电商平台用户再购物行为的预测研究

摘要：

电商平台上用户的购物行为研究对于电商企业来说具有重要的商业应用价值.文中针对购物者在同一电商平台上的再次消费行为的预测问题进行了研究.首先,针对用户与商家的行为和交易记录,基于特征工程方法设计了多种不同的行为预测特征,基于可视化等方法对比分析了预测特征的重要性和特点,进行了属性筛选;然后,基于提出的预测特征设计使用了多种不同算法训练预测模型.实验研究表明,多lightGBM模型的融合方法能够达到很高的再购物行为预测准确度,其AUC值能够达到0.7018,同时,基于这种方法实现的预测器只需要少数特征就能对预测结果产生很好的贡献.研究的数据来源是开源的真实大数据,研究成果具有应用和学术双重价值.

关键词：再次购物行为预测、特征工程、特征可视化、融合模型

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家级大学生创新创业训练计划资助项目;中央高校基本科研业务专项资金

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：424-428