基于評(píng)論數(shù)據(jù)的B2C客戶消費(fèi)偏好模型研究.pdf

1、互聯(lián)網(wǎng)的迅速發(fā)展使得網(wǎng)絡(luò)購(gòu)物消費(fèi)快速增長(zhǎng)，近年來以京東、天貓等為代表的B2C購(gòu)物模式發(fā)展迅速，網(wǎng)站業(yè)務(wù)量和信息量迅速增加給企業(yè)發(fā)展帶來挑戰(zhàn)。如何從逐漸增加的非結(jié)構(gòu)化數(shù)據(jù)中提煉有效信息？如何從海量消費(fèi)數(shù)據(jù)挖掘客戶的真實(shí)需求從而提供精準(zhǔn)的個(gè)性化服務(wù)，最大程度改進(jìn)客戶的購(gòu)物體驗(yàn)？這些問題成為目前研究的熱點(diǎn)和難點(diǎn)。因此，運(yùn)用數(shù)據(jù)驅(qū)動(dòng)模式挖掘客戶的消費(fèi)偏好，是B2C購(gòu)物網(wǎng)站精準(zhǔn)營(yíng)銷的重要保障。
　　本文以在線評(píng)論、消費(fèi)者行為和B2C網(wǎng)站客戶

2、消費(fèi)偏好為理論基礎(chǔ)，以天貓B2C服裝類客戶消費(fèi)作為研究對(duì)象，從消費(fèi)者、平臺(tái)及商家方面分析消費(fèi)偏好影響因素，對(duì)所選定網(wǎng)售商品進(jìn)行歸類和篩選，確定了7種服裝商品，運(yùn)用爬蟲軟件抓取2016年9～11月的在線評(píng)論信息。通過數(shù)據(jù)整理、關(guān)鍵詞提取與統(tǒng)計(jì)分析等手段，提取客戶評(píng)論信息的34個(gè)高頻關(guān)注點(diǎn)，確定12個(gè)特征因素變量。運(yùn)用李克特量表的5級(jí)評(píng)分標(biāo)準(zhǔn)將評(píng)論信息轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。
　　運(yùn)用Clementine12.0軟件將12個(gè)商品特征因素變量

3、導(dǎo)入，建立各個(gè)因素之間的貝葉斯網(wǎng)絡(luò)模型結(jié)構(gòu)。計(jì)算各節(jié)點(diǎn)在其父節(jié)點(diǎn)條件下的條件概率分布，各特征因素重要度，建立logistic回歸模型，對(duì)比分析貝葉斯網(wǎng)絡(luò)模型的準(zhǔn)確性，對(duì)模型預(yù)測(cè)結(jié)果做出準(zhǔn)確評(píng)估。
　　結(jié)果表明，所篩選7個(gè)商品的舒適程度、面料、質(zhì)量、顏色、合適程度、價(jià)格等，都是客戶高頻關(guān)注詞;貝葉斯網(wǎng)絡(luò)模型中因素節(jié)點(diǎn)間具有較強(qiáng)的相關(guān)性;節(jié)點(diǎn)的條件概率分布情況相似，客戶給予優(yōu)、良、中評(píng)價(jià)的概率較高;男裝和女裝的特征因素重要性程度不同，