基于社区发现的农产品共同购买网络可视化分析

在实际的农产品生产销售场景中,消费者共同购买行为所形成的网络结构非常复杂且多变。虽然社区发现算法可以有效挖掘出共同购买行为背后隐藏的信息,但存在分析结果不易理解、支持决策条件不足的问题。为此,考虑到社区发现算法在共同购买网络分析中的广泛应用及可视化技术对分析结果的呈现能力,提出一种基于社区发现的共同购买网络可视化分析方法。该方法首先利用社区发现算法Clauset-Newman-Moore(CNM)划分共同购买网络,其次对网络结构的不同社区中农产品数量、共同购买行为频数和农产品价格众数所占百分比进行分析,然后对各社区共同购买农产品的消费者信息进行交互式分析,最后将分析结果进行交互式可视化展示,根据可视化界面得出共同购买的一些行为规律,进而深度挖掘消费者的消费模式。为了更好地呈现该分析方法,通过设计实现的可视化分析界面,交互式探索分析了一组在青岛地区的农产品动态销售数据。

电商平台产品共同购买网络的影响因素研究

共同购买网络的推荐系统应用越加广泛,仅基于网络内生结构变量研究其共同购买链接的经济意义已有局限,故加入网络口碑这一外生变量,进行更全面的分析。采用了社会网络方法中指数随机图模型进行建模,主要围绕产品销售量、产品入度、差评率和评论数4个方面因素,探究其对共同购买网络中共同购买链接形成的影响。结果显示,销售量、产品入度和评论数对共同购买链接形成的影响呈正比关系,而差评率则会显著地降低产品共同购买的几率。该指数随机图构建出的共同购买网络为在线电商平台管理网络口碑和推荐系统优化设计提供有益参考。

基于点击流数据的消费者动态共购网络研究

文章基于消费者点击流数据和网络结构,使用时态指数随机图模型(TERGM)和消费者点击流数据建构了消费者动态共同购买网络,从产品点击次数、相对浏览时间、好评数、差评数和产品入度等维度测度了影响消费者共同购买行为发生的关键变量,并与指数随机图模型(ERGM)进行了比较。结果表明:产品相对浏览时间、好评数和产品入度促进消费者共同购买行为发生,而产品点击次数会降低消费者共同购买可能性;TERGM模型适合于消费者共同购买行为的网络分析,且拟合效果优于ERGM,验证了TERGM模型对消费者共同购买行为的适用性;文章提出点击流的隐式反馈中应加入时间网络结构视角研究对共同购买网络形成的影响,可为推荐系统优化设计提供有益参考。

日本生协的现状、特点以及对我国消费合作事业的启示

日本生协(日本生活协同组合的简称)是以家庭妇女为主体的消费者自治组织。民主管理和组合员的积极参与提高了成员的凝聚力,并发展了以班组织为中心的共同购买和个人配送等业务。生协的优质服务得到了众多消费者的支持,其组合员人数和户加入率在持续增长,适应消费者生活方式变化的无店铺事业也取得了巨大的成功。借鉴日本生协的发展经验,我国应积极引导居民成立消费合作社,开展社区内的团购业务和家庭配送业务,以解决日益严重的食品安全问题。