[發明專利]一種個人消費行為預測方法

在審

• 申請號: 201910302142.6
• 申請日: 2019-04-15
• 公開（公告）號: CN110009432A
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 徐晗茜;譚江來;費日龍
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 牟炳彥

本發明公開了一種個人消費行為預測方法，首先分析和提取了個人消費行為特征以及影響消費的因素。同時本發明基于影響消費行為因素的多樣性，結合灰色系統模型構建多因素的灰色關聯度模型，計算不同影響因素的重要性，并選擇影響消費行為的主要因素，可以充分考慮多樣的消費行為影響因素，解決漏維度的問題；另一方面，本發明綜合使用了神經網絡和RFM模型匹配的方法，提高了個人消費行為預測的普適性，解決了跨行業個人消費行為預測的誤差大的問題。

技術領域

本發明屬于分析預測領域，具體涉及一種個人消費行為預測方法。

背景技術

以往，在對消費者個人消費行為進行研究時，更關注的是消費者行為本身，通過問卷調查、個人訪問等形式，實現人口統計學資料、消費意向等信息的采集，從而應用于研究分析消費者的個人消費行為；隨著大數據時代的發展，網絡平臺樣式和消費者的個人消費行為出現一定的變化，呈現出更加多元化的趨勢，傳統的對于消費者消費行為的研究方式無法滿足當前消費者消費習慣的變化要求，從而無法成為未來消費者消費行為預測的重要突破口。

發明內容

為解決上述問題，本發明提出了一種個人消費行為預測方法，其主要步驟包括：

S1.根據消費者為滿足個人需求而購買商品行為的特征，分析消費者消費行為特征及影響消費者消費行為的主要因素；

S2.基于影響消費行為因素的多樣性，結合灰色系統模型構建多因素的灰色關聯度模型，計算不同影響因素的重要性，并選擇影響消費行為的主要因素；

S3.結合影響個人消費行為因素的重要程度，基于多隱層BP神經網絡，建立個人消費行為預測模型，進行個人消費行為的預測；

S4.根據樣本數據的數量和質量，結合基于RFM模型和灰色模型的消費行為預測方法綜合匹配，采用合理的方法，有效完成個人消費行為的預測。

本發明的技術方案至少具有以下有益效果：

本申請的技術方案首先分析和提取了個人消費行為特征以及影響消費的因素，同時基于影響消費行為因素的多樣性，結合灰色系統模型構建多因素的灰色關聯度模型，計算不同影響因素的重要性，并選擇影響消費行為的主要因素，充分考慮多樣的消費行為影響因素，解決漏維度的問題。另一方面，綜合使用了神經網絡和RFM模型匹配的方法，提高了個人消費行為預測的普適性，解決了跨行業個人消費行為預測的誤差大的問題。

附圖說明

圖1影響個人消費行為因素模型；

圖2個人消費行為預測網絡模型；

圖3基于RFM模型的消費行為變化模式。

具體實施方式

以下結合附圖及實施例對本發明技術方案進行詳細敘述：

本發明為一種個人消費行為預測方法，其主要步驟包括：

步驟S1.根據消費者為滿足個人需求而購買商品行為的特征，分析消費者消費行為特征及影響消費者消費行為的主要因素，具體包括以下內容：

(1)根據消費者為滿足個人需求而購買商品行為的特征，劃分消費者消費行為類型；根據消費者在各種購物平臺的瀏覽和購買記錄以及其他各種形式的消費記錄，消費者在購買商品時的態度、意愿和購買后的行為等各方面的信息，可知個人消費行為的大致類型主要分為復雜型消費行為、協調型消費行為、廣泛選擇型消費行為和習慣型消費行為。其中，

①復雜型消費行為是指當消費者面對不常購買的貴重物品時，由于產品品牌差異大，購買風險大，消費者需要一個學習過程，廣泛了解產品的性能、特點，從而對產品產生某種看法，最后決定購買的消費者消費行為類型。