付费知识共享平台用户个体特征对知识贡献行为的研究

本文在前人研究的基础之上,聚焦于付费知识共享平台,借助方差分析,从用户个体特征角度出发,探究其对知识贡献行为的影响。研究结果表明,不同性别、年龄、职业的用户知识贡献意愿差异明显,不同学历的用户知识贡献意愿显著性差异较小。为了进一步促使用户更多地参与到知识贡献当中,付费知识共享平台应当倾斜更多的资源重点关注女性、学生、20—25岁付费用户。

电商平台用户性别年龄差异对购买决策的影响——基于“天猫”用户的实证研究

随着我国B2C电商市场用户逐渐饱和,电商市场规模的增长速度正在逐年下降。为了摆脱用户数增速减缓所带来的不利影响,我国电商企业的成长模式需要从粗放型向集约型转变,以用户为中心进一步改善服务质量。本文从用户的个体特征出发,通过实证分析研究用户的性别年龄差异对购买意愿的影响。得出的结论如下:男性相比于女性,在网络购物过程中绩效期望对购买意愿的影响更强;年龄越大的用户,在网络购物过程中付出期望对购买意愿的影响更强。电商企业可以参考上述结论来改善商品展示与平台设计,提升用户的购买体验从而促进消费者商品购买意愿。

综合用户属性和相似度的协同过滤推荐算法

协同过滤推荐算法是电子商务系统的关键技术,为了解决当前协同过滤推荐算法中存在的错误大、速度慢等缺陷,以获得更优的协同过滤推荐效果,设计了综合用户属性和相似度的协同过滤推荐算法。首先分析当前电子商务系统中的协同过滤推荐算法研究现状,找到各种协同过滤推荐算法的局限性,然后综合考虑用户个性化特征建立用户属性评价矩阵,并根据评价矩阵计算了用户之间的相似度,根据相似度实现商品推荐,最后采用Java编程实现协同过滤推荐程序,并采用具体数据进行了协同过滤推荐仿真测试。这个算法减少了协同过滤推荐时间,协同过滤推荐速度得到了明显加快,降低了协同过滤推荐误差,协同过滤推荐精度要远高于当其它协同过滤推荐算法,具有很好的实际应用价值。