基于电子商务的消费心理特征与营销手段

近年来,电子商务的发展速度如火如荼,这种新兴的交易模式,不仅仅降低了企业的运营成本,扩大了交易范围,而且将顾客和企业价值链网络有机结合,给传统的交易方式带来了根本性的变革,已成为21世纪经济活动的核心。因此,对电子商务的企业而言,应该抓住时代大潮,积极研究电子商务顾客的消费心理,从而针对客户网络购物的心理特征,进行有效的营销手段。     

基于偏好的客户模糊聚类方法

在电子商务环境下,如何按照顾客的购买兴趣进行聚类分析并为其提供个性化服务,是电子商务应用中研究的热点课题之一时.顾客的浏览行为及兴趣进行了研究,提出了利用偏好度的方法来度量顾客的兴趣度,在此基础上给出了基于偏好的客户群聚类算法.在该算法中,依据Web日志数据计算顾客偏好度,建立偏好度矩阵,再利用模糊聚类方法对顾客进行聚类.并用实例说明了具体的聚类过程.     

一种新的复杂网络聚类算法

揭示网络簇结构的复杂网络聚类方法研究具有重要的理论意义和应用价值。应用两种谱方法将复杂网络簇结构发现问题转换为空间数据聚类问题,并将粒子群聚类算法应用到对复杂网络簇结构的探测,提出了两种新的结合粒子群聚类的复杂网络簇结构探测算法。最后在两类复杂网络上进行实验并对实验结果进行了比较分析,提出的新算法在聚类准确性方面效果更好。     

网络旅游消费的特征及营销策略创新

互联网的发展对消费者心理和行为产生了重大影响,网络环境下的旅游消费理念不断升级。传统旅游网络营销策略已不适应现代化旅游的发展趋势,旅游网络营销策略创新成为行业发展中迫切解决的关键。本文从网络消费的概念出发,分析网络环境下消费者的网络旅游消费行为特征和影响消费者旅游需求的因素,结合旅游电子商务特点及优势,通过对旅游电子商务下营销模式的分析,提出适合大市场发展并能最大程度满足客户需求的旅游营销新策略。     

电子商务物流网络服务下的顾客电子互动研究

目前国内外顾客互动的研究集中于实体服务环境下的顾客互动,对网络服务环境下顾客间电子互动的研究十分欠缺,但顾客间通过网络的互动却是影响网络服务体验和满意度的重要因素。以电子商务物流网络服务为背景,运用关键事件法对顾客电子互动行为进行了探索性研究,将其划分为四大类和13个子类;在此基础上结合现有文献和访谈结果,建立了电子商务物流网络服务中顾客电子互动的测量量表,并进行了实证检验。     

联盟的力量

导致电子商务公司无法赢利的原因很多,但不可否认的是,其中重要的一条是获得一个顾客的成本。与传统企业相比,电子商务公司要吸引一个顾客真是要花上九牛二虎的功夫才行。一项研究表明,网络零售商要得到一个顾客,平均要花费98美元,值得注意的是,这还仅仅是获得一个顾客进行一次购买     

基于考虑滞后性LSTM模型的电商需求预测

消费者网络购物浏览时间碎片化、对价格更敏感的特征带来滞后性消费。为了掌握顾客消费趋势,通过获取Q企业纸类商品的历史销售数据和消费者购买行为数据,分析消费者行为对销售数据的影响,并利用随机森林分别选取不考虑滞后性和考虑滞后性的特征因子;基于LSTM神经网络建立快消品的需求预测模型;根据Q企业纸类商品的数据进行预测及验证,结果表明考虑滞后性LSTM模型预测相对误差更小,预测精度更高。     

基于多级深度网络架构的群体行为分析模型研究

群体行为的多层次深度分析是行为识别领域亟待解决的重要问题。在深度神经网络研究的基础上,提出了群体行为识别的层级性分析模型。基于调控网络的迁移学习,实现了行为群体中多人体的时序一致性检测;通过融合时空特征学习,完成了群体行为中时长无约束的个体行为识别;通过场景中个体行为类别、交互场景上下文信息的融合,实现了对群体行为稳定有效的识别。在公用数据集上进行的大量实验表明,与现有方法相比,该模型在群体行为分析识别方面具有良好的效果。     

中小型企业网的构建及应用

网络给企业带来了种种便利和新的商机,通过网络企业不仅仅更快得到产品及技术方面的最新资讯,并且带来了更为广阔的市场。对于企业来说,架设一个属于自己的Internet网站,使外界通过网络了解企业,或者进一步通过网络实现电子商务,已经成为当代企业的必经之路。     

消费者行为分析的推荐算法研究

随着互联网技术的不断进步,电子商务得到了快速的发展,通过网络购物平台消费已经逐渐成为一种主要消费渠道。在互联网大发展的背景下,庞大的数据量带来便利的同时又为消费者的消费选择造成了困扰。如何从这些数量庞大的商品信息中快速准确地挖掘出消费者所感兴趣的商品成为当前电子商务领域研究的一大热点。随着人工智能技术的不断进步和突破,电子商务企业对消费者的消费倾向及消费能力等作出预测,以实现精准的商品推荐。为进一步了解国内外对消费者行为预测及精准推荐算法的研究,笔者特查阅相关的文献资料,对文献资料进行了分析总结,撰写文献综述,旨在为消费者行为算法的研究提供理论指导。     

移动电子商务情境下客户细分优化算法的研究

由于传统聚类算法的收敛过早、精度较低等缺点无法满足移动电子商务情境下的客户多样性、动态性、复杂性等特点,在研究典型客户细分领域聚类算法的基础上,提出一种结合不同聚类算法优点的混合聚类算法M-Cluster。针对移动电子商务情境下学生群体的消费模式和群集现象,构建出基于M-Cluster算法的融合LTV和RFM模型优点的CPM模型用于评价和细分客户群。     

基于朴素贝叶斯学习的电子商务网站客户兴趣分类的应用研究

随着电子商务的不断发展,用户的分析和分类对电子商务网站来说越来越重要。因此需要一个行之有效的方法来进行用户分类并对其进行个性化服务。在本文中,我们提出了一种可以根据用户的网页访问记录和网上交易记录来动态地对顾客进行分类的方法,主要是利用了改进型的朴素贝叶斯分类器,对用户在网站上的行为进行分类,从而得到用户的分类信息,其结果可以作为提供个性化服务的依据。文章通过实验证明了上述方法的有效性和正确性。     

改进型模糊神经网络在顾客分类中的应用研究

随着电子商务的不断发展,顾客信息的管理和分析对B2C电子商务网站来说越来越重要,因此需要一个行之有效的方法来收集顾客信息,并深入挖掘其中所蕴涵的有价值信息。在本文中,我们提出了一种可以根据消费者的网页访问记录和网上交易记录来动态地对顾客进行分类的方法,主要是利用了改进型的FuzzyART神经网络对顾客在网站上的行为模型进行分类,从而得到顾客的分类信息。其结果可以作为提供个性化服务、确定产品的市场定位等方面的基础和依据。文章通过实验证明了上述方法的有效性和正确性,并对其应用进行了进一步的展望。     

基于主成分分析的B2C客户分类方法研究

随着电子商务的发展,以"客户为中心"已成为电子商务企业的经营策略,而任何高效的客户关系管理都是以扎实的客户分类为基础。然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,如何对其正确、高效地分类是一个难题。根据电子商务客户信息的特点,构建B2C客户分类模型,提出了先对客户信息进行主成分分析以消除属性之间的依赖性,而后用朴素贝叶斯算法进行分类的新方法。实验表明了该方法的有效性。     

The classification and strategic management of services in e-commerce: Development of service taxonomy based on customer perception

Previous studies have failed to take into account of the service sector, which accounts for a large portion of e-commerce transactions these days. To overcome the limitation, this research focuses on online service offers and attempts to develop their taxonomy. For the purpose, online services were identified from Korean Portal Sites and classified by 11 variables representing customer perceptions about service characteristics in the e-commerce context. Data for the analysis were obtained from a survey and the data-mining techniques and statistical processes including factor analysis, clustering and ANOVA were used. As a result, online services were classified into six groups – mass, professional, intellectual, credit, supporting and facility services and the distinctive features of each group were examined and strategies for marketing and operations recommended. By understanding the unique characteristics of each service group, managers can implement more suitable strategies, foster more positive attitudes towards online transactions, and finally increase online buying intentions.     

区块链环境下电商消费者网络多子群混合增长模型构建及特性研究

为探究区块链环境下电商消费者行为的复杂网络特性,在对传统局域网络与BBV增长网络研究的基础上,针对区块链环境下电子商务消费者行为的特性,提出2个方面的创新优化： （1）建立基于声誉的有限信任共识机制; （2）构建基于去中心化特性的消费者社团交互选择的智能合约。将共识机制与智能合约融入多子群混合增长模型中,研究在特定参数下,区块链电商消费者网络在复杂网络结构方面的特性。实证研究表明：即使是在具有去中心化、去信任的区块链电子商务环境下,消费者网络依旧会呈现出节点幂律分布的特点和小世界特性。在多子群混合增长模型中,消费者社团划分明显,消费者之间会出现“富者愈富”的马太效应,但是与传统网络电子商务消费者网络相比,其社团结构则更为松散,具有反垄断的特性。实验表明,在该环境下消费者的消费行为更加自由与透明。     

Usability beyond the website: an empirically-grounded e-commerce evaluation instrument for the total customer experience

A customer's experience with an e-commerce environment extends beyond the interaction with the website, including delivery of products, post-sales support, consumption of products and services, and so on. It is the total customer experience that influences the customers' perceptions of value and service quality, and which consequently affects customer loyalty. In our cross-disciplinary research in human-computer interaction (HCI) and relationship marketing, we have been investigating how HCI and customer relationship management (CRM) strategies can be integrated in the design of e-commerce so as to engender customer retention, trust and loyalty. We have performed a series of empirical studies to understand customers' requirements and perceptions about service-quality from e-shopping and e-travel environments. From these studies, we have developed an empirically-grounded evaluation instrument, E-SEQUAL, which we discuss in this paper. The development team can apply it at different phases of an e-commerce development life-cycle to integrate customers' perceived dimensions of service quality into the design and evaluation of e-commerce.     

电子商务网站构建与推广的探究

网站是电子商务企业进行网络营销、传递企业信息、沟通顾客的重要平台。电子商务企业的首要任务是让消费者了解企业的网站。本文简述电子商务网站构建的要点,并结合实例说明如何根据网站特点进行推广。     

Usability beyond the website: An empirically-grounded e-commerce evaluation instrument for the total customer experience

A customer's experience with an e-commerce environment extends beyond the interaction with the website, including delivery of products, post-sales support, consumption of products and services, and so on. It is the total customer experience that influences the customers' perceptions of value and service quality, and which consequently affects customer loyalty. In our cross-disciplinary research in human-computer interaction (HCI) and relationship marketing, we have been investigating how HCI and customer relationship management (CRM) strategies can be integrated in the design of e-commerce so as to engender customer retention, trust and loyalty. We have performed a series of empirical studies to understand customers' requirements and perceptions about service-quality from e-shopping and e-travel environments. From these studies, we have developed an empirically-grounded evaluation instrument, E-SEQUAL, which we discuss in this paper. The development team can apply it at different phases of an e-commerce development life-cycle to integrate customers' perceived dimensions of service quality into the design and evaluation of e-commerce.     

具有社区结构的无标度网络生成算法

近年来,生成图模型在复杂网络研究中的作用越来越重要。图的生成过程对于研究疾病的蔓延和信息的传播具有重大意义,同时图模型的生成也有助于更深入地研究复杂网络的特性。为了能够生成既符合真实网络特征又具有结构多样性的复杂网络,提出了一种具有社区结构的可调节聚集系数和模块性的无标度网络生成算法——TCMSN(Scale Free Network with Tunable Clustering Coefficient and Modularity)。通过调节混合参数可以调节生成网络的模块性,通过调节社区内连边的概率和混合参数可以对网络聚集系数进行调节。TCMSN采用了合理的连边策略,在不破坏网络结构多样性的情况下,能尽可能维持网络的无标度特性。人工构造数据和真实网络数据的对比实验结果表明,TCMSN算法能够生成可调节聚集系数和模块性的无标度网络模型,且能够生成最接近真实网络社区结构特征的网络模型。