读文章-消费者冲动性研究

Mining Consumer Impulsivity from Offline and OnlineBehavior
Fuzheng Zhang†, Nicholas Jing Yuan†, Kai Zheng∗,
Defu Lian‡, Xing Xie†, Yong Rui†

目录

u1. ABSTRACT

u2. INTRODUCTION

u3. RELATED WORK

u 3.1 Consumer Impulsivity Research

u 3.2 Social Influence and Consumer Behavior

4. MODELING GENERAL CONSUMER IMPULSIVE

4.1 Preliminary

4.2 Consumer Impulsivity Model

4.3 Inference and Prediction

u5. CONSUMER IMPULSIVITY IN TWO SPECIFIC DOMAINS

u 5.1 Consumer Impulsivity in Offline Consumption

u 5.2 Consumer Impulsivity in Online Consumption

u6. EXPERIMENTS

u 6.1 Data Collection and Description

u 6.2 Experiment Settings

u 6.3 Consumer Impulsivity(result)

u7. Prediction

u8. DISCUSSSION

u 8.1 Model Design

u 8.2 Generalizations and Limitations

u 8.3 Privacy and Ethical Issues

u9. CONCLUSION

u10. REFERENCES

 

1.ABSTRACT

uConsumer impulsivity is a psychological feature characterizing the impulsive buying tendency. we present a computational framework, termed Consumer Impulsivity Model (CIM), for exploring a consumer’s impulsivity in both offline and online context: consumption-related location visit indicating consumption patterns in the physical realm, and online shopping behavior indicating economic activities on the Internet.

消费者的冲动性是一个衡量购买趋势的心理特征。这篇文章提出一个计算消费者冲动性的框架（ＣＩＭ），去探究消费者的冲动性在线上和线下两方面。线上主要是网上购物行为标示（表明）在互联网上的经济活动，线下是跟消费相关的位置访问标示（表明）在物理模式方面的消费方式。

 

uTo demonstrate the effectiveness of CIM, we conduct extensive experiments, with a large dataset we have collected from thousands of consumers. The results show that： 1) for 103 subjects, the inferred consumer impulsivity has a positive Pearson correlation with survey results in the situation of product and product category, respectively. 2)females inferred impulsivity is higher than males on averagein the situation of product and product category, respectively.Age has a negative Pearson correlation with inferred impulsivity in the situation of POI, POI category and product category,respectively. 3) for next behavior prediction, our model defeats several presented baselines.

u实验的结果显示：１.消费者的冲动性跟产品以及产品的类别有着正相关的皮尔森关系。２.对于产品以及产品的类别女性的冲动性明显比男性高，在基于ＰＯＩ、ｐｏｉ类别和产品类别的环境下，年龄跟冲动性有一个负相关的皮尔森关系。３.为了预测下一个消费者的行为，该模型达不到数个已经被发现的基准。

u These results suggest that our framework CIM offers a powerful paradigm for 1) presenting an effective easurement for consumer impulsivity.2) uncovering the correlation between consumer impulsivity and demographic factors and 3) revealing that the introduction of impulsivity is effective in predicting consumer behavior.

u 在提供一个有效衡量消费者冲动性和发现消费者的冲动性与人口统计的因素以及揭示采用冲动性预测消费者的行为是有效的这三个方面，该ＣＩＭ框架提供了强有力的范例（计算模式）。

 

2. INTRODUCTION

在研究个体的时候，通常用消费者的冲动性这一心理特征来衡量个体的消费行为。消费者的冲动性是无处不在人类生活方式的独特之处的一个代表。

据研究发现，超过七成的超市购物行为是没有实现计划好的或者是冲动的购买行为。在消费者行为和推荐系统研究中了解个体的特征是很关键的，因为消费者的属性跟他们的购买方式有很强的联系。

在过去的几十年间，出现了很多方法去研究消费者的冲动性，例如通过关联输入比如商品的花费、得到的冲动性等来研究。因为这一系列方法是通过做调查、面谈等接触性的测试来研究，时间和金钱的花费会有很大的影响，而且这种方式的调查结果是容易记忆的，所以会对大数据量的消费者冲动性研究产生限制。

在这片文章中，感兴趣的问题是是否能够理解消费者的冲动性，特别是接收社交网络刺激的情况下。一方面因为熟人的建议和人们通常相信的事实，在网络上的口碑可以通过社交会对购买的冲动性产生刺激。另一方面网上购物和社交媒体的增长促进了社交商业的需求。

在研究个体的时候，通常用消费者的冲动性这一心理特征来衡量个体的消费行为。消费者的冲动性是无处不在人类生活方式的独特之处的一个代表。

据研究发现，超过七成的超市购物行为是没有实现计划好的或者是冲动的购买行为。在消费者行为和推荐系统研究中了解个体的特征是很关键的，因为消费者的属性跟他们的购买方式有很强的联系。

在过去的几十年间，出现了很多方法去研究消费者的冲动性，例如通过关联输入比如商品的花费、得到的冲动性等来研究。因为这一系列方法是通过做调查、面谈等接触性的测试来研究，时间和金钱的花费会有很大的影响，而且这种方式的调查结果是容易记忆的，所以会对大数据量的消费者冲动性研究产生限制。

在这片文章中，感兴趣的问题是是否能够理解消费者的冲动性，特别是接收社交网络刺激的情况下。一方面因为熟人的建议和人们通常相信的事实，在网络上的口碑可以通过社交会对购买的冲动性产生刺激。另一方面网上购物和社交媒体的增长促进了社交商业的需求。

u一个增长的企业可以设计策略通过运用社交网站来增加产品的网上销量。新浪跟淘宝达成战略合作进行网络营销的缘由也是如此。

图一

u通过联系消费者的社交网络访问（可见的）跟其线上／线下行为，可以通过数据驱动的方式来研究消费者的冲动性。例如图一。

u在这篇文章中，首先提出一个数据驱动的框架（ＣＩＭ）来解释Ｕｎｄｅｒｓｔａｎｄ通过社交网络的刺激来触发消费者的冲动性，该框架能灵活的表征消费者的线上和线下情境。然后探究反映物理世界中线下消费方式和反映线上购物这种网上经济活动的特定领域的刺激。评估包含多个方面：１.进行很多实验，通过比较基于调查的研究方法来分析很多场景下的分布式的冲动性，揭示冲动性跟人的统计属性（特征）之间的联系。２.将通过本方法得到的预测结果跟一些大范围使用的基准进行比较来测试预测的消费者行为。

u这篇文章的主要Ａｔｔｒｉｂｕｔｉｏｎ：１.通过利用行为数据和接收社交网络刺激，开发了一种给消费者冲动性建模的贝叶斯方法。２.通过深刻研究线上线下领域特定领域活动揭示了冲动行为的表现即消费者行为的不同方面。３.进行了大量的实验来验证该框架

3. RELATED WORK

u1. Consumer Impulsivity Research

u 消费者的冲动性被环境和个体的属性高度影响，本文提出的计算框架符合阿普尔保姆提出的观点，因为它充分考虑了如果消费者近期受好很强的刺激，那么他会有很强的购买冲动，尽管他可能不是很需要的这种情况。代表量被分为直接和非直接两个组。直接就是直接进行调查，非直接是通过通过测量冲动性，例如通过典型的五种人物属性。

u2. Social Influence and Consumer Behavior

u消费者更容易相信自己的朋友和家人的推荐以及自己的认知，而不是网站上的推荐。

u作者充分考虑了社交网络上的帖子对消费者的购买欲的刺激。消费者的冲动性调查是推荐系统的关键所在。

4. MODELING GENERAL CONSUMER IMPULSIVE

uclarify some terms commonly used in this article, and then tackle the hallenge of modeling and inferring consumer’s impulsivity.

u1. Preliminary

u Point of Interest (POI): A POI p refers to a specific point location that someone may find useful or interesting.

u Check-in: Check-in is that a person announces his arrival at a POI on location based social network service such as Foursquare.

u Action and Option: An action x taken by a consumer is a domain-specific consumption activity, which discriminately describes the observable activity of this consumer in one certain domain at a specific time.

Social Network Stimuli and Dynamic Option Stimuli(DOS): For an action taken by a consumer at time t, the social network stimuli refers to the visible posts (e.g., the posts published by this consumer’s friends) on social network in the period [t−T, t), where T is a parameter which indicates that we are concerned with posts falling in T days before an action

u Consumer Impulsivity Level: The consumer impulsivity level z ∈ {1, 2, . . . , K} is an instantaneous state related to one action, and it varies over time. At each position of the action sequence, both the consumer impulsivity level and the stimuli intensity of an option determine a consumer’s aceptance for that option.

u Consumer Impulsivity Attribute (CIA): CIA is a real number ranging from 1 to K, which is the mean of a categorical distribution θ = {θ1, . . . , θK}, where θk points to the probability of having consumer impulsivity level k.

u

u2. Consumer Impulsivity Model

u

u3. Inference and Prediction