收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于数据挖掘技术的消费者行为研究

王萍  
【摘要】:消费,通常指满足需要的行为,是人们在物质资料和劳务的生产与生活中,对物质产品和劳动力的消耗过程。广义的消费包括生产消费和生活消费。生产消费指在生产过程中,原料、动力、机器、设备的消费,消费的结果是生产出新产品。生活消费是指人们为了满足生活需要而消费物质和精神产品,或者耗费劳动服务的行为。从市场需求的角度考察,消费者指那些对某种商品或服务有现实或潜在需求的个人或团体。在本研究中,消费专指个人生活消费,即,最终消费。消费者指所有从事物质产品和劳务等消费活动的个人。消费者行为则指消费者在消费心理的支配下,对商品、服务等消费对象加以选择、评价、购买和使用的一系列行为活动。 消费者行为研究是消费经济学的理论基础,是一个具有多角度规定性的范畴。消费者行为研究领域是跨学科的,它由许多来自不同领域的研究者组成,这些研究者对人与市场如何相互作用有着共同的兴趣。西方早期的研究者都致力于有关消费者行为的综合性理论模型的研究,其隐含的假设就是消费者行为能够用一个综合性的理论模型加以描述和解释。然而,随着这一领域研究的发展,研究者们意识到消费者行为非常复杂,不可能完全包含于某一个理论模型之中,因为,毕竟消费心理涉及人类心理的大多数要素。 传统的宏观经济研究领域中,对消费者行为的定量研究主要是消费总量研究。消费者行为的定量分析方法主要体现为消费函数。消费函数是指消费与收入的函数关系,它表述了个人消费与收入的关系及个人消费行为方式。自从凯恩斯首创消费函数理论以来,消费函数就成为经济学家们持久关注和研究的一个专门领域,也是宏观经济学的一个基本命题。 计量经济模型具有检验与发展理论的功能。在某一种理论假说的基础上建立计量经济模型,用样本数据来估计和检验模型,从而推断这种理论假说在多大程度上正确或不正确;对于未能通过检验的理论,则要修正,在这一过程中可能催生新的理论。消费函数理论,从绝对收入假说到相对收入假说、生命周期假说、理性预期假说,就是经历了这样的发展过程。 消费者行为是一种消费心理和消费需求不断满足的过程,也是人们多种心理因素作用的结果和反映。消费心理规定着消费者行为的方向性和目的 WP=147 性。消费者行为是消费者决策与消费者态度的表现。一个完整的消费心理与行为过程包括从唤起消费需求、消费动机到消费态度形成与改变直至购买行为,是要经过一个由心理到行为的转换过程。从消费者心理学角度讲就是消费者购买决策的过程。在营销者眼里的消费行为更多的是指消费者在广告认知、信息沟通、购买决策等方面表现出的消费行为。 在信息时代,所有企业面临的一个共同问题是:企业数据量非常大,而其中真正有价值的信息却很少。因此从大量的数据中经过深层分析,获得有利于商业运作、提高竞争力的信息,就像从矿石中淘金一样,数据挖掘也因此而得名。数据挖掘与传统的数据分析(如查询、报表、联机应用分析)的本质区别是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。 数据挖掘的目标是从数据库中发现隐含的、有意义的知识。数据挖掘主要具有数据总结和概念描述、分类与预测、聚类、关联分析等功能。这些功能的实现为研究个体消费者行为提供了技术基础。商家在掌握了消费者行为信息和知识的基础上就能够实现个性化营销以及关系营销,从而有效地满足消费者的需求,获得更高的利润回报。 在本研究中,作者提出的运用数据挖掘方法研究消费者行为的基本步骤是:明确研究主题;收集数据并对数据进行预处理;选择挖掘技术或算法;建立并评估模型;解释挖掘结果。 数据挖掘是揭示存在于数据中的模式及数据间关系的综合技术,它强调对大量观测到的数据的处理。数据挖掘涉及到传统统计方法、数据库管理、人工智能、机器学习等技术。从本质上讲,数据挖掘是通过计算机对大量的复杂数据集的自动探索性分析。数据挖掘常用技术的原理或算法包括:聚类、决策树、人工神经网络、模糊逻辑、遗传算法和关联规则。 聚类是在不知道数据应该分成几类的情况下,按照数据内在的差异性大小,将数据合理地划分成几类,并确定每个数据所属类别。在统计方法中,聚类是多元数据分析的三大方法之一(其它两种是回归分析和判别分析)。在机器学习中,聚类被称作无监督学习,类别是由聚类学习算法来自动确定的。 决策树是一种数据分析和预测方法,主要用于对数据进行归类和预测。决策树方法的最大优点是直观,容易解释。缺点是随着数据复杂性的提高,树的分枝数目也会增多,处理起来会很困难。 人工神经网络是人脑的抽象计算模型。神经网络是由许多参数来建立一个模型,这个模型接受一组输入值来预测出一个连续值或分类值。神经网络近来越来越受到人们的关注,因为它为解决高度复杂问题提供了一种相对有效的简单方法。 在大多数的真实世界中,人们不可能获得所有精确的值,总会有一些不确定性。模糊集合论主要处理没有(或很难)精确定义的实事。模糊规则和模糊推理过程是基于模糊集理论最重要的建模工具。在许多真实世界环境下,模糊特性更接近于人类的思维习惯。 WP=148 遗传算法是


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 曾智;丁家永;;消费者社会责任:消费者行为研究的新课题[J];江苏商论;2010年02期
2 刘江;消费者行为研究的新视野──消费文化[J];北京商学院学报;1994年04期
3 杨晓燕;中国消费者行为研究综述[J];经济经纬;2003年01期
4 罗纪宁;消费者行为研究进展评述:方法论和理论范式[J];山东大学学报(哲学社会科学版);2004年04期
5 薛君;交易成本视角下的网络消费者行为研究[J];商业时代;2005年29期
6 晏国祥;方征;;论消费者行为研究范式的转向[J];外国经济与管理;2006年01期
7 马新力;袁莉;;中国汽车市场及消费者行为研究[J];天津市财贸管理干部学院学报;2006年04期
8 费明胜;李社球;;基于感知的自有品牌消费者行为研究[J];经济管理;2007年04期
9 荣晓华;刘军;;消费者行为研究的方法和道德问题[J];商业时代;2007年18期
10 张跃先;马钦海;刘汝萍;;期望不一致、顾客情绪和顾客满意的关系研究述评[J];管理评论;2010年04期
11 魏继清;;基于品牌意识的消费者行为研究[J];中国商贸;2010年08期
12 毛学敏;周洁如;;体验营销中的消费者行为研究[J];销售与市场(管理版);2010年02期
13 董美友;;浅议消费者行为研究的方法[J];科技创业月刊;2012年10期
14 于孝同;消费者行为研究[J];外国经济与管理;1985年06期
15 赵曙明;戴红云;;消费者行为研究模式介说[J];销售与市场;1995年09期
16 赵曙明,戴红云;国外消费者行为研究──多特性态度模式分析[J];消费经济;1995年02期
17 韩兆林;涉入理论及其在消费者行为研究中的运用[J];外国经济与管理;1997年01期
18 ;安徽财经大学消费者行为研究中心[J];管理学报;2013年12期
19 陈国龙;;马科夫链理论于消费者行为研究上之应用[J];科技经济市场;2006年10期
20 刘宇伟;;消费者行为研究的社会科学视角与中国本土化研究的主题[J];中国流通经济;2007年10期
中国重要会议论文全文数据库 前10条
1 晏国祥;方征;;论消费者行为研究范式的转向[A];中国市场学会2006年年会暨第四次全国会员代表大会论文集[C];2006年
2 高勇强;马昌义;;事业关联营销的消费者行为研究[A];中国市场学会2006年年会暨第四次全国会员代表大会论文集[C];2006年
3 袁莉;李梦琪;赵英;彭光敏;;社会化电子商务的消费者行为研究——以“美丽说”网站为例[A];2012中国信息经济学年会会议论文集[C];2012年
4 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集(第二十二卷)[C];2007年
5 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
6 宁红梅;安志兴;葛亚明;李敬玺;赵坤;钟华;陈俊杰;崔艳红;;数据挖掘技术在兽医学中的应用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年
7 王桂芹;黄道;;数据挖掘技术综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
8 徐宝莲;李晓奇;;数据挖掘技术在网络游戏中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年
9 胡广芹;陆小左;;数据挖掘技术在中医诊断中的应用[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年
10 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 沈忱;基于贝叶斯网络数据挖掘技术研究《本草纲目》活血化瘀类中药性—效—用关系[D];南京中医药大学;2015年
2 钱力维;胡国俊祛邪助运治疗老年病学术思想和经验总结[D];南京中医药大学;2016年
3 姚山;基于数据挖掘技术的造林决策研究[D];北京林业大学;2008年
4 曹秀英;基于粗集的数据挖掘技术及其应用研究[D];哈尔滨工程大学;2003年
5 伍平阳;基于数据挖掘技术的医疗设备绩效预测方法的应用研究[D];南方医科大学;2008年
6 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年
7 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年
8 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年
9 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年
10 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年
中国硕士学位论文全文数据库 前10条
1 赵付贵;基于气质类型学说的超市消费者行为研究[D];吉林大学;2012年
2 史铭康;计算机建模在消费者行为研究中的应用探索性研究[D];华东师范大学;2006年
3 张小霞;绿色食品管理中的消费者行为研究[D];上海交通大学;2007年
4 刘缓;基于虚拟社区的消费者行为研究[D];东北财经大学;2012年
5 肖建国;数据挖掘技术在就业指导与本科教学改革工作中的应用研究[D];吉林大学;2008年
6 钱和平;基于改进的灰色理论数据挖掘技术的研究[D];内蒙古农业大学;2010年
7 安冬冬;基于数据挖掘技术的常规公交服务水平评价体系研究[D];西南交通大学;2015年
8 陈萍;数据挖掘技术在网络教学中的应用研究[D];广东技术师范学院;2015年
9 邓博;基于数据挖掘技术构建电信4G客户预测模型的研究[D];兰州大学;2015年
10 赵明芳;数据挖掘技术在教学评教中的应用与研究[D];宁夏大学;2015年
中国重要报纸全文数据库 前10条
1 记者 吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年
2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年
3 梅静彦;数据挖掘技术在美国银行的应用[N];金融时报;2006年
4 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年
5 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年
6 张崇峰;挖掘,再挖掘[N];中国计算机报;2003年
7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年
8 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年
9 ;走可持续发展路线(下篇)[N];中国质量报;2005年
10 刘军 兰小红 龚富强;新技术为老装备“保驾护航”[N];大众科技报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978