关于电商用户忠诚度评估方法的研究

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＴＡＮＧＨｕ— ｘｉｎ
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＴｅｃｈｎｏｌｏｇｙａｎｄＢｕｓｉｎｅｓｓＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ）
第３４卷第１期
文章编号：１００６ — ９３４８（２０１７）Ｏ１ — ０３４８ — ０４
计
算
机
仿
真
２０１７年１月
关于电商用户忠诚度评估方法的研究
唐胡鑫
（北京工商大学计算机与信息工程学院．北京１０００４８）摘要：在提高电子商务网站用户忠诚度的研究中，由于电子商务用户数据复杂的内部结构，传统的方法支持向量机（ＳＶＭ）在挖掘潜在忠诚用户群模式时，无法利用用户的消费历史记录和上下文信息进行挖掘．从而降低了电子商务用户忠诚度挖掘的准确度。提出一种采用回归预测的支持向量机的算法，旨在应用回归预测机制更好的利用用户历史购买行为记录，Baidu Nhomakorabea并分析用户购买行为记录的背景，从而提高电子商务用户忠诚度评估的准确度，实验结果表明，上述算法与传统的支持向量机算法相比，准确度提高了约１５％左右。关键词：支持向量机；回归预测；电子商务；用户忠诚度
ＫＥＹＷＯＲＤＳ：Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）；Ｒｅｇｒｅｓｓｉｏｎｐｒｅｄｉｃｔｉｏｎ；Ｅ－ｃｏｍｍｅｒｃｅ；Ｃｕｓｔｏｍｅｒｌｏｙｌａｔｙ
中图分类号：ＴＰ３９１．９文献标识码：Ｂ
ＴｈｅＲｅｓｅａｒｃｈｏｆｔｈｅＡｓｓｅｓｓｍｅｎｔＭｅｔｈｏｄｏｆｔｈｅ
ＬｏｙａｌｔｙｏｆｔｈｅＥ— — ＣｏｍｍｅｒｃｅＣｏｎｓｕｍｅｒｓ
ＡＢＳＴＲＡＣＴ：Ａｍｏｎｇｔｈｅｒｅｓｅａｒｃｈｍｅｔｈｏｄｓｏｆｃｏｎｓｕｍｅｒｌｏｙａｌｔｙｏｆｅ — ｃｏｍｍｅｒｃｅｗｅｂｓｉｔｅ．ｔｈｅｔｒａｄｉｔｉｏｎａｌｓｕｐｐｏｔｒｖｅｃｔｏｒ
ｄａｔａａｎｄｃｏｎｔｅｘｔｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｃｏｎｓｕｍｅｒｓｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｌｏｙａｌｔｙａｓｓｅｓｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｌａｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｂｙａｂｏｕｔ１５％ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌｏｎｅ．
ｍａｃｈｉｎｅ（ＳＶＭ）ｍｅｔｈｏｄｈａｓａｌｏｗａｃｃｕｒａｃｙｆｏｒｍｉｎｉｎｇｔｈｅｃｏｎｓｕｍｅｒｌｏｙａｈｙ．ＳｏｔｈｅａｕｔｈｏｒｐｒｏｐｏｓｅｄａｎｅｗＳＶＭａｌｇｏ —
ｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｐｒｅｄｉｃｔｉｖｅｒｅｇｒｅｓｓｉｏｎ，ｉｎｗｈｉｃｈｔｈｅｒｅｇｒｅｓｓｉｏｎｐｒｅｄｉｃｔｉｏｎｍｅｃｈａｎｉｓｍｗａｓｕｓｅｄｔｏａｎａｌｙｚｅｔｈｅｈｉｓｔｏｒｙ
评估机制，提出一种电子商务忠诚度评价渐进提升控制算法．使用Ｌｙａｐｕｎｏｖ函数构建提升目标函数，改进特征挖掘算法的准确度和评价精确度［５］。邵琳琳等人针对电子商务协同过滤推荐算法存在的速度慢、质量不高等缺陷，无法提高客户忠诚度，提出了一种基于混合蛙跳模糊聚类算法，利用模糊Ｃ一均值预处理数据，获取数据聚类中心．最优化选取相
１引言
蘑菇街、天猫商城、京东商城、唯品会、苏宁易购等电子商务网站发展迅速，已经积累了海量的客户消费数据，随着电子商务市场竞争迅速增大，市场的竞争归根结底是客户资
度ｌ４］。杜鹏等人设计了一种Ｂ２Ｃ环境下的忠诚度特征分析