基于評論數(shù)據(jù)的B2C客戶消費偏好模型研究.pdf

1、互聯(lián)網(wǎng)的迅速發(fā)展使得網(wǎng)絡購物消費快速增長，近年來以京東、天貓等為代表的B2C購物模式發(fā)展迅速，網(wǎng)站業(yè)務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？如何從海量消費數(shù)據(jù)挖掘客戶的真實需求從而提供精準的個性化服務，最大程度改進客戶的購物體驗？這些問題成為目前研究的熱點和難點。因此，運用數(shù)據(jù)驅(qū)動模式挖掘客戶的消費偏好，是B2C購物網(wǎng)站精準營銷的重要保障。
　　本文以在線評論、消費者行為和B2C網(wǎng)站客戶

2、消費偏好為理論基礎，以天貓B2C服裝類客戶消費作為研究對象，從消費者、平臺及商家方面分析消費偏好影響因素，對所選定網(wǎng)售商品進行歸類和篩選，確定了7種服裝商品，運用爬蟲軟件抓取2016年9～11月的在線評論信息。通過數(shù)據(jù)整理、關(guān)鍵詞提取與統(tǒng)計分析等手段，提取客戶評論信息的34個高頻關(guān)注點，確定12個特征因素變量。運用李克特量表的5級評分標準將評論信息轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。
　　運用Clementine12.0軟件將12個商品特征因素變量

3、導入，建立各個因素之間的貝葉斯網(wǎng)絡模型結(jié)構(gòu)。計算各節(jié)點在其父節(jié)點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，對比分析貝葉斯網(wǎng)絡模型的準確性，對模型預測結(jié)果做出準確評估。
　　結(jié)果表明，所篩選7個商品的舒適程度、面料、質(zhì)量、顏色、合適程度、價格等，都是客戶高頻關(guān)注詞;貝葉斯網(wǎng)絡模型中因素節(jié)點間具有較強的相關(guān)性;節(jié)點的條件概率分布情況相似，客戶給予優(yōu)、良、中評價的概率較高;男裝和女裝的特征因素重要性程度不同，