Predicting User Purchase Behavior on JD.com: A Sequential Interaction and Engage

【作者(必填)】
Jingze Wang; Jingchen Li
【文题(必填)】Predicting User Purchase Behavior on JD.com: A Sequential Interaction and Engagement Depth Model
【年份(必填)】2024 https://ieeexplore.ieee.org/abstract/document/10823710
DOI: 10.1109/MLBDBI63974.2024.10823710

### 文章标题：
预测京东用户购买行为：一种序列交互和参与深度模型

### 年份：
2024年

### 摘要简述：

在电子商务平台，如京东（JD.com），理解用户的购买行为对于优化推荐系统、提高用户体验及增加销售至关重要。本文提出了一种新的方法来预测用户在京东上的购买行为，这种方法基于序列交互和参与深度模型。

#### 关键点：
1. **序列表征**：通过分析用户的历史浏览记录、搜索查询和其他与商品的互动数据，构建一个时间序列模型来捕捉用户的动态偏好。
2. **深度学习技术**：利用深度学习框架（如RNN或LSTM）处理上述序列信息，这些模型能够理解和预测基于过去行为模式的未来购买倾向。
3. **参与度分析**：除了简单的点击和浏览数据外，还考虑了用户与商品的深度互动指标，比如停留时间、评论阅读、加入购物车等行为，以评估用户的兴趣程度。

#### 创新点：
- 结合序列交互模型与用户参与度深度分析，更全面地理解用户购买意愿。
- 应用最新的机器学习技术优化预测精度，为电子商务平台提供更加个性化的推荐服务。

### 潜在应用价值：
通过准确预测用户可能的购买行为，电商企业可以：
1. **提高转化率**：向潜在客户推送更符合其兴趣的商品信息，增加销售机会。
2. **提升用户体验**：减少无关广告和推荐，使用户的购物过程更加顺畅和愉快。
3. **优化库存管理**：根据预测结果调整库存策略，降低过度或不足备货的风险。

### 结论：
本文提出的模型在京东的用户购买行为预测上取得了显著效果，展示了深度学习技术与序列表征结合的巨大潜力。未来研究可进一步探索更多影响因素，如季节性趋势、促销活动等对用户行为的影响，以提高预测精度和实际应用价值。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

giresse 发表于 2025-1-19 17:12

感谢虎大人

黑丝刘盼 发表于 2025-1-19 17:32
感谢虎大人