- · 2020年度信息资源管理前沿讲座之四:怎样给学术期刊投稿?[11/27]
- · 南开大学商学院高层管理论坛暨EXED开学典礼[11/17]
- · 2020行业生态发展(天津)论坛[10/30]
- · 喜报!我院周楠副教授在国际顶级期刊《Strategic Management Journal》和《Journal of International Business Studies 》发表研究成果[10/27]
- · 2020年度信息资源管理前沿讲座之三: Perspectives on Sustained Behavioral Change in Healthcare[10/27]
- · 新时代的业态新变革与展望 第二届南开营销系校友论坛[10/20]
- · 2020年度信息资源管理前沿讲座之二 :数据驱动视角下科研团队的识别与规律研究:以人工智能领域为例[10/19]
- · 信息资源管理前沿讲座:地平线扫描[10/09]
基于机器学习的消费者品牌决策偏好动态识别与效果验证研究
作者:钱明辉 徐志轩
关键词: 机器学习; 偏好识别; 品牌决策;
摘要:准确识别消费者的品牌决策偏好有助于提升精准营销效率,避免推荐结果出现品牌歧视和低价竞争,有利于改善消费者体验。本文从个体消费者的品牌决策偏好出发,首先通过对微博中品牌口碑信息进行文本语义分析和情感倾向分析,实现品牌维度量化。接着,基于机器学习算法开发出针对个体消费者品牌决策偏好的即时识别模型,对品牌选择行为进行预测;最后,对比基于消费者品牌决策偏好的产品推荐结果与基于消费者产品外部特征决策偏好的产品推荐结果,验证模型有效性。研究结果发现,对社交网络中的品牌口碑应用文本语义分析和情感倾向分析是实现品牌在不同维度量化的有效工具;运用机器学习算法模型可以在一定程度上识别出消费者的品牌决策偏好,且机器学习算法模型的性能相较于传统识别方法更为有效;基于消费者品牌决策偏好的产品推荐结果可以有效避免同质化产品的低价竞争,提高零售商利润。
上一篇:知识耦合对制造企业绿色创新的影响机理——冗余资源的调节作用
下一篇:认证机制的需求窃取和扩张效应——基于淘宝网金牌卖家认证的经验研究