在线评论特征对知识付费产品销量的影响研究——基于产品类型的调节作用

与搜索品和体验品相比,知识付费产品具有信任品特性,意味着消费者具有更高的感知风险意识.因此,研究在线评论特征对于知识付费产品销量的影响机制尤为重要.本文基于信号理论构建了在线评论特征影响知识付费产品销量的理论模型,并探讨了产品类型的调节作用.本文采用4625条知乎Live数据验证模型与假设.结果 表明,评论数量、评论好评率以及评论可读性正向影响知识付费产品销量,评论长度负向影响知识付费产品销量,评论主观性对知识付费产品销量影响不显著.同时,与实用型产品相比,享乐型产品的评论数量、评论好评率和评论可读性对知识付费产品销量的正向影响更加明显,享乐型产品的评论长度对知识付费产品销量的负向影响更加明显.与享乐型产品相比,实用型产品的评论主观性对知识付费产品销量的负向影响更加明显.     

融合特征情感和产品参数的客户感知偏好模型

在线评论作为一种公开、可获取的信息资源,蕴含了关于产品质量的各种有价值的信息,对这些信息的分析与挖掘有助于企业了解客户的需求和偏好。目前,基于在线评论的客户偏好模型考虑了特征观点和评论数量,忽视了产品参数对消费者购买决策的影响。因此,本文提出了一种融合特征情感和产品参数的客户感知偏好模型。首先,利用在线评论提取客户讨论的产品特征,并识别产品特征的情感极性,从而进一步计算特征正负面情感得分,生成产品的特征情感。然后,结合企业定义的产品参数,构建特征情感和产品参数融合作用对产品销量影响的计量经济模型,分析客户对产品的感知偏好。最后,为验证模型的有效性,获取了汽车之家网站的39款汽车产品(SUV车型)的评论文本,并持续8个月的销量跟踪。研究结果显示本文提出的模型比信息增益和TF-IDF方法能够更加准确地获取客户的感知偏好。此外,研究结果解释了特征情感和产品参数与产品销量的关联关系,为企业的市场营销和产品设计决策提供了理论基础。     

基于在线评论数据的产品需求趋势挖掘

随着经济水平的提高和物质生活的丰富,消费者的需求变化也越来越快。能否迎合市场需求的变化是企业产品成功的关键。随着社交媒体的发展,消费者为了分享购物体验发表了许多在线评论信息,其中蕴含着消费者的需求变化。本文在产品特征提取和属性情感分析的基础上,构建了垃圾评论识别模型。然后,利用时间序列分析模型预测下阶段的产品属性关注度和情感计算。最后结合历史数据的变化趋势,分析产品属性的重要性和市场满意情况。利用汽车论坛上的汽车评论数据对本文提出的研究模型进行了验证。研究结果可以为企业制定营销策略以及产品改进与创新提供决策支持。     

在数据库中挖掘定量关联规则的方法研究

数据挖掘技术是实现智能决策支持系统的一个重要手段 ,关联规则是数据挖掘的一个重要内容 .传统的 Apriori算法仅适用于挖掘数据间的定性关联关系 ,但数据间的定量关联关系对决策更有帮助 .属性值的离散映射是挖掘定量关联规则的一个重要环节 ,离散映射中属性值区间的划分粒度是影响数据挖掘质量的一个重要因素 .本文结合粗集理论提出了一个确定属性值划分粒度的方法 ,在此基础上设计出一个挖掘定量关联规则的算法 :Apriori 2 ,利用Apriori 2可以挖掘出大量对决策有帮助的定量关联规则     

挖掘技术在股票市场中的应用

本文介绍了数据挖掘中的重要技术-关联规则挖掘,并进一步根据股票市场的数据进行关联规则的挖掘.其中还提出了针对股票市场的数据预处理方法,然后利用Apriori方法对预处理得到的结果进行挖掘,并得到了较为理想的实验结果.     

一类表间多层次关联规则挖掘算法研究

关联规则采掘是数据挖掘及其应用研究中的重要内容之一.本文提出了多表间多概念多层次关联规则挖掘问题,研究了相关的挖掘算法,对所提出的算法进行了初步分析.该算法应用于某营销经理信息系统的关联规则挖掘,获得的结果表明算法是实用和有效的.     

关联规则挖掘算法在股票预测中的应用研究——基于遗传网络规划的方法

将遗传网络规划用于解决数据挖掘中的关联规则问题。相对于传统的关联规则挖掘算法,基于遗传网络规划的方法通过其中的遗传算子能够以递增的方式发现关联规则,从而避免了传统方法需要将全部数据库遍历才能得到规则的局限性。通过将要挖掘的关联规则定义为事务间的关联规则,以解决股票市场中的价格预测问题。     

面向客户需求的神经网络挖掘方法

客户细分是客户关系管理的主要内容，对客户进行细分有助于优化企业资源配置和对客户进行差异化服务进而提高客户满意度。很多文献根据客户对企业的贡献利用相关模型对客户进行了细分，本文从差异化服务出发，根据客户的需求特征或需求层次对客户进行了细分，这有助于预测客户的需求和减少企业的营销成本。在具体细分过程中根据数据挖掘的思想采用了自组织映射神经网络模型，并通过模拟说明了模型的有效性。     

查询驱动的一种挖掘特征规则的新方法

智能查询是决策支持系统的一个重要内容 ,在数据库中挖掘特征规则是实现智能查询的一个重要手段 .目前的数据挖掘方法都是面向具体问题的 ,不能适应用户灵活的查询需要 .本文结合粗糙集理论 ,提出了一个面向查询的挖掘特征规则的新方法 ,利用该方法挖掘出的特征规则可以在精度上达到最优 .以该算法为核心 ,本文设计出一个查询特征规则的类 SQL命令 ,使用户与系统的交互问答更加方便、灵活     

有关关联规则的挖掘算法研究

研究了入侵检测中关联规则挖掘技术,在Apriori算法的基础上,提出了一种新的算法,该算法将FP-tree映射成为FP-array,那么绝大部分运算是运用布尔逻辑运算完成的,解决了频繁构造条件FP一树的巨大处理开销,从而大大提高关联规则挖掘效率。     

客户利润贡献度评价的数据挖掘方法

讨论了客户关系管理中的客户利润贡献度评价这一关键问题. 为了提高客户利润贡献度评 估的可操作性,本研究在评价方法中引入数据挖掘技术,给出了这一方法的步骤和基于判定树的分 类模型. 最后结合实例对该方法的应用进行了说明.     

基于意外度的关联规则深层知识发现及应用研究

为了弥补传统关联规则挖掘产生大量冗余规则、难以直接用于决策支持的不足,本文提出了一种基于用户已有知识的规则意外度评价方法,并在此基础上设计了基于意外度的深层关联规则挖掘算法。算法的优点在于能够将用户已知的规则作为领域知识加入到数据挖掘过程从而有效过滤和已知规则相近的冗余规则,并且可以将新得到的规则加入知识库中实现知识的积累和重用。最后本文采用一个商场数据验证了该算法的有效性,并且对具有回馈模式的关联规则在商品促销中的作用进行了分析。     

基于TAM-VCE模型的客户网上参与产品开发意愿

本研究根据客户网上参与产品开发的特点,基于Davis的TAM模型,增加了沟通、工作相关性、结果可见性、有趣性感知四个外部变量,构建了TAM-VCE模型,用于研究客户网上参与产品开发意愿的影响因素.采用问卷调查方法对该模型进行检验,结果表明有用性感知、易用性感知和有趣性感知是客户对VCE使用态度的三个决定因素.其中易用性感知、沟通、工作相关性和结果可见性对有用性感知有直接影响,并为正相关关系.此研究结果有助于企业设计出客户更易于接受的网上参与平台,提高产品开发成功率.     

数据挖掘技术在CRM中的应用

客户关系管理(CRM)是数据挖掘技术的重要应用领域,也正是因为具有数据挖掘技术的支持才使CRM具有越来越广泛的市场价值和研究价值。本篇论文综述了面向CRM的数据挖掘应用的总体研究情况。包括面向CRM数据挖掘的体系结构;从客户生命周期的角度和行业应用角度分析了CRM中数据挖掘的应用状况;最后结合当前数据挖掘技术的发展指出了CRM中数据挖掘应用的进一步发展趋势以及我国在该领域的研究方向。     

强制型顾客参与对感知共同创造与在线服务补救满意的影响研究

本文基于损失厌恶解释了不同类型的强制型顾客参与对感知共同创造及在线服务补救满意的影响,同时探讨了在线服务提供商道歉表达方式对强制型顾客参与有效性的影响。研究表明,顾客的实体参与和心智参与有助于增强感知共同创造,从而提高在线服务补救满意,相比实体参与,心智参与对感知共同创造的积极影响更强,而情感参与没有影响。此外,相比运用直接的道歉语言,当在线服务商使用间接表达方式即表情符号来表达歉意时,顾客参与对感知共同创造的积极影响更强,从而在线服务补救满意更高。     

Impact of customer loyalty and service operations on customer behaviour and firm performance: empirical evidence from UK retail sector

Abstract

Retail networks are striving to achieve competitive advantage by increasing value through loyalty and efficiency with a focus on service operations. As sales promotions have become an integral part of the retail supply chain planning, customer behavioural aspects based on loyalty and service operations have been challenged greatly. Subsequently, management capabilities, such as planning and timely replenishment, have become complicated tasks for many retail store managers. This study develops a model integrating retail network value and efficiencies with customer behaviour and performance. We validate the model using survey data from prominent U.K. retail store customers. Our data analysis shows that both loyalty and service operation attributes have positive significant impact on customer behaviour, while the service operation mediates the relationship between loyalty and customer behaviour. This result gives a new outlook to build managerial capability based on customer loyalty and service operations. Our results specifically show that the service operation attributes will indirectly influence the customers’ buying behaviour even in the presence of loyalty attribute such as promotion schemes. This result sends a strong signal to retail supply chain managers to offer customised promotions considering local community rather than having uniform sales promotion nationwide.     

基于句子级情感的中文网络评论的情感极性分类

为提高网络评论段落的情感极性分类准确率,在考虑人们表达习惯和语料粒度的基础上,提出一种基于句子情感的段落情感极性分类方法． 该方法通过句子的情感极性和句子的情感极性贡献度来对段落进行情感分类,采用传统分类方法预测句子的情感极性,提出等权重、相关度、情感条件假设 3 种方法,能够根据训练语料的统计数据动态地确定段落中不同位置句子的情感极性贡献度． 最后,以超过2个句子的手机和酒店网络评论为对象进行实验分析,实验结果显示,与传统方法相比,考虑了人们表达习惯的相关度和情感条件假设方法显著提高了段落分类的准确率,且具有一定的自适应性．     

针对论坛数据特点的汽车质量问题挖掘

汽车质量是汽车生产商在市场中立足的根本和发展的保证,了解并掌握用户反馈的汽车质量问题是其维护品牌声誉、提升市场竞争力且最贴近用户的重要途径。本文基于网络论坛数据,对用户的用车体验中隐含的汽车质量问题进行挖掘。针对论坛数据和用户体验的特点,首先选取文本特征,识别出用户体验中涉及汽车质量问题的文本;然后依据质量问题对应汽车部件与问题类型间的关系,提出了一种汽车质量问题的提取方法;最后,利用某实际论坛数据验证了本文方法的可行性与有效性。本文提出的针对论坛数据特点的汽车质量问题挖掘方法,可以帮助汽车生产商及时获取可能存在的汽车质量问题,在质量管理过程中具有重要意义。