摘 要
随着计算机和互联网的普及，搜索引擎成了人们常用的工具。通过搜索引擎来查询电商网站销售信息，搜索引擎首先对关键词进行分析，然后返回查询的结果。但是随着网络信息量的急速增长，产生了大量的垃圾信息和网络广告，使得查询结果越来越困难。针对这一问题，本系统通过对网络爬虫的分析，研究电商平台的电子产品销售数据，将电商平台的电子产品销售信息和商家尽可能的爬取出来，并对结果进行检测判断，最后进行用户购买行为研究。本文通过研究用户的行为分析出用户的购买意向，帮助电商平台的卖家完成更多的交易就是本文的研究目的。
本文研究的内容包括：分析电商平台电子产品用户购买行为的背景和意义；对常见的爬虫原理，获取策略，信息提取等技术进行分析；对消费者购买行为的理论进行分析；然后收集电商平台购买数据集，最后运用大数据方法进行数据分析，使用决策树算法进行购买行为的预测，最后给出电商平台营销策略与模式的建议。得出电商平台应该注重产品的价格和品质，提高品牌知名度，加强售后服务，同时也应该加强广告宣传和用户评价的管理，提高用户的购买体验和满意度。
[关键词] 大数据，电商平台，电子产品，用户购买行为，决策树
Abstract
With the popularization of computers and the Internet, search engines have become a commonly used tool for people. By using search engines to query sales information on e-commerce websites, search engines first analyze keywords and then return the query results. However, with the rapid growth of network information volume, a large amount of junk information and online advertising have been generated, making query results increasingly difficult. To solve this problem, this system analyzes the web crawler, studies the electronic product sales data of the e-commerce platform, crawls out the electronic product sales information and merchants of the e-commerce platform as far as possible, detects and judges the results, and finally studies the user's purchase behavior. The purpose of this article is to analyze users' purchasing intentions by studying their behavior, and to help sellers on e-commerce platforms complete more transactions.
The research content of this article includes: analyzing the background and significance of the purchasing behavior of electronic product users on e-commerce platforms; Analyze common crawling principles, acquisition strategies, information extraction techniques, etc; Analyze the theory of consumer purchasing behavior; Then collect a dataset of e-commerce platform purchases, use big data methods for data analysis, use decision tree algorithms to predict purchase behavior, and finally provide recommendations for e-commerce platform marketing strategies and models. It is concluded that e-commerce platforms should pay attention to the price and quality of products, improve brand awareness, strengthen after-sales service, and also strengthen the management of advertising and user evaluation to improve the purchasing experience and satisfaction of users.
[keywords] Big data, e-commerce platforms, electronic products, user purchasing behavior, decision trees.
目前，基于大数据技术的电子产品用户购买行为的国外研究已经有了一定的进展。通过消费者评论挖掘用户需求和偏好，研究人员利用自然语言处理技术对电子产品消费者评论进行分析，以挖掘用户对产品的需求和偏好。通过这种方法，可以更好地理解消费者的意愿和态度，从而改善产品设计和营销策略。
基于网络搜索数据的购买预测模型，研究人员使用网络搜索数据来构建购买预测模型，以帮助企业预测产品的销售情况。这种方法可以准确地预测消费者的购物行为，并提供指导企业制定更有效的市场推广策略。
利用社交媒体数据识别消费者群体，使用社交媒体数据来识别不同的消费者群体，并分析他们的购买行为和消费习惯。通过这种方法，可以更好地了解消费者的特点和需求，从而更好地满足他们的需求。
使用机器学习技术来构建个性化的推荐系统，以帮助消费者选择适合自己的产品。这种方法可以根据用户的历史购买行为和偏好来推荐合适的产品，提高用户的满意度。
总的来说，基于大数据技术的电子产品用户购买行为的研究已经取得了一些重要进展，这些研究成果可以帮助企业更好地了解消费者需求和市场动态，并制定更有效的营销策略。
目前，国内对基于大数据技术的电商平台电子产品用户购买行为的研究比较丰富。常见的研究方法包括数据挖掘、机器学习等。在数据挖掘方面，研究者通常使用关联规则、聚类分析、分类算法等方法，从海量的电商数据中提取出有效信息。例如，可以通过关联规则挖掘出不同品类的电子产品之间的关联性，以及用户在购买某一商品时通常还会购买哪些相关商品；通过聚类分析挖掘出不同用户群体的购买偏好等。在机器学习方面，研究者通常使用监督学习、无监督学习等方法，建立预测模型，实现对用户购买行为的预测和推荐。例如，可以通过监督学习训练出一个基于用户购买历史记录的推荐模型，实现个性化推荐。
在基于深度学习的电商平台用户行为分析与预测研究中，该研究使用了深度学习技术，对京东电商平台上的用户行为进行了分析和预测。研究结果表明，深度学习模型可以有效地提高用户购买意愿的准确率。在基于RFM模型的电商用户行为分析中，该研究采用RFM模型对宜家网上商城的用户行为进行了分析。研究结果表明，RFM模型可以有效地区分不同类型的用户，并为电商平台提供更精准的营销策略。
本文通过从电商平台入手，对某电商平台的用户行为数据进行了实时的分析，确保了数据的真实可靠性，介绍了一些相关的技术，还运用了一些算法来支撑完成大数据的分析，从而得到了结果。其具体的研究内容安排的各个章节如下：
第一章本论文对电商的发展背景及国内外研究现状进行详细的分析，接着介绍了电商用户数据的研究目的和意义。
第二章介绍了电商平台用户行为数据的收集，电商用户行为的相关理论以及所需要的一些技术。
第三章介绍了数据收集过程，以及对收集到的数据进行简单的预处理。
第四章阐述了运用大数据方法分析用户购买行为数据。
第五章描述根据第四章的用户行为数据分析结果对电商平台的营销策略提出了一些建议。
