面向服務(wù)的消費者行為分析及推薦模型研究.pdf

1、隨著互聯(lián)網(wǎng)應(yīng)用在商業(yè)領(lǐng)域的快速普及,消費者的需求體驗成為驅(qū)動互聯(lián)網(wǎng)發(fā)展的領(lǐng)航者。與此同時,以電子商務(wù)為代表的社交網(wǎng)絡(luò)不斷發(fā)生新的變化。在計算機系統(tǒng)和社會交互系統(tǒng)高度融合的電子商務(wù)中,消費者承擔(dān)著越來越重要的作用,消費者的行為特征以及潛在的需求逐漸成為技術(shù)發(fā)展的重要推動力量。因此,研究消費者決策行為、分析消費者的信息特征、挖掘消費者行為中潛在的規(guī)律及消費者之間的關(guān)聯(lián)度,能夠指導(dǎo)計算機網(wǎng)絡(luò)技術(shù)更好的發(fā)展,使電子商務(wù)向智能化和人性化發(fā)展,從而

2、與現(xiàn)實社會系統(tǒng)更加和諧的融合。
　　在線消費者行為的研究綜合了社會心理學(xué)、計算機科學(xué)、經(jīng)濟學(xué)、營銷學(xué)、行為科學(xué)、物理學(xué)以及復(fù)雜網(wǎng)絡(luò)等學(xué)科,研究的目標(biāo)是指導(dǎo)計算機網(wǎng)絡(luò)技術(shù)特別是電子商務(wù)更好的為社會發(fā)展服務(wù)。大量企業(yè)的協(xié)同過濾推薦系統(tǒng)通過建立消費者預(yù)測模型,提供個性化推薦服務(wù),解決信息過載等問題。本文基于上述需求,深入研究了服務(wù)理論研究進(jìn)展和服務(wù)質(zhì)量管理理論,對服務(wù)科學(xué)的研究起源、研究現(xiàn)狀、研究方法進(jìn)行了全面分析,并深刻挖掘了服務(wù)科學(xué)

3、研究目前存在的問題,運用現(xiàn)代營銷學(xué)中的服務(wù)質(zhì)量評價和滿意度理論,構(gòu)建了服務(wù)主導(dǎo)邏輯的理論研究框架,為企業(yè)提高服務(wù)創(chuàng)新能力提供實踐指導(dǎo),并為系統(tǒng)規(guī)劃提供了理論方向,主要內(nèi)容包括以下四點:
　　1、提出消費者購買決策行為研究模型
　　基于初始信任和 TAM理論,通過訪談和問卷調(diào)查,對消費者基于在線電子供應(yīng)商的首次購買行為進(jìn)行實證研究。為增強消費者對電子供應(yīng)商的首次購買意圖,加入一個新的變量,即對電子供應(yīng)商的感知服務(wù)質(zhì)量,它直接影

4、響首次購買意圖,根據(jù)分析結(jié)果提出了一個垂直的理論體系。
　　在這個理論體系下,初始信任的建立和感知服務(wù)質(zhì)量理論對新的在線消費者首次購買意圖非常關(guān)鍵,由數(shù)據(jù)分析結(jié)果發(fā)現(xiàn)了各種影響因素對消費者意圖行為的作用,提醒企業(yè)在規(guī)劃網(wǎng)站在線購物系統(tǒng)各構(gòu)成要素時要重視對于初始信任的建立,而消費者的感知服務(wù)質(zhì)量也不容忽視。
　　2、分析電子商務(wù)中長尾理論并將其應(yīng)用到電影推薦中
　　長尾理論認(rèn)為隨著信息技術(shù)的發(fā)展,經(jīng)濟發(fā)展的趨勢是從純原子

5、經(jīng)濟學(xué)到字節(jié)和原子的混合然后成為純字節(jié)的經(jīng)濟,通過對大數(shù)據(jù)中潛在信息的分析可以推薦出用戶真正滿意的產(chǎn)品和服務(wù)。
　　不存在能夠適用于所有產(chǎn)品的推薦系統(tǒng),只有用戶深度參與的個性化推薦才能夠根據(jù)碎片化的信息在一定的準(zhǔn)確度和一定的多樣性上猜測消費者的偏好,并據(jù)此向用戶推薦,這些個性化推薦技術(shù)不僅能節(jié)省用戶瀏覽搜索的時間,并且能找到一些網(wǎng)絡(luò)角落里的暗信息,挖掘到信息海洋中的長尾利潤。本文在深入總結(jié)了長尾理論相關(guān)問題的基礎(chǔ)上,分析了長尾理論

6、在電影推薦中的應(yīng)用。
　　3、提出并驗證了基于多樣性的協(xié)同過濾推薦模型
　　傳統(tǒng)的在線推薦系統(tǒng)的準(zhǔn)確性多依賴于協(xié)同過濾推薦算法,然而推薦系統(tǒng)的目的是吸引消費者的興趣,將瀏覽者轉(zhuǎn)變?yōu)橘徺I者,而不是準(zhǔn)確的預(yù)測他們的評分。
　　在線推薦系統(tǒng)是社會過濾過程的服務(wù)器版本,前期的研究大多強調(diào)協(xié)同過濾算法的精確性。而有效的推薦系統(tǒng)必須是可信任的,而且要求系統(tǒng)邏輯透明度好,能夠提供給消費者新的、無經(jīng)驗的項目。本文基于此提出從用戶體驗的

7、視角研究推薦系統(tǒng)的質(zhì)量評價,在推薦候選集合算法中增加了一個新鮮度因子,利用協(xié)同過濾相似度計算方法結(jié)合聚簇算法進(jìn)行個性化推薦,推薦結(jié)果與傳統(tǒng)的推薦算法進(jìn)行比較,實驗結(jié)果具有一定的準(zhǔn)確度和較高的多樣性,從而為更好的建立電子商務(wù)推薦系統(tǒng)提供了依據(jù)。
　　4、提出基于最大熵的情感文本識別算法
　　由于互聯(lián)網(wǎng)上海量的消費者文本評論信息對其他消費者感知企業(yè)的口碑信譽有重要的影響,而且蘊藏了大量消費者的偏好和行為特征,通過文本評論信息分析

8、技術(shù),企業(yè)可以了解消費者對企業(yè)信譽、產(chǎn)品或服務(wù)的感知服務(wù)質(zhì)量和個性化偏好,從而有針對性地制定企業(yè)戰(zhàn)略,改進(jìn)信息系統(tǒng)體系結(jié)構(gòu),提供個性化推薦項目,提高競爭實力。
　　本文提出了一種基于最大熵模型的在線評論情感搭配識別算法,用來識別網(wǎng)絡(luò)文本評論的情感傾向。設(shè)計了基于情感詞語語義特征的最大熵模型算法,根據(jù)同義詞詞表將情感文本評論語料中的同義詞或近義詞詞語作為一個語義特征類,選擇包含某一語義特征類的情感文本評論語料組成基于最大熵的原子特征