论文部分内容阅读
随着B2C市场的快速发展,在电子商务平台进行网络购物的消费者数量越来越庞大。服装电子商务已经在电子商务领域占据关键地位,且发展势头迅猛。对于影响消费者感知的商品属性描述研究是当前研究领域中值得关注的重点之一,也得到业内外人士的重点关注。但是,当前电商平台上对商品属性的描述和管理还缺乏规范化的理论支撑。另外,随着商品的同质化问题越来越突出,基于商品描述中商品标题优化的内容营销也成为业界讨论的热门话题。标题优化的本质是属性关键词的设置与选择,这些属性关键词不仅承载着易于被搜索到的任务,它同时也起到了吸引消费者点击的作用。因此,对商品属性数据管理的研究及标题设置中属性的重要度的研究极其重要。基于此,本文从以下三个方面展开研究:
(1)通过对服装商品属性结构、属性类别及其各属性类别下的属性表现的研究,借鉴元建模模型驱动架构(MDA)的思想,运用规范化的统一建模语言(UML)进行服装商品属性元数据建模。构建的元数据模型易于扩展、维护,从而阐述了各个服装属性数据之间的结构关系,并为下文进行属性特征及重要度研究奠定基础。
(2)通过八爪鱼网络爬虫工具获取电商平台女式衬衫商品的商品标题、商品详情及商品评论数据。通过获取的数据进行实证分析,研究女式衬衫商品属性结构特点及属性分布规律,弥补当前研究中应用层的不足。还研究了商品标题中属性设置对销量的影响。通过实证数据相关性分析发现,商品标题中属性的平均词频、属性的总热度及属性平均正向评论数与销量有显著的正相关关系,而商品标题中同类别属性重复设置与销量有显著的负相关关系;引入商品属性平均正向评论数对另外三个属性特征的交互项,通过层次回归分析发现,属性平均正向评论数会正向调节属性平均词频、属性总热度对销量的影响,还会负向调节同类别属性重复设置对销量的影响。
(3)通过对女式衬衫商品标题中属性设置对销量的影响研究,首先选取对销量有显著影响的属性评估指标,并结合属性词性及标题设置的规则作为商品属性重要性评估的指标。然后通过国家标准GB/T32670中商品描述的属性要求选取属性,运用Ranking SVM(排序支持向量机)方法进行属性重要性排序,并利用K-CV算法进行模型参数优化,提高属性重要性排序算法的准确率。最后通过属性重要性排序结果选取高重要性的服装商品属性生成符合商品特色的个性化商品标题,实现商品标题的优化。并通过问卷调查的方式验证商品标题优化方法的有效性、实用性。
(1)通过对服装商品属性结构、属性类别及其各属性类别下的属性表现的研究,借鉴元建模模型驱动架构(MDA)的思想,运用规范化的统一建模语言(UML)进行服装商品属性元数据建模。构建的元数据模型易于扩展、维护,从而阐述了各个服装属性数据之间的结构关系,并为下文进行属性特征及重要度研究奠定基础。
(2)通过八爪鱼网络爬虫工具获取电商平台女式衬衫商品的商品标题、商品详情及商品评论数据。通过获取的数据进行实证分析,研究女式衬衫商品属性结构特点及属性分布规律,弥补当前研究中应用层的不足。还研究了商品标题中属性设置对销量的影响。通过实证数据相关性分析发现,商品标题中属性的平均词频、属性的总热度及属性平均正向评论数与销量有显著的正相关关系,而商品标题中同类别属性重复设置与销量有显著的负相关关系;引入商品属性平均正向评论数对另外三个属性特征的交互项,通过层次回归分析发现,属性平均正向评论数会正向调节属性平均词频、属性总热度对销量的影响,还会负向调节同类别属性重复设置对销量的影响。
(3)通过对女式衬衫商品标题中属性设置对销量的影响研究,首先选取对销量有显著影响的属性评估指标,并结合属性词性及标题设置的规则作为商品属性重要性评估的指标。然后通过国家标准GB/T32670中商品描述的属性要求选取属性,运用Ranking SVM(排序支持向量机)方法进行属性重要性排序,并利用K-CV算法进行模型参数优化,提高属性重要性排序算法的准确率。最后通过属性重要性排序结果选取高重要性的服装商品属性生成符合商品特色的个性化商品标题,实现商品标题的优化。并通过问卷调查的方式验证商品标题优化方法的有效性、实用性。