您的位置: 专家智库 > >

国家自然科学基金(71202165)

作品数:5 被引量:20H指数:3
相关作者:李聪马丽梁昌勇李雪琴杨梅更多>>
相关机构:四川师范大学匹兹堡大学合肥工业大学更多>>
发文基金:国家自然科学基金四川省哲学社会科学规划项目四川省教育厅科学研究项目更多>>
相关领域:经济管理社会学更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇经济管理
  • 3篇社会学

主题

  • 3篇电子商务
  • 3篇商务
  • 2篇B2C电子商...
  • 2篇差异化
  • 1篇用户
  • 1篇用户兴趣
  • 1篇用户兴趣模型
  • 1篇智能AGEN...
  • 1篇评分
  • 1篇渠道
  • 1篇渠道供应链
  • 1篇供应链
  • 1篇RM
  • 1篇WILSON
  • 1篇C2C
  • 1篇C2C电子商...
  • 1篇DFM
  • 1篇IA
  • 1篇-B

机构

  • 5篇四川师范大学
  • 4篇匹兹堡大学
  • 1篇合肥工业大学

作者

  • 4篇马丽
  • 4篇李聪
  • 1篇严余松
  • 1篇梁昌勇
  • 1篇李雪琴
  • 1篇王宏伟
  • 1篇宋翠
  • 1篇杨梅

传媒

  • 2篇管理工程学报
  • 1篇物流技术
  • 1篇现代图书情报...
  • 1篇运筹与管理

年份

  • 1篇2017
  • 2篇2016
  • 2篇2015
5 条 记 录,以下是 1-5
排序方式:
基于在线购买历史聚合的B2C电子商务差异化折扣模型被引量:4
2016年
众多B2C网站已建立起会员等级制度,并据此向买家提供价格折扣。但会员等级制模型仅考虑买家交易金额,无法全面反映买家在线购买历史(online purchase history),故不能准确提供差异化折扣。针对上述问题,提出了一种面向B2C电子商务的差异化折扣模型,该模型包含能体现买家在线购买历史的交易、退单、推荐购买、晒单等四个指标,将买家在线购买历史聚合为一个综合值,进而通过min-max标准化方法进行线性转换,将转换后的聚合值与会员等级基准折扣结合得到最终的差异化折扣,从而使得B2C网站可向同级别会员实施更精准的一对一营销和价格歧视策略。以京东商城为背景的仿真实验结果证明了本文新模型的有效性。
李聪杨梅Gajanan G.Hegde马丽
关键词:电子商务
双渠道供应链中服务对定价的影响
2015年
主要研究了需求不确定的情况下,供应商双渠道供应链中集中式决策和分散式决策两种情况下服务对定价的影响。不确定性需求对双渠道定价的影响以及供应商和零售商提供的服务对双渠道的价格和需求产生的影响。研究表明:随着需求不确定性增加,双渠道定价提高;而渠道服务水平不仅对本渠道的定价产生影响,也对另一渠道产生相关影响,且与消费者市场的类型或服务水平的高低相关。
宋翠王宏伟严余松
关键词:供应链
C2C电子商务差异化折扣模型:基于在线购买历史聚合被引量:6
2016年
基于C2C电子商务网站进行在线购物已成为人们的一种重要生活方式。根据买家信誉度向其提供购物折扣是有效的营销技术。但目前C2C网站使用的信誉评分累积模型过于简单,无法涵盖买家在线购买历史(online purchase history),因此不能准确反映买家信誉度和提供差异化折扣。针对上述问题,本文提出了一种面向C2C电子商务的差异化折扣模型。该模型包含能体现买家在线购买历史的交易、恶意评价惩罚、买家操作、退单、实名认证等五个指标,其中交易指标又包含交易金额、交易时间衰减因子、卖家评价等三个因子,买家操作指标又包含买家付款时间、买家确认收货时间等两个因子;然后基于线性加权方法,将C2C买家在线购买历史聚合为买家信誉度;进而通过min-max normalization方法对买家信誉度进行线性转换,并与C2C卖家给定的折扣区间结合,得到最终的差异化折扣,从而C2C卖家可以根据当前买家的信誉度实施更精准的一对一营销和动态定价策略。以淘宝网为背景的仿真实验结果证明了本文新模型的有效性。
李聪李雪琴Gajanan G.Hegde马丽
关键词:C2C电子商务
DFM-IA:面向B2C电子商务的多源用户兴趣数据采集机制被引量:10
2017年
用户兴趣模型是电子商务个性化推荐服务的基础,用户兴趣数据的获取则是构建用户兴趣模型的核心环节。传统的轮询采集方法存在数据源不够全面、在线应用可扩展性差的不足,会导致同一业务分析所需数据采集时间跨度大、先采集数据可能失效等情况,使得最终业务分析结果出现偏差。针对上述问题,对B2C电子商务用户兴趣数据进行了深入分析,提出了一种基于智能Agent的多源用户兴趣数据采集机制DFM-IA(Data Fetching Mechanism based on Intelligent Agent)。DFM-IA以用户Session为基本处理单元,设计了四种智能Agent(Fetching Agent、Watching Agent、Sort Agent、Logical Agent)和三条排序规则,对七类用户兴趣数据(浏览行为、关键词搜索、收藏行为、购物车行为、订单行为、支付行为、评价行为)进行排序与合并处理,从而在丰富数据采集源的同时大幅提高了在线数据采集效率,有助于解决推荐服务的数据稀疏性问题。仿真实验表明了该机制的高效性。
李聪马丽梁昌勇
关键词:用户兴趣模型智能AGENT
e-BRM:面向电子易货的多维信誉模型被引量:1
2015年
【目的】针对电子易货(e-Barter)这一新兴C2C在线交易模式,提出优于其现有(1,0,–1)评分制的多维信誉模型e-BRM。【方法】e-BRM基于Wilson评分区间计算易货者好评率,基于等概率分布计算易货者好评覆盖率,并通过时效衰减因子、差评惩罚因子、实名认证因子等指标实现对易货者交易值的聚合处理。【结果】e-BRM最终将得到的三元组<好评率,覆盖率,交易值>聚合为统一的易货者信誉度,较(1,0,–1)评分制更能表征易货者真实信誉水平。【局限】在实际应用e-BRM时,可单独设计模型的在线增量更新机制以改善实时性。【结论】仿真实验结果能够证明e-BRM模型的有效性,电子易货交易双方可据此做出合理交易决策以降低交易风险。
李聪马丽
共1页<1>
聚类工具0