基于点击流网络的再次购买意愿预测模型

预测客户重复购买意愿是电商平台制定营销策略的关键,是促进客户重复购买、提升企业利润的重要手段。研究表明,消费者点击行为能够刻画其决策过程,对点击行为进行建模有助于提升再次购买意愿预测的准确度。基于此,本文提出基于点击流网络的再次购买意愿预测模型。该模型以消费者购买决策模型(EBM)等理论为依据,借助复杂网络刻画消费者的点击行为,并提取反映商品热度和消费者行为的可解释性特征;然后采用经典机器学习模型预测消费者是否会在7天内再次购买同一商品,并借助Shapley值解释特征在预测模型中的作用,从而使预测方法具备可解释性并启发实践活动。实验结果表明,该预测模型具备较好的准确性、可解释性和稳健性,能够用于电商平台预测消费者再次购买意愿。

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。

消费者考虑集视角下在线品牌动态竞争关系研究

如何根据在线市场消费者客观地考虑集信息研究品牌间动态竞争关系已成为运作管理领域急需解决的关键问题之一.针对该问题,该文首先根据京东网站消费者考虑集信息构建在不同时间窗下品牌间动态竞争关系网络;其次,分别计算在各时间窗竞争关系网络中结构洞及中心性指标;最后,考虑不同时间窗同一品牌竞争强度的相互依赖性,采用空间杜宾模型研究社交网络属性因素对品牌动态竞争强度的影响.研究发现:结构洞和度中心性指标对品牌动态竞争强度具有正向影响,而介数中心性指标对品牌动态竞争强度具有负向影响.基于该研究结果,在进行产品设计时各品牌应注重细分市场产品属性的创新,以增加品牌的动态竞争强度.