基于Zxing下移动端与PC端交互的新型购物系统开发

分析介绍了基于Zxing下移动端与PC端交互的新型购物系统.意在弥补国内外购物模式单一的现状,在移动互联的时代,这种新型购物模式是线上和线下的有机组合,既可以满足消费者对传统购物"看得见,摸得着"的购物体验,又避免了笨重的购物车和繁琐的排队付款.也大大降低了商家在货架上摆放重复货物上的成本.新型购物系统由服务器模块、移动模块、PC模块三大部分组成,产品实物包括用户手机APP和商家电脑端.     

基于RDF的电子商务信息抽取技术研究

在网络购物过程中,网站信息过于繁杂,用户很难快速地获取感兴趣的信息.信息抽取可以在一定程度上解决这个问题.提出一种基于RDF的信息抽取方法,将网页信息转换为DOM树,计算最大相关度子树,抽取用户感兴趣的信息.实验结果表明,具有较好的信息抽取性能.     

基于遗传算法的智能商品搜索策略的研究

电子商务购物系统为我们的日常生活带来了极大的便利,但是,随着现有电子商务购物系统中商务信息的急剧增加,导致用户搜索耗时太长,影响了交易的顺利进行.为解决这种问题,提出了基于遗传算法的智能搜索策略.首先根据用户输入的初始搜索字段,利用实数编码构造进化个体.然后提出了基于用户行为的个体适应函数值的评价模型,辅助用户尽快搜索到满意商品.最后基于Java平台开发了智能搜索引擎,通过与传统搜索引擎在搜索耗时和成功率方面的比较验证了该方法的有效性.     

用户体验对网络购物决策的影响因素研究

为探索整个网络购物环节中用户体验对网络购物决策影响的因素,本文在消费体验价值理论模型和已有文献的研究分析基础上,提出网络购物用户体验的评价维度及其指标,据此初步构建了用户体验对网络购物决策影响因素的模型。通过问卷调查与数据分析,对提出的影响因素模型进行验证。最终确定了用户体验由品牌、可用性、功能性、内容和消费者资源5个维度及22个指标构成的对网络购物影响因素模型。最后根据分析结果提出了改善网络购物用户体验的建议。本研究有助于电子商务平台和企业根据用户体验设计出满足用户需求、更具吸引力的营销方案,提高用户满意度,进而提升网络购物的转化率。     

商品名称复杂度对用户网购效率的影响

通过实验设计,由受测者在指定的电子商务网站上购买指定的商品,并对购物全过程进行录像;采集用户网络购物效率的指标,应用信息熵对商品名称复杂度进行衡量,研究商品名称信息熵对用户网络购物时输入关键词时间、输入关键词数量、购物时间、重新搜索次数、搜索结果排序和浏览商品的数量的影响;进而,通过问卷调查,研究用户感知商品名称复杂度、商品熟悉度以及输入商品关键词难易度对以上用户网购效率指标的影响;最后,对商品名称的定义提出了改进建议.     

基于大学生网络消费行为分析的网络营销策略

科技的发展和信息化技术的普及使得全球互联网用户剧增,利用互联网进行产品或服务的销售成为了当前重要的营销趋势.消费者对于网络购物这种购物新模式欣然接受,促进了网络购物经济的日益繁荣,国内外对网络购物的研究也取得巨大的成果.本文在分析大学生网购行为的基础上,对电子商务市场营销策略进行研究并提出可优化执行建议.     

商务大数据环境下特定类型 用户智能识别方法

随着大数据时代的来临,商家拥有了越来越多的数据,从而能够准确识别出用户类型.准确的用户类型识别可以帮助商家进行精准营销,提高销售利润.由于商务数据存在数据不全等问题,若直接应用现有的分类方法识别用户类型,识别效果并不太好.借鉴关联规则算法的思想,设计一种商务大数据环境下可智能识别特定类型用户的方法.该方法首先选取种子商品,然后利用种子商品和其他商品的强关联规则,分层次赋予商品权重,再将权重映射到用户身上从而得到一个特征值,最后依据用户特征值来识别用户类型.该方法只利用购物记录数据,就能有很好的表现.通过真实数据集上的实验,以识别超市中婴幼儿家庭用户为例,证明了该方法的效果.     

淘宝网贴心生活服务的精准营销策略

以作为阿里巴巴集团旗下的在线购物平台的淘宝网（Taobao.com）为研究对象,探讨其精准营销策略;采用文献阅读的研究方法,对淘宝网通过互动交流,数据库的使用和因时因地与其他社交媒体合作几种情况进行精准营销的模式进行探究;以深入了解淘宝网不仅使自己成为消费者热衷购物的平台,更作为贴心的生活服务者其精准营销满足了用户的不同需求.在此基础上,从用户体验的角度为淘宝网的精准营销提供有用的借鉴.     

购物类APP用户持续使用影响因素的实证研究

购物类APP在电商市场有着巨大发展潜力,但其高下载量与高卸载量形成鲜明对比.因此,用户持续使用成为购物类APP应用成功的关键.鉴于此,探究用户持续使用影响因素就成为破解上述问题的有效之道.本文基于技术接受模型(TAM),引入计划行为理论(TPB)和期望确认模型(ECM)的要素,结合各类购物类APP特征,构建用户持续使用影响因素概念模型,并对南京10所高校的807名学生展开问卷调查.实证检验表明,个人创新、感知娱乐性、感知有用性、服务质量、结构保证、主观范式和用户满意度是影响用户持续使用的重要因素.     

基于数据挖掘的网络购物用户行为分析

以合肥向右围商贸有限公司旗下淘宝店铺的数据为研究样本,运用购物篮和熵值法分析店铺所销售商品之间的关联性,预测网络购物用户再次购买该店铺商品的可能性.根据预测模型,营销人员可以提高营销成功率.     

基于JAVA的B2C网上购物系统的设计与实现

在此设计的网上购物系统是一个采用B2C(Business to Consumers)模式,并根据现有的网上购物系统的现状设计开发的电子商务平台;系统主要为用户提供用户注册、用户信息管理、商品查询、商品购买、订单管理等功能;设计首先介绍了网上购物系统的现状及开发背景,然后论述了系统的设计目标,系统需求和总体设计方案,较详细地论述了系统的设计和实现;最后对网上购物系统进行了系统检测,并提出了还需要改进的问题;在设计方面,本系统采用B/S结构,同时使用JSP技术进行动态页面的设计,从系统的安全性和代码的可重用性方面考虑,运用JavaBean对程序的关键代码进行封装,后台数据库选用My SQL数据库.     

Web文本挖掘技术在网上购物中的应用

为了使网上购物的用户能更快捷地搜索到满意的商品,对Web文本挖掘的概念及关键技术进行了阐述和分析,并对其在网上购物的应用做了探索性工作.     

上海开通网上信用卡支付系统

上海市长途电信局EDI有限公司和上海市农业银行近日成功地开拓了"网上购物”新领域,80万张金穗卡和白玉兰卡的用户都自然而然的成为了网上购物的网友.     

网银系统中木马研究

网络购物的方便、经济已被广大用户使用.但在使用网上银行系统时,木马病毒能窃取用户的网上银行帐号、密码、数字证书,给购物者带来巨大的经济损失.本文主要分析了网上银行系统中客户端内在的风险,阐明了木马病毒所带来的危害,并且列举了木马病毒盗取银行帐号、密码的常用方法,并提出了控制木马激活方式的方法.     

基于产品评论情感分析的用户满意度挖掘

互联网的广泛应用和电子商务的迅速发展使得用户满意度分析的重要性日益凸显.传统的用户满意度研究都是以认知理论为基础的小样本分析,难以适应海量网络购物数据的应用场景.针对此,提出了一种基于产品评论情感分析的用户满意度挖掘方法,首先选择用户评论为研究对象,然后运用半监督的递归自编码深度学习模型进行产品评论级情感倾向性分析,最后对用户满意度的动态演化模式进行灰色建模与预测.3种京东商品的评论数据的实验表明方法的有效性.     

B2C模式下基于信任的用户体验体系构建

B2C市场继续成为网络购物行业的主要推动力,而缺乏信任的用户体验体系却是成为B2C用户网络购物的主要阻碍。在分析了用户体验内容及其层次结构的基础上,得出信任体验是用户体验内容的核心所在,提出了从保证并延伸产品质量和服务,树立品牌形象,保证配送和售后三个方面入手构建基于信任的用户体验体系。     

基于特征分箱和K-Means算法的用户行为分析方法

针对网购用户所产生的购物行为进行分析,首先通过数据处理构建客户关系管理模型(RFM模型),在此模型的基础上采用特征分箱法和K-Means聚类两种方法对用户进行细分,并对2种模型结果进行比较分析,讨论二者的差异性和具体的应用范围和意义.其中,基于特征分箱法的RFM模型将变量转化到相似的尺度上并将变量离散化,使得用户分类标签更加清晰,也可依据各类标签分类出不同类型的用户.K-Means算法通过轮廓系数评估聚类算法质量以至于选取最优K值.本文实验分析结果可为运营商提供更加可靠直观的数据,使得运营商可以根据不同用户的不同行为进行市场细分,进而进行精准营销和服务设置.     

VSC多用户虚拟现实系统的设计与在电子购物中的应用

以基于Java的VRML技术为基础，建立多用户虚拟现实技术的Server/Client体系，使处于虚拟现实场景中的用户可以看到别的用户，最终将这一技术具体运用在电子购物上。     

基于Web的数据挖掘在电子商务中的应用

Web数据挖掘应用于电子商务系统,已成为数据挖掘热点研究.Web服务器日志中保存了大量的用户访问电子商务系统的记录,运用数据挖掘技术对数据进行处理和分析,构造频繁访问路径挖掘算法,获取用户的购物特性和习惯,达到向每个用户推荐产品的目的,进一步指导电子商务网站建设.     

基于进化计算的产品推荐算法

为降低消费者在网络购物过程中的选择代价、提高商家的销售业绩,文章设计了一种基于进化计算的产品推荐算法。该算法在对用户操作日志和用户资料分析的基础上构建用户兴趣模型,并在该模型基础上构建了进化模型,进化模型既可以对用户感兴趣的产品属性进行保留,又可以对用户潜在的兴趣进行探测,通过进化模型产生的推荐集对用户进行相关产品的推荐。分析结果表明,与已有的推荐算法相比,该算法向用户推荐的产品具有较高的可靠性。