重复购买

摘要： 一、研究背景忠诚计划是指商家以驱动顾客重复购买为目的,对客户购买行为给予回报的计划。近年来,越来越多的企业(商户)面向C端客户推出了忠诚计划,较为常见的如银行为信用卡持卡人累计积分,航空公司为旅客累计里程等,但少有银行将忠诚计划应用在普惠信贷领域。本文旨在通过对部分行业忠诚计划进行研究,来探讨忠诚计划应用在普惠信贷领域的可能性及实施方向。

摘要： 以用户体验为出发点,基于在线音乐平台为研究对象,结合在线评价进行调节分析,构建研究模型并加以实证研究,探讨用户体验对重复购买的影响。提出了研究框架,开展问卷调查,对收集的数据进行分析,得出以下结论:用户体验中的感官性、情感性、可用性、功能性这几个影响因素均对重复购买行为有显著的正向影响关系,在线评价在用户体验对重复购买行为中有显著的调节关系,在调节方向上呈现反向影响的调节关系。

摘要： 近年来,电动自行车在中国的产销量持续下滑、大量小企业退出市场。为研究行业发展状况及上述现象产生的根本原因,首先,选择使用Bass模型对中国电动自行车市场扩散进行分析,再根据实际对模型加以改进;实证结果表明,考虑重复购买的改进模型预测更加准确;接着对产品扩散的三个重要时间点进行估算,发现市场在2014年已接近饱和,行业现处于成熟期,并在此基础上预测未来市场情况;最后,为电动自行车行业摆脱困境提供适当建议。

摘要： 近年来,电动自行车在中国的产销量持续下滑、大量小企业退出市场.为研究行业发展状况及上述现象产生的根本原因,首先,选择使用Bass模型对中国电动自行车市场扩散进行分析,再根据实际对模型加以改进;实证结果表明,考虑重复购买的改进模型预测更加准确;接着对产品扩散的三个重要时间点进行估算,发现市场在2014年已接近饱和,行业现处于成熟期,并在此基础上预测未来市场情况;最后,为电动自行车行业摆脱困境提供适当建议.

摘要： "智能+"代表数字技术的发展进入新阶段和新维度,人工智能、大数据、云计算等技术的发展与应用支撑了"智能+"的快速发展."智能+"时代的客户关怀,是对互联网时代客户关怀的改造与提升,不仅能预测客户的需求,还能充分利用大数据分析技术.文章通过对客户购买行为和评论数据的采集,深入挖掘客户行为,分析客户的复购时间间隔,预测客户需求信息,个性化地进行商品和物流推送,智能化地对客户进行关怀,从而真正实现以客户为中心.

摘要： 电商自营品牌是电商平台进行转型升级的有益探索,旨在为消费者提供更高质量的产品服务.本文基于社会调查数据,实证检验了我国电商自营品牌重复购买行为及其影响因素.研究结果表明,性别、年龄及受教育水平等个人特征会影响电商自营品牌的重复购买行为.与传统电商消费相比,消费者选择电商自营品牌有更明显的质量驱动心理,且消费者对产品质量的关注会通过顾客感知、购物满意度以及网购依赖路径影响电商自营品牌的重复购买行为.因此,电商平台在发展自营品牌的过程中应该加强对产品质量的把控,基于大数据进行精准营销.

摘要： 本文基于社会调查研究方法,从价值共创视角出发,实证检验了虚拟品牌社群成员的互动行为对其重复购买意愿的影响.研究结果表明,虚拟品牌社群的消费者互动以及消费者-企业互动,均有利于提高消费者重复购买倾向,但具有价值共创驱动的消费者-企业互动行为对其重复购买的边际影响更大.品牌认同在这一过程中发挥着正向的调节作用,该调节作用还显著受到消费者社群互动频率的影响.

摘要： 互联网的快速发展和普及,使一种新形式的电子零售也得到快速的发展.因此,顾客参与在线购买已成为一种重要趋势.确定顾客在线购买意愿的决定因素至关重要.本文将研究顾客的信任是顾客产生重复购买意向的重要因素.

摘要： 研究电子商务平台中重复购买客户预测模型,构造出多层神经网络.原始数据编码采用词嵌入的方式,对子模块的特征向量设计出来之后设计顶层重复购买预测模型和算法.通过客户的行为日志对潜在重复购买客户进行预测具有重要意义.该预测模型适用于电子商务平台的重复购买预测,并取得了较好的效果.

摘要： 互联网的快速发展和普及,使一种新形式的电子零售也得到快速的发展。因此,顾客参与在线购买已成为一种重要趋势。确定顾客在线购买意愿的决定因素至关重要。本文将研究顾客的信任是顾客产生重复购买意向的重要因素。

摘要： 如何能够更好地促进消费者长期持续购买,是电商企业都非常关注的问题.本研究在降价式拍卖这种特定销售模式的场景下,利用贡天下特产网"7天拍"和"15分钟拍"销售形式下大量真实的拍卖数据,采用统计分析和面板数据回归模型相结合的定量研究方法,研究了消费者重复购买的影响因素问题,同时建立了消费者长期复购率和短期复购率的随机效应回归模型.研究结果表明,拍卖形式、消费者绩效、竞拍结构三个方面相关的一些因素对于消费者重复购买具有显著影响.

摘要： 重复购买是影响创新扩散的一个重要因素，本文在Norton-Bass多代创新扩散模型的基础上，将购买者划分为首次购买者和重复购买者，并考虑扩散过程中的跳跃现象，给出了重复购买多代创新扩散模型。鉴于模型本身的复杂性，本文进一步采用蚁群优化算法对模型参数进行估计，并利用中国互联网上网方式的用户数据进行实证研究，实证结果表明：重复购买多代创新扩散模型比Norton-Bass模型的拟合优度与预测精度更高。同时实证分析了蚁群算法、极大似然估计法以及非线性最小二乘法对重复购买多代创新扩散模型的参数估计效果，发现在历史数据较少的情况下采用蚁群算法效果较好。

摘要： 新产品上市后的扩散规律一直被企业所重视，选择合适的扩散模型以拟合和预测产品的销量变化规律对于企业非常重要，同样对模型应用的结果做出充分的分析也十分重要。以往的分析只是简单的给出标准误差，并不能充分的说明模型应用的结果，本文试图用同套数据比较两个代表性重复购买扩散模型，并用计量经济学统计数据详细解释比较分析应用的结果，以找出新产品上市后变化规律及其影响因素，为企业选择合适模型，并对其结果进行分析以及做出合适营销策略提供参考。

摘要： 经济演进的过程随着消费型态的改变，已从过去的农业经济、工业经济、服务经济转变至“体验式经济”时代。一个新产品成功的进入市场后并不意味着就取得了成功，在激烈的市场竞争中，一个新产品能否成功的吸引消费者重复购买，其关键在于消费者拥有良好的体验质量。基于此，本研究提出了一个关于消费者体验质量安全的指标体系，基于相关的体验质量理论提出了3个体验质量安全主体，包含12个维度，49个指标的体验质量安全量表，通过EFA和CFA因子分析法对假设进行了规范的实证分析，获得了由核心产品体验质量安全、形式产品体验质量安全以及外延产品体验质量安全三个要素组成的产品体验质量安全结构量表，其中由路径系数决定指标权重。本模型分别通过了信度和效度检验，检验结果表明该量表具有较高的信度和效度，并通过问卷调查检验量表的可靠性。

摘要： 一种重复负序列模式在客户购买行为分析中的应用，提出一个名为e‑RNSP的高效算法来挖掘重复负序列模式，所述算法的主要思想是首先通过RptGSP算法挖掘得到重复正序列模式，并且将挖掘出来的重复正序列模式以及包含它们的数据序列中的重复次数对应保存下来，然后用和e‑NSP相同的方法生成负序列候选模式，最后通过公式来计算负序列侯选模式的重复支持度，而无需多次扫描数据库。所述e‑RNSP是第一个重复负序列模式挖掘算法，通过该算法挖掘得到的重复负序列模式可以更全面的分析客户购买行为，使得售货方能够根据当前的商品销售情况来预测以后的商品销售。

摘要： 公开了一种识别对点击广告条幅进行的任何重复尝试的方法。该方法识别第二次尝试以便忽视这样的第二次尝试。因此，所有的第一次尝试都可能被识别并且被适当奖励。还公开了一种伴随的系统，包括可以由智能电话扫描以便触发广告或折扣券的链条的QR码。这些广告或折扣券可以向所期望数量的用户进行宣传，而针对任何相同接收方都不会两次计数。

摘要： 一种重复负序列模式在客户购买行为分析中的应用，提出一个名为e-RNSP的高效算法来挖掘重复负序列模式，所述算法的主要思想是首先通过RptGSP算法挖掘得到重复正序列模式，并且将挖掘出来的重复正序列模式以及包含它们的数据序列中的重复次数对应保存下来，然后用和e-NSP相同的方法生成负序列候选模式，最后通过公式来计算负序列侯选模式的重复支持度，而无需多次扫描数据库。所述e-RNSP是第一个重复负序列模式挖掘算法，通过该算法挖掘得到的重复负序列模式可以更全面的分析客户购买行为，使得售货方能够根据当前的商品销售情况来预测以后的商品销售。

摘要： 本发明提供一种能够降低用户看漏若还购买数件商品则可获得优惠的可能性的商品购入支援装置等。商品购入支援装置将商品购买时所能得到的优惠、及适用优惠所必需的优惠适用条件作为优惠信息并按每个优惠进行保持；在不满足优惠适用条件的情况下，提取如果用户除了所希望的商品的基础还购买不同于该商品的其他商品则满足优惠适用条件的其他商品；向终端提供用于对用户提示其他商品及优惠适用条件的提示信息。

摘要： 本申请公开了线上商品的购买方法、购买装置、存储装置及购买设备，其中，购买方法包括：从商品管理平台获取并显示至少一个商品的信息；响应于用户对商品的选择指令，确定目标商品；将目标商品的虚拟图像合成至目标对象的第一虚拟形象上，并显示合成后的第二虚拟形象；检测到用户对对目标商品的购买指令，向商品管理平台发送对目标商品的购买请求。通过上述方式，本申请能够实现目标使用者对商品的试用，为线上购买商品提供更直观的使用效果。

摘要： 本发明公开了一种考虑重复购买行为的会话推荐方法。该方法建立一个模型对当前会话和用户长期兴趣进行建模，并预测用户点下一个点击的物品。用户在在线平台上往往会有固定的行为习惯，因此本方法提出一种考虑重复购买行为的推荐方法，主要由四个部分组成：第一部分是根据用户当前交互会话序列，得到用户短期、长期兴趣表征和辅助行为(购买)表征。第二部分是根据用户短期和长期兴趣表征，选择重复模式或探索模式。第三部分是在重复模式下，根据用户的短期、长期兴趣表征和辅助行为(购买)表征，在用户历史购买的物品序列中进行推荐。第四部分是在探索模式下，根据用户的短期和长期兴趣表征，对不在用户历史购买的物品序列中的物品进行推荐。

摘要： 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote‑Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。

摘要： 本发明提供了一种针对用户重复购买预测的模型参数优化方法及设备。所述方法包括：步骤1至步骤9。本发明采用Spark分布式计算框架基于内存计算的特性，使秃鹰种群被划分为多个秃鹰子种群，然后使用mapPartitionWithIndex算子使每个分区的的子种群实现分布式计算，可以快速有效的搜索出最优的参数组合以提高LightGBM模型的预测精度，且在大数据分布式系统下具有计算速度快和可扩展性的特点。

摘要： 本发明公开了一种考虑重复购买行为的会话推荐方法。该方法建立一个模型对当前会话和用户长期兴趣进行建模，并预测用户点下一个点击的物品。用户在在线平台上往往会有固定的行为习惯，因此本方法提出一种考虑重复购买行为的推荐方法，主要由四个部分组成：第一部分是根据用户当前交互会话序列，得到用户短期、长期兴趣表征和辅助行为(购买)表征。第二部分是根据用户短期和长期兴趣表征，选择重复模式或探索模式。第三部分是在重复模式下，根据用户的短期、长期兴趣表征和辅助行为(购买)表征，在用户历史购买的物品序列中进行推荐。第四部分是在探索模式下，根据用户的短期和长期兴趣表征，对不在用户历史购买的物品序列中的物品进行推荐。

摘要： 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote‑Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。