數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化推薦與運(yùn)營(yíng)決策聯(lián)合優(yōu)化研究

　　本書結(jié)合機(jī)器學(xué)習(xí)和運(yùn)營(yíng)管理的理論、方法等基本知識(shí)，以新零售背景下的產(chǎn)品推薦和運(yùn)營(yíng)決策為研究對(duì)象，運(yùn)用文本挖掘、神經(jīng)網(wǎng)絡(luò)、博弈理論、優(yōu)化理論、消費(fèi)者行為理論，構(gòu)建了結(jié)合機(jī)器學(xué)習(xí)和運(yùn)籌優(yōu)化的數(shù)據(jù)驅(qū)動(dòng)模型，基于群體及個(gè)人層面的行為變化，以解決新零售環(huán)境下考慮運(yùn)營(yíng)策略的線上產(chǎn)品推薦、線下產(chǎn)品組合優(yōu)化、產(chǎn)品定價(jià)等問(wèn)題。本書運(yùn)用超圖理論，整合不同渠道的消費(fèi)者行為特征，構(gòu)建了全渠道融合的消費(fèi)者需求預(yù)測(cè)模型；針對(duì)線上渠道和線下渠道的相互影響機(jī)制，基于消費(fèi)者效用理論，解決全渠道協(xié)調(diào)的在線零售商和實(shí)體零售商的產(chǎn)品展示推薦問(wèn)題；基于博弈論，預(yù)測(cè)消費(fèi)者因?yàn)橥素浶袨槎绊懙馁?gòu)買意愿，考慮網(wǎng)絡(luò)零售商和實(shí)體零售商相互協(xié)同的產(chǎn)品組合優(yōu)化和產(chǎn)品定價(jià)聯(lián)合優(yōu)化問(wèn)題；考慮消費(fèi)者偏好的跨平臺(tái)異質(zhì)特征，運(yùn)用文本挖掘，從微觀用戶角度研究不同平臺(tái)在產(chǎn)品和服務(wù)上的替代性和互補(bǔ)性。旨在為新零售企業(yè)實(shí)施數(shù)字化智能推薦業(yè)務(wù)提供理論基礎(chǔ)和實(shí)踐指導(dǎo)。個(gè)性化推薦是電子商務(wù)企業(yè)提升用戶體驗(yàn)、緩解信息過(guò)載問(wèn)題、滿足消費(fèi)者個(gè)性化需求的核心工具?，F(xiàn)有推薦方法主要關(guān)注不同購(gòu)物階段消費(fèi)者行為信息的識(shí)別與挖掘，忽略了對(duì)消費(fèi)者購(gòu)買全過(guò)程行為之間關(guān)聯(lián)性的刻畫。為了充分利用消費(fèi)者在購(gòu)物過(guò)程中留下的全過(guò)程行為數(shù)據(jù)，全面了解消費(fèi)者的興趣變化，從而更好地預(yù)測(cè)消費(fèi)者未來(lái)的購(gòu)買意愿，同時(shí)為零售企業(yè)運(yùn)營(yíng)決策提供支持，本書針對(duì)消費(fèi)者購(gòu)前行為（在線搜索）、購(gòu)買行為（購(gòu)買渠道轉(zhuǎn)換行為和購(gòu)買產(chǎn)品信息）和購(gòu)后行為（發(fā)布產(chǎn)品評(píng)論和退貨行為）之間的交互影響展開了相關(guān)研究，并在推薦系統(tǒng)和零售商運(yùn)營(yíng)決策過(guò)程中考慮消費(fèi)者行為的影響。 第一部分針對(duì)現(xiàn)有推薦技術(shù)方法中存在的不足，即側(cè)重從用戶—商品矩陣或購(gòu)買后的在線評(píng)論中學(xué)習(xí)用戶偏好，忽略了用戶在購(gòu)買前通過(guò)搜索查詢、了解產(chǎn)品信息過(guò)程中的交互特征，并有針對(duì)性地開發(fā)了一套主題增強(qiáng)的超圖神經(jīng)網(wǎng)絡(luò)框架，通過(guò)將消費(fèi)者在線查詢中嵌入的潛在主題與點(diǎn)擊、購(gòu)買和在線評(píng)論行為聯(lián)系起來(lái)，從而預(yù)測(cè)用戶的購(gòu)買意愿，旨在挖掘用戶在線查詢交互圖中存在的連接信息。同時(shí)，為了通過(guò)融合主題信息降低文本噪聲詞的影響，該部分將主題分布與卷積嵌入相結(jié)合，用以更好地表示每個(gè)用戶和項(xiàng)目融合后的表征向量可以彌補(bǔ)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)中主題信息的不足。通過(guò)對(duì)現(xiàn)實(shí)世界數(shù)據(jù)集的廣泛實(shí)驗(yàn)與評(píng)估，所提出的超圖神經(jīng)網(wǎng)絡(luò)框架提高了推薦物品的新穎性和準(zhǔn)確性。從管理角度來(lái)看，向消費(fèi)者推薦多樣化、新穎的商品，可以提高用戶的滿意度，降低消費(fèi)者的搜索成本，有利于電子商務(wù)企業(yè)的可持續(xù)發(fā)展。 第二部分研究了全渠道環(huán)境下零售商在考慮消費(fèi)者存在退貨行為時(shí)的產(chǎn)品定價(jià)和組合決策。該部分考慮了競(jìng)爭(zhēng)性市場(chǎng)的結(jié)構(gòu)因素，包括兩家零售商通過(guò)線上和線下渠道銷售4種產(chǎn)品。零售商充當(dāng)產(chǎn)品組合策略和定價(jià)策略的決策者。消費(fèi)者對(duì)每種產(chǎn)品的橫向適應(yīng)度是異質(zhì)的，在面對(duì)欺騙性產(chǎn)品時(shí)，其退貨概率是共同的。消費(fèi)者決定是通過(guò)實(shí)體店還是網(wǎng)店購(gòu)買，還是從零售商處購(gòu)買，不僅取決于競(jìng)爭(zhēng)零售商的產(chǎn)品組合策略，還取決于消費(fèi)者在產(chǎn)品退貨時(shí)面臨的退貨成本。研究結(jié)果表明，在線產(chǎn)品退貨成本在設(shè)計(jì)零售商的最優(yōu)定價(jià)策略和產(chǎn)品組合策略中發(fā)揮著重要作用。具體而言，通過(guò)網(wǎng)絡(luò)渠道銷售的產(chǎn)品最優(yōu)價(jià)格會(huì)隨著退貨成本的升高而先升后降；通過(guò)線下銷售的產(chǎn)品的最優(yōu)價(jià)格總是隨著在線產(chǎn)品退貨成本的升高而升高。同時(shí)，無(wú)論賣家選擇什么樣的投放策略，雙方的最優(yōu)利潤(rùn)都隨著在線產(chǎn)品的退貨成本升高而先遞減、后遞增。本書還通過(guò)考慮賣家的退貨成本和消費(fèi)者的錯(cuò)配成本描繪二維市場(chǎng)的結(jié)構(gòu)，從而研究跨渠道購(gòu)物平臺(tái)下的最優(yōu)銷售策略。本書承蒙國(guó)家自然科學(xué)基金項(xiàng)目“消費(fèi)者行為數(shù)據(jù)驅(qū)動(dòng)的新零售企業(yè)線上線下融合的推薦機(jī)制研究”（項(xiàng)目號(hào)：72101031）資助，在此深表感謝。同時(shí)，由衷地感謝科學(xué)技術(shù)文獻(xiàn)出版社在本書編輯和出版過(guò)程中所做的各項(xiàng)工作。由于作者水平有限，本書還存在諸多的不足之處，懇請(qǐng)廣大讀者批評(píng)指正。 數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化推薦與運(yùn)營(yíng)決策聯(lián)合優(yōu)化研究

暫缺《數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化推薦與運(yùn)營(yíng)決策聯(lián)合優(yōu)化研究》作者簡(jiǎn)介