文摘
为了解决这个问题,电子商务系统为用户提供了越来越多的选择信息,使得用户很难找到所需的产品在大量的产品信息,和一个精确的电子商务信息的传播和研究方法提出了社会媒体用户的行为。为了提高个人销售方法的商人,multiangle分析的方法提出的数据聚类算法和分类算法。研究表明,男人和女人有很大的区别在使用微信,女性占70%。可以看出受访者主要是女性。26-40岁人群占62.4%,匹配的主要消费群体(26-40岁)在行业研究报告。每月可支配收入而言,中位数和模式都是1000至2000元,这是与受访者的年龄分布有关。网上购物的频率1 - 6次/月占总样本的81.5%,和网上购物经验1年以上占98.8%,表明受访者一般有网上购物的习惯。通过实验分析,验证了改进算法的有效性。网上购物的消费占总消费、的人数占五分之一到三分之一。可以看出,网上购物是一种不可缺少的一部分,人们的日常消费。
1。介绍
随着移动互联网时代的到来,我们的生活方式和购物习惯都发生了巨大的变化。网民的习惯使用台式电脑和笔记本电脑上网在传统互联网时代已经改变了,代之以智能终端设备,如智能手机和便携式平板电脑。具体流程如图1。电子商务网站的快速发展不仅扩大了传统销售渠道,也改变了人们的购物方法,使网上购物更方便(1]。根据“2015中国电子商务软件行业研究报告,“中国网上购物市场的交易数量在2014年达到近3万亿,显示一个相对快速增长的趋势。
2。文献综述
我们都知道,一站式购物不仅是关键用户对管理者也更加重要。因为这部分系统的压扁过程可以带来成本的降低,网络流量将收敛于垂直电子商务平台的电子商务平台。Buczak和Guven提出,目前,垂直电子商务仍然处于弱势地位的用户流量和大宗商品资源与电子商务平台相比,虽然比较专业化和差异化的程度,垂直电子商务的优势是显而易见的。同时,它是必要的,以确保用户转化率,用户保留率和用户粘性,持续发展的驱动力垂直电子商务(2]。许等人垂直电子商务和其他人都认为,应该充分发挥其独特的优势。我们不仅要掌握用户的转化率和保留率也掌握用户的粘性通过一些操作方法可以充分显示特定于用户的强烈的针对性分析垂直电子商务(3]。Mazimpaka和Timpf发现程度的消费者对电子商务平台的可靠性和安全性是他们的信任在电子商务平台4]。Papalexakis。等人提出,在电子商务交易中,消费者认为电子商务平台不会使消费者的个人信息,并能够显示善意,能力,和可预见的行为在他们的消费信心5]。Martinez-Alvarez。等人认为可信度和善意信任的两个最重要的因素在电子商务平台6]。Chaurasia和朋友建议相信电子商务平台是平台商家可以考虑消费者的权益,操作平台和商店根据消费者的期望,并执行活动,消费者可以预测(7]。在影响因素研究消费者对电子商务的信任,燕和郑和其他国家信任对降低感知风险有一个深远的影响和促进购买意图的形成(8]。加西亚等人进行的研究显示,消费者的信任的平台是概括为四类,即平台的声誉和规模;平台的实用性、可访问性和安全性;为消费者提供定制服务的意愿;和个人信任倾向的消费者(9]。在香港等人的状态,相信应该分为四个综合类别,包括认知因素(隐私保护、信息质量、系统可靠性、安全性保护,等等);结果因素(消费者反馈、声誉、评估、第三方认证、口碑,参考,等);经验因素(电子商务使用的经验,互联网使用经验,熟悉,等等);和个人因素(购物风格、信任倾向等)。关系营销和渠道管理是市场营销研究的主要研究信任(10]。Aussel等人的研究表明,不信任可以对采购的选择和有重要影响的预期未来互动(11]。张等人也和其他人发现,网上购物的发展面临着许多困难,其中很大一部分是由于缺乏信任。他们还提出,影响购买意愿的因素包括三个方面:实用性、可访问性,和信任12]。
在审查,先前的研究包括两个方面:一是对电子商务平台的信任,,另一个是商人住在电子商务的信任。这些研究丰富了信任模型的应用领域,为后来的分析提供了理论基础的消费者相信微信平台。需要层次理论是一个成熟的理论的可持续的行为,它有一个成功的实践基础,提高服务质量和服务效果的新媒体平台(如图2)。
3所示。方法
3.1。研究微信平台的概述
现有的微信公众平台可分为四类:媒体、品牌客户服务、公共服务和电子商务。微信营销分析客观的缺点,例如,企业品牌推广,通过微信不符合消费者和企业的需求。品牌推广不够独特的微信平台。只是一个简单的图形信息,推动消费者面临着信息爆炸很难发现他们最需要的信息从大量的信息,企业也难以迅速传递品牌信息在消费者接受的方式(13- - - - - -15]。
从以上的研究中,可以发现,学者们目前主要进行定性分析的营销模式和营销价值微信平台,虽然仍有实证分析相对较少的影响消费者的信任在微信平台上购买意愿(16- - - - - -18]。因此,本研究的主要内容之一,是进行定量分析在微信平台上基于以前的研究的定性分析,如图3。
3.2。基本模型
研究中发现,没有统一的理解感知风险和信任之间的关系。它总结了这三个模型的两个影响购买意愿目前使用最广泛的,包括感知风险和信任模型单一影响购买意愿,调整的模型关系,中介关系的模型(19- - - - - -21]。
单一影响模型是一个相对较早的研究模式。但它只考虑影响购买意愿的孤独和不考虑两个共存购买意愿的影响,因此在研究中不采用。调整关系的模型还处于假说阶段,和这种关系的实证研究并不多。因此,结合本文的研究目标,一个相对成熟的中介关系模型选择研究中,即中介角色,感知风险对消费者信任对购买意愿的影响。
通过回顾以前的文献,然后基于上述分析,本文的基本模型。从上面的模型(图4),可以看出消费者信任可以直接影响消费者的购买意愿,它还可以影响消费者的购买意愿通过感知风险(22,23]。
3.3。购买意愿模型基于信任维度在微信平台上
微信平台不同于淘宝平台,它具有强大的社会属性。因此,本文运用三维分类,即诚实、能力、和善意,建立以信任为基础的微信平台上购买意向模型。
从上面的模型(图5),可以看出消费者信任及其三维独立变量在这个模型中,微信平台消费者的购买意愿是因变量,感知风险是中介变量。消费者的购买意愿上微信平台是受到信任及其维度和感知风险的影响。
4所示。研究数据挖掘
4.1。数据挖掘的概念
数据挖掘也被称为数据库的知识发现。这是一个热门话题在人工智能和数据库研究领域,指的是过程,揭示隐藏的和未知的数据从数据库中的大量数据,发现有价值的信息。数据挖掘也是一个多学科交叉场,其中包括许多方面的知识,如机器学习、人工智能、模式识别、和可视化。它可以深入分析企业数据,进行数据建模,并通过归纳推理(挖出隐藏的有价值的信息24- - - - - -26]。这个模型(图6)可以帮助决策者调整市场策略,减少风险,使他们能够做出正确的决策判断。
数据挖掘的出现和大数据技术的兴起刚刚会见了学者们的矛盾的担忧,也已经成功地应用于各个领域,如金融行业,零售行业、电力行业、医疗行业、政府决策,具有良好的社会效益和经济效益。数据挖掘具有广阔的应用前景。
4.2。数据挖掘的基本过程
数据挖掘作为一门学科也有自己的过程:首先,根据任务需要收集数据,然后将数据转换成所需的标准格式。然后用数据挖掘算法模型,最后显示分析结果(如图7)。具体过程如下:(左)首先,需要进行数据收集。有必要做一个计划选择根据对象来研究,确保信息收集分析工作有积极影响,不同维度的数据或在不同的格式。(2)所有收集的数据统一保存之前,在一个数据库或文本文件。(3)收集到的数据中,经常有一系列的信息是没有意义的挖掘过程。意义有两个方面,第一个方面是不相关的问题需要解决,另一个是,当某一列的方差的数值特性是零或非常接近于零,这些信息都是没有价值的。当这些数据被删除,它没有影响数据挖掘的结果用更少的计算。这个过程也是一个约定。(4)从数据中心的角度,在保存数据,功能可能会丢失如果没有填写,或额外补充道。这些需要“清理”,确保数据一致性的数据格式。只有这样才能保证成功当之后数据建模27- - - - - -29日]。(5)建模结果与数值维度的选择有很大的关系。例如,在逻辑回归,大数据维度的差异直接影响到模型的结果。然后,为了解决这个问题,需要将数据转换为一个合适的形式,如规范从0到1的数据,这样的数据在0 - 1的范围,然后分析数据。(6)根据任务的性质,选择合适的算法来分析和模型的问题。如果它是一个分类问题,使用逻辑回归、决策树等算法。在更高的层面,随机森林或提升方法是合适的。如果这是一个聚类问题,k-MCAs算法或DBSCAN算法可以使用。(7)重新应用建模分析的结果来实践和确定模型的结果是符合现实和有积极的效果。否则,这个问题需要进行重新分析和建模。(8)当最终得到了挖掘结果,结果可以直观地显示如果可行。
4.3。分类算法
最经典分类算法是ID3决策树算法。基本算法思想是开始从一个节点的一个训练样本。如果样品的分类都是在同一个班,那么这个节点成为一片叶子。相反,该算法采用信息增益的计算基于属性的熵的关键信息并选择属性最高的熵值来判断节点的属性。然后确定每个价值属性,创建分支,并相应地划分样本。递归地计算每个分段样本的决策树。当一个属性节点,不需要考虑节点的递归。
信息增益最大的属性作为判断当前节点的属性。这种方法减少了所需的节点数量分类和更科学,可以生成节点形成一个简单的树。假设年代是一组年代情况下,类属性米不同的值,米不同的类Ci (我= 1 .... m)是生成的,如果是C1的样本。所需的预期信息分割给定的样本由以下公式给出: 在π的概率是样本属于Ci。假设一个有不同的值{a1 ....av},使用属性来划分年代成{子集 , }。如果成为一个决策属性,那么这些子集对应分支节点生成的包括美国根据减少分子集合,熵是由以下公式: sij是类的样本的数量c在子集年代。
给定的子集sjj子集的重量。在那里, 的概率是Sj属于的样品吗c。
通过分支的编码信息如下:
计算每个属性的信息增益,最大信息增益的属性优先级判断属性的设置,这是优先级分类节点。
4.4。聚类算法
聚类是数据元组的划分成多个类或簇。相同类型的元组是相似的,而不同类型的元组将会完全不同。聚类和分类的区别是,除以集群的集群是未知的(30.]。集群已广泛应用在许多真实的场景中,最常见的模式识别以及图像分析和财务分析。在商业上,聚类可以发现不同的客户群体为市场分析师基于基本的客户信息,然后使用购买模式来表达不同的客户群的特征。
聚类分析的主要类型如下:图8(1)分区方法:假设一个数据集的N元组,分区方法将结构年代集群,每个集群代表一个集群。对于一个给定的S (S < N),首先给出一个初始聚类结果,然后迭代优化之前的集群。所谓的优秀标准如下:记录越集中在同一集群,集群效应越好,如所示5。(2)分层方法:按等级排列一个给定的数据集按照一定的规则。层次聚类方法是基于距离,密度,和连接。(3)其他方法包括density-based、基于图结构模型,并基于网格单元处理。聚类方法的基本思想是表达式从多个角度。
5。结果
从图可以看出9男人和女人之间有很大的差距在性别方面,女性占70%,表明调查对象主要是女性。26-40岁人口占62.4%,匹配的主要消费群体(26-40岁)在行业研究报告。从每月可支配收入的角度来看,中位数和模式都是在1000 - 2000元,这是与受访者的年龄分布有关。网上购物的频率1 - 6次/月占总样本的81.5%,和网上购物经验超过1年的占98.8%,表明调查对象通常有网上购物的习惯。网上购物的消费占总消费、消费的五分之一到三分之一的人数占比较大。可以看出,网上购物是一种不可缺少的一部分,人们的日常消费。
6。结论
本文总结了微信的发展电子商务。微信平台是目前中国最大的社交网络平台,有巨大的商业机会隐藏在高活跃用户的数量,所以本文运用这个平台为例进行实证研究。模型中建设、微信平台上不同的消费者信任的影响因素进行了分析。三个维度的消费者信任在微信平台上决心。在模型中消费者信任对购买意愿的影响,感知风险作为中介变量和购买意愿是因变量构建一个基本的模型。聚类算法和分类算法用于从多个角度分析微信客户的需求,商家可以使个人销售方法。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。