基于數(shù)據(jù)挖掘的消費(fèi)者購(gòu)買(mǎi)預(yù)測(cè)的研究.pdf

1、隨著電子商務(wù)的發(fā)展，網(wǎng)絡(luò)購(gòu)物已經(jīng)成為一種主要的消費(fèi)模式，相比于線(xiàn)下，線(xiàn)上消費(fèi)具有價(jià)格低廉、品種繁多、比價(jià)方便、受營(yíng)業(yè)時(shí)間、地域的影響更小等優(yōu)點(diǎn)。但恰恰是海量的商品信息，更多元的購(gòu)買(mǎi)選擇，使得消費(fèi)者要從中搜尋到合適的商品需要花費(fèi)過(guò)多的時(shí)間和精力。與此同時(shí)，電子商務(wù)平臺(tái)上的激烈競(jìng)爭(zhēng)，使得商家們?yōu)榱烁玫刭N近消費(fèi)者的實(shí)際需要，細(xì)化了產(chǎn)品需求，這也使每種產(chǎn)品針對(duì)的用戶(hù)范圍更狹窄了。如何才能快速有效地從茫茫人海中定位出相應(yīng)的消費(fèi)者，并建立更有針對(duì)

2、性的營(yíng)銷(xiāo)方案，是電商們?cè)诮酉聛?lái)的競(jìng)爭(zhēng)和發(fā)展中，不得不考慮的重要環(huán)節(jié)。而消費(fèi)者在電子商務(wù)平臺(tái)上產(chǎn)生了大量的行為數(shù)據(jù)，使得分析消費(fèi)者的購(gòu)買(mǎi)意圖和消費(fèi)習(xí)慣成為可能，從而實(shí)現(xiàn)一對(duì)一的的精準(zhǔn)推薦。
　　本文采用天池大數(shù)據(jù)科研平臺(tái)提供的真實(shí)數(shù)據(jù)，在用戶(hù)交互過(guò)的商品中，預(yù)測(cè)哪些商品短期內(nèi)將會(huì)被該用戶(hù)購(gòu)買(mǎi)。模型的建立分為四步：第一步是數(shù)據(jù)的預(yù)處理。先探索數(shù)據(jù)的基本分布情況，對(duì)數(shù)據(jù)進(jìn)行初步處理。這一步為特征的提取方式以及算法的選取提供參考和依據(jù)。第

3、二步是樣本的選取。樣本數(shù)據(jù)中，存在著正樣本數(shù)量過(guò)少，且正負(fù)樣本比例懸殊過(guò)大的問(wèn)題。通過(guò)三次處理來(lái)解決：首先，通過(guò)滑窗構(gòu)造取樣增加正樣本的數(shù)量。然后，通過(guò)對(duì)交互行為時(shí)效性的分析，壓縮了預(yù)測(cè)期前選取交互樣本的時(shí)間窗口，降低了正負(fù)樣本比例。最后，對(duì)負(fù)樣本進(jìn)行不放回的隨機(jī)采樣，而正樣本全部入樣。第三步是特征工程。通過(guò)多種角度構(gòu)造出用戶(hù)（user）特征、商品（item）特征、商品類(lèi)別（item_category)特征、用戶(hù)-商品交互（user-i

4、tem)特征四大特征群。然后采用不同手段加工、擴(kuò)充已有的特征群：在簡(jiǎn)單特征的基礎(chǔ)上，通過(guò)各種變換得到更適用于預(yù)測(cè)模型的二次特征；在單一特征的基礎(chǔ)上，通過(guò)各種特征的組合方式得到更能體現(xiàn)數(shù)據(jù)特點(diǎn)和業(yè)務(wù)需求的衍生特征。特征是預(yù)測(cè)模型的自變量，決定了預(yù)測(cè)模型預(yù)測(cè)效果的上限，通過(guò)嘗試不同的算法以及調(diào)試參數(shù)，可以逼近這個(gè)理論上限。第四步是模型訓(xùn)練和預(yù)測(cè)。本文采用邏輯回歸和 GBDT分別建立預(yù)測(cè)模型，通過(guò)測(cè)試集的驗(yàn)證比較，發(fā)現(xiàn) GBDT的預(yù)測(cè)效果更好