在互联网各种商业应用中,网络购物可以提供消费者与企业组织之间最直接的接触,网络的高度互动性的特性,使网络经营者能够利用网络数据资源来了解消费者实际访问过程和周期,并且运用收集到的数据来预测用户未来的购买行为,以帮助市场营销人员对客户行为作深入的洞察分析,进而预测用户的忠诚度,尽可能保留住客户。基于这样的背景,本文在对网站流量进行分析后,建立了一个行为演变的概率论模型,模型对网站访问者的访问行为做出分析,进而预测其随时间的变化过程。 文章的前两章分别就有关网上访问行为研究的背景及意义,目前研究的现状进行了分析,并论述了与论文相关的网络营销,数据库营销及网络流量数据等方面的相关理论,在此基础上,提出本文要解决的问题和研究思路,确定了本文所选用的分析方法,主要选用指数分布、伽玛分布和极大似然估计作为统计分布模型的基础。。 第三章和第四章是论文的主体部分,在第三章中,论文首先从两个不同的角度一消费者异质性和时序动态性建立模型,对访问行为的演化理论做了具体的数学分析。其次,利用极大似然估计法对模型的静态参数做出估计。然后分析加入动态乘数的似然函数及参数的估计。第四章在运用模型到实证分析中时,首先以静态的指数伽玛分布模型作为基准来进行分析比较。接着,对演化访问行为模型和静态的指数伽玛分布模型及考虑顾客退出和流失后的指数—伽玛分布模型做出比较。本文主要通过演化访问行为模型长期预测能力的准确性来进一步检验模型的有效性,实证表明在预测方面演化访问行为模型高于静态指数—伽玛分布模型,有很好的预测效果。 在第五章结论部分,提出人的行为是随着时间和经验的变化而变化的,模型同时考虑了顾客访问过程中的退出和流失。这对于电子商务网站的管理者了解顾客对网站的忠诚度,从而对网络营销过程中分析如何保持客户有很重要的意义。