眼动行为数据挖掘在提取网上购物决策因子中的应用

点赞:17605 浏览:73204 近期更新时间:2023-12-22 作者:网友分享原创网站原创

摘 要 :

为研究眼动行为数据挖掘在提取网上购物决策因子中的应用,首先通过客户体验管理(Customer Experience Management, CEM)对客户网上购物决策因子进行初步分析和过滤;然后根据大量客户网上购物时的人机交互行为数据,应用马尔科夫链算法预测其相关行为, 并结合行为分析进一步得到其重要影响因子;最后通过眼动行为数据挖掘,确认影响网上购物的主决策因子,并获取各主决策因子的权重.实验证明由眼动分析获取的网上购物主决策因子及其权重更加有效.

关 键 词 :

客户体验管理; 马尔科夫链; 眼动行为; 决策因子

中图分类号: TP274.2; O211.67

文献标志码: A

0引言

随着互联网通信技术的迅速发展、电子商务规模的急剧膨胀以及近年来物流业的蓬勃发展,网上购物给顾客带来前所未有的便利,顾客足不出户就可分享到数以千计的商品和怎么写作信息,并从中选择自己喜爱的商品或怎么写作.但同时随着商品经济的繁荣,网络提供给客户的选择急剧增长,电子商务带来的便利性也被信息过载这个新困扰逐渐消耗.

个性化内容推荐系统是一个解决信息过载并为用户推荐个性化内容的高效系统,它根据用户需求及其相关浏览行为等进行分析,将用户感兴趣的内容推荐给用户,其核心和关键技术在于用户兴趣模型的建立.

从目前的研究成果来看,用户的需求可以表现为显性需求[1]和隐性需求[2].显性需求主要依赖用户对其兴趣的准确表达,而隐性需求主要是通过分析挖掘用户属性(如年龄、收入、文化水平、职业等)、人机交互行为的历史数据[3]及相关眼动特征[4]获得的.要想准确表达用户兴趣模型就必须同时考虑显性需求和隐性需求.另一方面由于网络海量信息的影响[5],用户的喜好会随时间和外界的影响发生变化.为挖掘用户的兴趣,提高用户兴趣模型的精度和效率以及用户网上购物的满意度,首先利用客户体验管理(Customer Experience Management,CEM)分析影响用户网上购物的因素,然后运用马尔科夫链分析用户的网上购物行为数据,并结合眼动数据,最终挖掘出主要影响因素以及各自所占的权重,为网上商家提供建设性意见并为用户的个性化兴趣建模提供相关理论依据.

1网上购物决策因子研究的建立

比较购物是细分出来的网上购物领域中的一个专业搜索引擎.比较购物网站的搜索结果比通用搜索引擎获得的信息更加集中、全面.好的比较购物网站往往能及时且完整地抓取商品信息,使网络用户对市场上某类商品的变化、用户评论、店铺信用等一目了然.

目前,中国的比较购物环境尚未成熟,比较多的形式是“网上购物导航+网上购物社区”,购物搜索仅仅集成于此类网站中,暂可称这种模式是国内比较购物的雏形.现阶段比较购物主要体现在社区评价,以网上店铺与用户的社区互动为主.一些用户的体验、产品测评也多数发布在社区.一些网站虽然可以进行初步的商品对比,但模式机械、程序繁琐、推荐效果不理想,导致网站效率低下,成交额受到严重影响.要抓住顾客,就必须研究影响用户决策的主要因素,使推荐信息具有针对性,以简化用户决策流程,提高效率,因此迫切需要对影响用户网上购物决策的主要因素进行研究,这对网上商家来说更是刻不容缓.根据网络提供的信息,仅淘宝店铺而言,上海2009年就有288 600家之多[6],但正常营业的只有三分之一,大部分中小型网上商家人气不足、销量低迷.研究网上购物决策的主要影响因素,给网上商家提供理论依据及建设性意见,对网上商家乃至电子商务行业意义重大.

在事件的发展过程中,若每次状态的转移都仅与前一时刻的状态有关,而与过去的状态无关,或者说状态转移过程是无后效性的,则称这种状态转移过程为马尔科夫过程.购物网站打开后,客户就开始网上购物行为:眼睛扫视页面、注视产品图片、滚动页面、鼠标光标移动和点击等.这些行为没有规律可循,相互之间也没有太多的联系,完全是随用户个体的兴趣、需求、习惯等而改变,所以得到的数据都是动态的,且前后状况之间都没有关系,符合运用马尔科夫链分析的数据的特点.

本文用马尔科夫链分析用户的网上购物行为数据,得到用户各网上购物行为所占比例,研究的基本框架见图1.

首先通过CEM得到用户的清晰反馈,初步得到影响用户网上购物决策的影响因子;其次以采集到的行为数据结合马尔科夫链算法挖掘主要影响因子;最后通过相关眼动参数和调查研究对主因子进行确认并分析主决策因子对网上购物的影响权重.

图1网上购物决策因子研究框架

2CEM下用户决策的影响因子分析

为研究用户网上购物过程中各影响因素所占比重,采用CEM[7]对各影响因素进行系统分类,再运用调查问卷对分类出的因素进行选择,从中找出最为重要的几个影响因素,分析筛选出重要因素.本次调查得到有效问卷123份,根据CEM汇总分析这些数据,得到影响用户网络购物决策的显性因素,具体情况见表1.

分析发现品牌形象不只是用户的关键体验,也是目前网购做得最差的地方,计算出来的满意度权重是-16分.另外,产品、、便利性也有一定的提升空间,所以品牌形象、产品、和便利性就是本次重点研究的影响用户网购决策的4个因素.

眼动行为数据挖掘在提取网上购物决策因子中的应用参考属性评定
有关论文范文主题研究: 关于用户的论文例文 大学生适用: 学位论文、在职论文
相关参考文献下载数量: 23 写作解决问题: 写作资料
毕业论文开题报告: 论文提纲、论文小结 职称论文适用: 杂志投稿、职称评中级
所属大学生专业类别: 写作资料 论文题目推荐度: 最新题目

3网上购物行为数据分析

3.1用户决策数据获取

本文利用ja等技术记录用户的浏览行为,其优点在于整个过程不需要用户的主动参与,不需要中断用户的浏览操作,也不会给用户带来不良的浏览情绪.通过Live Record对实验者在实验中的操作进行记录,可以发现用户在浏览时的行为主要包括以下几个方面:滚动页面、点击鼠标、移动光标、其他(主要指用户走神或与网上购物关联不大的行为).

马尔科夫预测法[8]

的基本要求是状态转移概率矩阵必须具有一定的稳定性.因此,必须具有足够的统计数据,才能保证预测的精度与准确性.具有大量的统计数据是运用马尔科夫预测法的一个基本条件.本文随机选取48位调查者作为本次研究的实验者,在常用网上购物网站的日用品――洗发水网页上实现购写行为.分别进行2次及以上实验,得到实验者的行为数据,满足马尔科夫预测法的基本条件.汇总数据,将所有实验数据求平均,算出网上购物行为所占比例,见表2.


其次是,标有特价、折扣价的产品会更容易吸引用户的兴趣,会让用户去点击了解商品.如果该商品有较高的性价比,就比较会被用户放进购物车.再其次是产品(产品图片)的吸引力以及购写流程和付款收货的便捷程度.

4结论验证

4.1结合眼动参数的结论验证

相关研究已经表明眼动特征能在一定程度上反映用户的兴趣点所在.[10]通过研究网络用户的眼动特征,包括瞳孔直径、第一次注视点、注视点分布、眼动轨迹[11]等从侧面验证网上购物者的兴趣所在,从而进一步提高本研究的正确性和精度.运用眼动仪收集本研究中测试者的眼动数据,记录测试者在发生网上购物行为时的眼动特征,结合实时录像分析测试者的兴趣.