型预测精度普遍不高。Logistic回归、神经网络、决策树等单一模型在解决样本类别不均衡问题时存在局限性。集成学习方法虽然可以通过欠采样的方式解决类别不均衡问题,但无法有效的学习到具有差异性的用户购买行为规律,预测效果同样不理想。(3)细分化集成学习策略研究。考虑到目前的机器学习方法在预测重复购买行为时存在的局限性,论文对Bagging集成学习方法进行改进,提出了细分化集成学习。细分化集成学习通过在Bagging中设置强规则结合策略,使其能逐层过滤样本数据,从而实现对用户购买行为数据的细分。这种新的集成学习方法可根据细分后的数据集学到多种购买行为规律。实验结果表明,与现有的机器学习方法相比,细分化集成学习具有更好的预测效果。(4)预测模型的泛化性能研究。从泛化误差的角度对细分化集成学习模型的泛化性能进行了研究。通过对模型的泛化误差进行分解发现,细分化集成学习的样本过滤机制可以降低方差,因此具有更好的预测性能。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈网 ，原文地址：https://m.bishedaima.com/lunwen/55922.html
