基于机器学习的电商在线消费者购买行为预测研究

发布时间：2024-05-14 05:12

　　近年来人们的日常消费方式发生了翻天覆地的变化。由于网络的普及,人们开始使用PC以及移动设备进行网上购物,该种方式突破了时间和地域的限制。线上商品种类繁多齐全且价格更为低廉,能够更好的满足消费者多样的需求。但海量的商品呈现给消费者的同时,也使得消费者需要花费大量的精力来挑选商品。越来越多商家为了更好的满足消费者的消费需要而对消费需求进行细化,研发满足消费者细化需求的网络购物平台并推向市场,使得网络零售市场竞争更为激烈。如何能够准确的了解消费者的消费需求,并对其提供更有针对性的垂直服务,是电商接下来的发展过程中,不得不思虑的重要一环。随着数据科技的不断进步,大数据成为近几年的新兴话题,在大数据存储计算水平上有了较大的提升,进而衍生出了区块链技术。消费者每一笔交易数据都被记录在了服务器中,进而可以通过机器学习以及各种智能计算方法分析消费者的在线行为以及交易数据等预测消费者未来的消费行为。本文采用阿里云天池大数据平台提供的来自淘宝购物平台的已经进行脱敏处理的真实数据,对消费者的行为进行统计挖掘,预测消费者会购买哪种商品。对消费者购买行为预测模型的提出分为四步:第一步是数据异常值的处理。对原始数...

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

图4.2消费者点击行为统计

图4.2消费者点击行为统计次，从定性的角度来分析，消费者在网络购物平台产生购物行为之定的点击、喜欢或者加入购物车行为。而从商品维度对产生购买行行为数据进行分析发现，消费者在产生购买行为之前，大多数消费

图4.3购买前点击行为统计

21图4.3购买前点击行为统计

图4.4行为与商品类别关联

图4.4行为与商品类别关联据预处理

图4.7朴素贝叶斯模型最优ROC曲线

图4.7朴素贝叶斯模型最优ROC曲线

本文编号：3973235