基于动态参考依赖的消费者选择意向研究

预测在线消费者选择意向以便为其提供有效的推荐建议已成电子商务领域消费者决策支持系统的核心问题之一。选择意向是一个融合经济、心理等多重因素的行动反应,如何对其进行测量是学术界研究的热点。为此,构建一套消费者满意度指标,将影响的属性进行分类,进而提出基于动态参考依赖的消费者满意度分析法。在该方法中,首先建立不同类型属性的动态参考依赖函数;其次,建立对应类型属性的边际满意度惰性函数,同时给出属性权重及总体满意度的算法;最后,通过对去哪儿旅行网站2400条消费者实验样本数据进行分析,结果验证所建边际满意度惰性函数的预测准确性。此外,对单属性分析发现,目的地与酒店距离对消费者决策影响最大。     

利用消费者浏览行为识别品牌竞争关系研究

为了能在包含近百种同类品牌、几千种同品牌产品的电商平台中全面识别品牌间和品牌内产品的竞争性市场结构,根据共现理论,从消费者的在线浏览行为出发,将在线消费者同一浏览行为中共现的品牌和产品视为相互竞争关系,利用社交网络从消费者浏览行为的角度识别品牌间和品牌内产品间的竞争关系.分析结果显示,相对于品牌间的竞争强度而言,品牌内产品的同质化竞争更激烈.该结果对品牌内产品的生产线管理具有重要的实践意义,相对于着重关注品牌间竞争关系的企业而言,品牌生产企业更应将时间和精力放在品牌内生产线的长度设计上,以便快速提升品牌的市场竞争力.     

电子商务平台下的竞争产品市场结构研究

竞争产品市场结构的识别可以更好地分析主要竞争对手及产品竞争优势.本文利用消费者浏览行为来研究消费者产品介入和产品销售之间的关系.基于某电商网站的点击流数据，用多维尺度标记法（Multidimensional Scaling Technique，MDS）和K-mean聚类模型对产品市场结构进行建模.结果表明，MDS处理的维度1直接揭示了产品销售与消费者对产品的介入程度呈正相关关系，体现了产品竞争优势的变化趋势.这项研究将有助于通过消费者产品的介入行为了解产品市场结构，并帮助企业及时发现他们的产品定位及市场竞争优势，以调整产品供应链.     

基于点击流与PROMETHEE多属性决策法的电子商务消费者购买意愿预测

在电子商务环境下,充分了解消费者的兴趣变化过程并预测其购买意愿是个性化推荐系统需要解决的问题,因此具有巨大潜在信息的点击流数据因其易获性及预测的准确性得到了广泛的研究与应用。为了挖掘用户点击行为所反映消费者的兴趣变化过程并预测消费者的购买意愿,通过点击流数据,基于兴趣漂移理论,采用偏好顺序结构评估法（Preference Ranking Organization Methods for Enrichment Evaluations,PROMETHEE）的多属性决策方法建立有效的模型进行测量与预测。结果建立了包括3个一级指标和8个二级指标构成的多会话消费者购买意愿评价体系,为消费者购买意愿预测提供了一种实用的评价方法。