書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊

個性化營銷

作者：張明月
出版社：企業(yè)管理出版社出版時間：2020-10-01
開本： 32開 頁數(shù)： 176
本類榜單：管理銷量榜
中 圖 價:¥33.3(4.9折) 定價  ¥68.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>

個性化營銷 版權(quán)信息

  • ISBN：9787516417607
  • 條形碼：9787516417607 ; 978-7-5164-1760-7
  • 裝幀：一般輕型紙
  • 冊數(shù)：暫無
  • 重量：暫無
  • 所屬分類：>>

個性化營銷 本書特色

適讀人群 ：高校相關(guān)專業(yè)師生本書從技術(shù)視角和行為視角對產(chǎn)品推薦有了一個較為全面的認(rèn)識，包括推薦相關(guān)算法的設(shè)計和改進(jìn)，以及推薦系統(tǒng)對消費者行為的影響機制探究。本書內(nèi)容對于營銷決策中如何設(shè)計合適的推薦策略具有指導(dǎo)和借鑒意義。

個性化營銷 內(nèi)容簡介

隨著電子商務(wù)的滲透和用戶對個性化服務(wù)需求的激增，如何利用平臺上的海量行為數(shù)據(jù)，設(shè)計合適的算法以進(jìn)行個性化產(chǎn)品推薦，成為企業(yè)在電商營銷中重點關(guān)注的問題。同時，深入了解已有推薦機制對消費者產(chǎn)生的行為影響，也能夠有效地幫助商家和平臺及時調(diào)整推薦策略。由此本書分別從技術(shù)視角和行為視角出發(fā)，針對同質(zhì)性產(chǎn)品和非同質(zhì)產(chǎn)品，對產(chǎn)品推薦的相關(guān)方法和行為影響進(jìn)行介紹，較為完整地從多個角度豐富了對推薦系統(tǒng)的認(rèn)識。 此外，本書還介紹了以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的非同質(zhì)產(chǎn)品的關(guān)系挖掘方法。以在線評論為數(shù)據(jù)源，對評論文本內(nèi)容分析并構(gòu)建產(chǎn)品兩兩之間的特征函數(shù)來對其關(guān)系建模。此外，從實際觀測結(jié)果出發(fā)，還考慮了在線評論的其他非文本特征，進(jìn)一步提高關(guān)系挖掘的準(zhǔn)確率。*后，通過亞馬遜平臺的真實數(shù)據(jù)分析了本書所介紹方法的有效性，并討論了該預(yù)測方法在不同參數(shù)和稀疏性水平數(shù)據(jù)集下的表現(xiàn)。填補了學(xué)術(shù)空白。

個性化營銷 目錄

**章 引言

1.1電子商務(wù)與海量數(shù)據(jù)

1.2個性化與推薦系統(tǒng)

1.3技術(shù)與行為視角下推薦系統(tǒng)研究的價值

第二章 個性化推薦的發(fā)展趨勢和前沿動態(tài)

2.1 推薦系統(tǒng)整體概述

2.1.1 傳統(tǒng)推薦算法

2.1.2 社會化推薦

2.2 推薦算法中的預(yù)測不確定性

2.2.1 聚合層次的預(yù)測不確定性

2.2.2 個體層次的預(yù)測不確定性

2.3 互補性推薦與替代性推薦

2.4 推薦情境中產(chǎn)品關(guān)系挖掘方法介紹

2.5 推薦系統(tǒng)的行為影響

2.5.1 對消費者的影響

2.5.2 對產(chǎn)品的影響

2.6 本章小結(jié)

第三章 同質(zhì)產(chǎn)品中考慮預(yù)測不確定性的個性化推薦方法

3.1 協(xié)同過濾方法介紹

3.2 預(yù)測不確定性的關(guān)鍵因素

3.3 對不確定性建模的二階段方法

3.3.1 置信度估計

3.3.2 后驗概率估計

3.4 考慮不確定性后的個性化推薦與排序方法

3.5 推薦方法在電影產(chǎn)品上的數(shù)據(jù)分析

3.5.1 數(shù)據(jù)描述

3.5.2 評價測度

3.5.3 置信度估計方法的效果分析

3.5.4 推薦和排序的效果分析

3.5.5 數(shù)據(jù)稀疏性與方法效率討論

3.6 本章小結(jié)

第四章 非同質(zhì)產(chǎn)品推薦對消費者支付意愿的影響

4.1 推薦系統(tǒng)中的互補品與替代品介紹

4.2 推薦中產(chǎn)品價格的影響

4.3 消費者兩階段決策過程

4.4 推薦對支付意愿影響的用戶實驗探究

4.4.1 實驗設(shè)計與用戶選擇

4.4.2 實驗步驟

4.4.3 因變量測度

4.5 實驗結(jié)果分析

4.5.1 操控檢查

4.5.2 主要實驗結(jié)果

4.5.3 魯棒性檢驗

4.6 本章小結(jié)

第五章 非同質(zhì)產(chǎn)品的關(guān)系挖掘方法介紹

5.1 文本結(jié)構(gòu)化介紹

5.2 基于在線評論的非同質(zhì)產(chǎn)品的關(guān)系挖掘方法

5.2.1 基本模型

5.2.2 多輸入模型

5.3 關(guān)系挖掘方法在亞馬遜數(shù)據(jù)上的應(yīng)用

5.3.1 非文本因素的實驗證據(jù)

5.3.2 模型效果分析

5.3.3 魯棒性分析

5.4 本章小結(jié)

第六章 結(jié)語

6.1 考慮產(chǎn)品特征的個性化推薦總結(jié)

6.2 技術(shù)與行為視角下個性化推薦的未來趨勢

參考文獻(xiàn)

展開全部

個性化營銷 節(jié)選

**章引言 1.1 電子商務(wù)與海量數(shù)據(jù) 近些年來，隨著互聯(lián)網(wǎng)滲透率尤其是移動互聯(lián)的快速提升，電子商務(wù)在經(jīng)歷了十幾年的發(fā)展后更加成熟，它的普及大大降低了用戶對商品的搜索成本，逐漸成為互聯(lián)網(wǎng)用戶的一種主要的購物習(xí)慣。目前我國的電子商務(wù)已具有較大規(guī)模，增速保持平穩(wěn)增長狀態(tài)。根據(jù)商務(wù)部發(fā)布的《中國電子商務(wù)報告（2017）》［1］顯示，2017年全國電子商務(wù)交易額達(dá)29.16萬億元，同比增長11.7%。其中，商品類電子商務(wù)交易額16.87萬億元，同比增長21%，比上年提高8.7個百分點；服務(wù)類電子商務(wù)交易額4.96萬億元，同比增長35.1%，比上年提高13.2個百分點。中國網(wǎng)上零售交易額近年來以40%以上的速度快速增長，2017年全年網(wǎng)上零售額達(dá)到7.18萬億元，同比增長39.1%（見圖1.1）。其中，實物商品網(wǎng)上零售額5.48萬億元，增長28%，占社會消費品零售總額的比重為15%。2018年上半年，全國網(wǎng)上零售額為4.08萬億元，同比增長30.1%。 在這一背景下，電商持續(xù)走向平臺化，大批企業(yè)都將銷售的重心從線下轉(zhuǎn)移到線上，開設(shè)網(wǎng)店或利用成熟的B2C平臺進(jìn)行銷售。統(tǒng)計數(shù)據(jù)顯示，2015年的B2C 網(wǎng)購規(guī)模首次超過C2C。平臺化可以充分利用社會資源來彌補商家自身的不足，并且*大效率地實現(xiàn)網(wǎng)站積聚的流量的價值。據(jù)艾瑞咨詢報告顯示，2017 年“雙十一購物節(jié)”，淘寶天貓平臺實現(xiàn)了11分鐘突破億元的交易額，3分鐘成交額超過100億元，并在“雙十一”當(dāng)天創(chuàng)下了總銷售額1682億元的*高紀(jì)錄。 通過在線購物平臺，消費者可以足不出戶便完成產(chǎn)品的瀏覽、選擇、支付、收貨及售后服務(wù)等全部操作。電子商務(wù)以其便利性吸引了越來越多的用戶，截至2017年，全國網(wǎng)購用戶規(guī)模達(dá)到5.33億，同比增長14.3%。用戶在電子商務(wù)平臺上的活動包括了瀏覽、搜索、點擊和購買等行為，同時也會作為內(nèi)容產(chǎn)生者在購物后提供產(chǎn)品評論等信息內(nèi)容。由此可見, 用戶的全部行為軌跡都被記錄下來，而這些行為軌跡往往是用戶偏好、行為特征的一種表現(xiàn)。 艾瑞咨詢2016年中國網(wǎng)絡(luò)購物行業(yè)監(jiān)測報告［2］顯示，電商平臺上的網(wǎng)購品類向全覆蓋消費需求發(fā)展，單個用戶網(wǎng)購品類顯著增多；網(wǎng)購用戶逐漸趨于細(xì)分，90后、老年人成為消費新動力；用戶更加注重商品品質(zhì)，選擇符合自身特征的商品。因此，未來電子商務(wù)企業(yè)應(yīng)提供更精準(zhǔn)的服務(wù)，來滿足不同消費群體的需求。用戶的點擊流數(shù)據(jù)是用戶偏好與需求的直觀反映，這為企業(yè)營銷決策提供了豐富的大數(shù)據(jù)資源。大量企業(yè)在自身發(fā)展過程中也開始意識到數(shù)據(jù)資源對于企業(yè)的營銷、運營管理決策的重要意義，因而希望借助大數(shù)據(jù)的理論、方法來指導(dǎo)企業(yè)的管理實踐，提供決策支持。在互聯(lián)的信息網(wǎng)絡(luò)環(huán)境下，企業(yè)所面對的顧客群體不再是整體，而是每一個可以在網(wǎng)絡(luò)中獨立表達(dá)、具有個性化需求的個體，這對企業(yè)洞察顧客行為模式、開展精準(zhǔn)營銷提出了新的挑戰(zhàn)，而電商平臺上豐富的用戶行為數(shù)據(jù)也使得個性化服務(wù)成為可能。 1.2 個性化與推薦系統(tǒng) 在互聯(lián)網(wǎng)時代，低效率的大眾營銷將會被高效率的精準(zhǔn)營銷所取代。電商可以詳細(xì)地追蹤每一個顧客的信息來源，包括其在網(wǎng)上的購物路徑，搜索、購買行為，購買商品的關(guān)聯(lián)性、重復(fù)性和周期性等。通過對這些數(shù)據(jù)進(jìn)行分析，可以建造顧客行為模型，為顧客進(jìn)行精準(zhǔn)化推薦和個性化服務(wù)。用戶在信息網(wǎng)絡(luò)中的深度參與、個性化需求的增長，對電商的營銷方法也提出了新的要求和挑戰(zhàn)［3,4］。例如，如何根據(jù)用戶的偏好來制定個性化的搜索結(jié)果，如何根據(jù)用戶的瀏覽、點擊及購買記錄實現(xiàn)個性化推薦，都成為企業(yè)在電子商務(wù)營銷中關(guān)注的問題。 近些年來，消費者對于企業(yè)推薦商品的營銷行為的認(rèn)可度不斷提高。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC) 發(fā)布的2015年《中國網(wǎng)絡(luò)購物市場研究報告》［5］可知，2015 年有83.5%的消費者感知到并明確表示電商平臺根據(jù)自己的瀏覽痕跡和購買記錄推薦商品，這一比例相比2014 年提升了25.9 個百分點。同時，2015年表示可以接受企業(yè)這種根據(jù)瀏覽歷史推薦商品的營銷行為，并且認(rèn)為其有助于提升自身購物效率的消費者比例也由34.9% 提升到40.1%，相較于上年增加了5.2 個百分點。

個性化營銷 作者簡介

張明月，上海外國語大學(xué)國際工商管理學(xué)院副教授。于2012年獲得北京理工大學(xué)信息管理與信息系統(tǒng)專業(yè)學(xué)士學(xué)位，2017年獲得清華大學(xué)管理科學(xué)與工程博士學(xué)位，并于2015年9月至2016年9月赴美國亞利桑那大學(xué)作為聯(lián)合培養(yǎng)博士生學(xué)習(xí)訪問。主持1項國家自然科學(xué)青年基金，曾獲得2017年北京市優(yōu)秀博士畢業(yè)生、2017年清華大學(xué)優(yōu)秀博士論文、2012年北京市優(yōu)秀畢業(yè)生、和小林實中國經(jīng)濟研究獎學(xué)金等榮譽。研究方向為電子商務(wù)、推薦系統(tǒng)、和消費者行為。在主流國際期刊和會議上發(fā)表論文10余篇。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服