| 基于XGBoost算法的电商用户重复购买行为预测 |
| |
| 引用本文： | 景秀丽,史明曦.基于XGBoost算法的电商用户重复购买行为预测[J].辽宁大学学报(自然科学版),2023(2):134-145. |
| |
| 作者姓名： | 景秀丽 史明曦 |
| |
| 作者单位： | 1. 暨南大学深圳旅游学院;2. 圣路易斯华盛顿大学奥林商学院 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金资助项目(19JNQM25)；;深圳市哲学社会科学规划课题(SZ2022B014)； |
| |
| 摘 要： | 机器学习算法广泛应用于电商用户行为数据分析及商业预测.其中，XGBoost算法作为一种常用的有监督机器学习算法，能够实现电商用户行为特征最优选择与行为模型构建、评估消费价值、预测重复购买行为概率、提高商业决策的精准性与可行性.本研究采用阿里云天池大数据竞赛“天猫复购预测”所提供的“双十一”电商购物节关联数据集中约42万电商平台用户产生的5 500万条行为数据，基于促销活动情境完成特征构造，实现有监督分类学习.本研究实现了XGBoost算法的参数优化与数据特征值处理过程优化，完成了促销活动后6个月内电商用户重复购买行为的预测模型演算.结果表明：优化后的XGBoost算法能够比较精准地预测电商用户重复购买行为、评估在线用户潜在购买价值、实现精准营销以及真正促进促销活动的长期投资回报率提高.
|
| 关 键 词： | XGBoost算法 集成学习 特征工程 重购预测 精准营销 |
|
