| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 1. 导论 | 第11-14页 |
| ·研究背景 | 第11页 |
| ·研究目的和意义 | 第11-12页 |
| ·研究范围的界定 | 第12-13页 |
| ·研究方法 | 第13页 |
| ·主要创新 | 第13-14页 |
| 2. 我国网上购物发展现状概括 | 第14-21页 |
| ·我国电子商务模式发展分析 | 第14-17页 |
| ·B2B(Business to Business)模式 | 第14-15页 |
| ·B2C(Business to Consumer)模式 | 第15页 |
| ·C2C(Consumer to Consumer)模式 | 第15-16页 |
| ·O2O(Online to Offline)模式 | 第16-17页 |
| ·网上购物发展现状 | 第17-18页 |
| ·网上购物基本流程 | 第18-21页 |
| 3. 网购用户行为理论综述 | 第21-38页 |
| ·网上购物用户行为划分 | 第21-24页 |
| ·网购用户购买阶段划分 | 第21-22页 |
| ·网购用户分类 | 第22-23页 |
| ·网购用户行为研究 | 第23-24页 |
| ·用户行为分析相关理论 | 第24-27页 |
| ·理性行为理论(TRA)和计划行为理论(TPB) | 第24页 |
| ·技术接受模型(TAM) | 第24-25页 |
| ·期望确认理论(Expectation Confirmation Theory,ECT) | 第25-26页 |
| ·创新扩散理论(Innovation Diffusion Theory-IDT) | 第26页 |
| ·网络效应经济理论 | 第26-27页 |
| ·综合框架 | 第27页 |
| ·网购用户行为的影响因素 | 第27-31页 |
| ·电子商务网站 | 第27-29页 |
| ·产品特征 | 第29页 |
| ·用户特征 | 第29-30页 |
| ·环境 | 第30-31页 |
| ·用户行为分析的相关数据挖掘技术 | 第31-38页 |
| ·基于K-means算法的聚类分析 | 第32-34页 |
| ·关联分析法(Association Rules) | 第34-35页 |
| ·决策树(Decision Trees) | 第35-36页 |
| ·逻辑斯蒂回归(Logistic Regression) | 第36页 |
| ·神经网络(Neural Networks) | 第36-38页 |
| 4. 淘宝网购用户在线行为基本分析 | 第38-49页 |
| ·问题分析 | 第38-39页 |
| ·数据描述 | 第39页 |
| ·基本分析 | 第39-42页 |
| ·有购买记录用户VS.无购买记录用户 | 第39-40页 |
| ·地区分析 | 第40-42页 |
| ·控制变量与目标变量交互对比分析 | 第42-49页 |
| 5. 网购用户在线行为聚类分析 | 第49-58页 |
| ·分析目的与思路 | 第49页 |
| ·数据准备 | 第49-50页 |
| ·聚类过程及结果分析 | 第50-56页 |
| ·聚类分析与是否购买分析结合 | 第56-57页 |
| ·小结 | 第57-58页 |
| 6. 网购用户购买倾向预测分析 | 第58-67页 |
| ·模型训练 | 第58-62页 |
| ·具体分析 | 第62-65页 |
| ·决策树分析 | 第62-64页 |
| ·逻辑斯蒂回归分析 | 第64-65页 |
| ·实证分析小结 | 第65-67页 |
| 7. 总结 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录 | 第73-74页 |
| 致谢 | 第74-75页 |
| 在读期间科研成果目录 | 第75页 |
