C2C平台上消费者重复购买影响因素的实证研究

C2C平台上,吸引消费者重复购买至关重要.以C2C平台上的小微企业为研究对象,结合4P营销理论,利用结构方程模型(SEM)就商品多样性、保障服务、促销组合、货币成本和卖家声誉等五方面因素对消费者重复购买行为的影响作用进行分析.研究表明,商品多样性、保障服务和卖家声誉对消费者的重复购买行为有显著积极影响,且商品多样性的影响作用显著大于卖家声誉和保障服务的影响作用;货币成本对重复购买具有显著消极影响;促销组合对重复购买的影响不明显.     

决策单元交叉效率的自适应群评价方法

传统交叉效率评价方法因决策单元偏好权重不唯一而难以操作,因交叉效率有效性分值平均化集结而难以被接受。目前的学者通常围绕决策单元指标权重的确定性分配方法、交叉效率有效性分值的去平均化集结等分别开展研究。本文将交叉效率评价方法中自评互评相结合的评价模式看作群决策过程,即每个决策单元既是一个被评对象,又是一个决策"专家",提出了一种决策单元交叉效率的自适应群评价方法,将决策单元偏好权重的确定和交叉效率有效性分值的去平均化集结作为同一个决策过程,根据每个决策单元的评价结果与群体评价结果的接近程度,同步迭代调整决策单元的"专家"权重和决策单元自评产生的、并提供给其他被评价决策单元的一组确定的偏好指标权重。实验验证与实例运用分析表明,该方法收敛效果良好,能得到客观稳定的决策单元交叉效率有效性分值及排序。     

基于蚁群算法的群体用户兴趣导航路径发现

在电子商务的发展进程中,如何准确理解用户访问网站的行为是一个紧迫的问题.Web使用挖掘是解决该问题的重要研究方法.发现用户的兴趣导航模式是Web使用挖掘的一个重要研究领域,也是优化Web站点框架设计的根本方法.在本文中,我们把Web用户看成是人工的蚂蚁,应用蚁群算法来发现用户的导航模式.首先,建立了一个Web站点模型;然后基于蚁群算法和Web日志数据建立了一个用户导航模型;最后,设计了一个算法,将所有的访问用户视为整体来挖掘他们偏好的导航路径.实验结果表明该方法能准确反映出用户的浏览兴趣.     

大数据的价值发现:4C模型

随着新一代信息技术的应用,大量的数据在开放多源的渠道中产生,逐渐汇聚成一个巨大的、精准映射并持续记录物质世界和精神世界运动状态和状态变化的"大数据"空间。大数据中蕴含着巨大的商业价值和支持科学决策的价值。然而,如何面向多源异构的数据特征,满足实时高效的计算需求,增强模型方法的解释能力,构建数据分析的统一框架成为当前大数据价值开发和利用的重要挑战。本文从数据间的协同、计算间的协同、分析间的协同和人机间的协同等方面提出一种4C模型,建立面向商业价值发现的大数据分析理论研究范式,详细论述4C模型的结构、关键问题和解决方案,给出4C模型在汽车品牌管理场景下的具体应用,以期推动大数据相关研究与实践的发展。