基于用户画像和热销品特征的网络店铺选品方法研究

发布时间：2020-05-12 04:30

【摘要】：近几年,网络零售商越来越重视借助商务智能进行科学选品。运用商务智能技术选品,例如数据仓库技术、数据挖掘等,改变了以往网络零售商依靠经验和知识进行选品导致的准确率低的情况,使得企业能够从现有庞大和繁杂的业务数据中提炼出有用的知识和信息,并针对这些信息作出判断,从而辅助企业做出正确的选品决策。个性化推荐技术是目前较为流行的智能化产品策略,而且已被广泛应用到多个领域,但是在目前还没有一种推荐方案适用于电子商务选品领域,因此本文针对选品领域的特点,提出一种基于用户画像和热销品匹配的个性化推荐方案,无论在理论方法和应用实践方面,都具有重要意义。本文提出的选品方法重点解决了以下两个问题:第一,基于网络店铺订单数据的群体用户画像构建。通过获取店铺订单数据,对店铺用户的特征与行为进行分析并创建用户画像模板,然后针对不同指标类型进行规划化处理,在此基础上,运用经典的K均值算法构建了基于用户基本属性、购买偏好属性的网络店铺群体用户画像模型,并以合作的第三方电商平台的卖家数据进行聚类的精确率验证。第二、平台热销品特征与网络店铺用户画像的映射方法设计。通过采集平台热销品数据创建了热销品特征实例库,然后根据热销品的不同属性类型,采用分而治之的匹配策略,分别构建了基于人口统计特征和基于产品特征的匹配方法,并根据用户画像和热销品的精准匹配实现了个性化产品推荐,最后利用平台的热销榜数据进行合理性验证。实验结果表明,(1)采用改进的聚类算法构建群体用户画像,属性的平均精确率达到0.913,综合属性精确度为0.522,表明该方法是可行的;(2)采用不同属性类型分而治之的匹配策略,使企业能根据不同群体的特点实现精准的产品推荐。总的来说基于用户画像和热销品的网络店铺选品方法是有效的,对企业实施精准营销具有一定的参考价值。
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;F724.6

【相似文献】