解读消费者偏好：先进算法提升品牌忠诚度
一项新研究引入了一种用户偏好挖掘算法，该算法利用数据挖掘和社会行为分析来加强品牌建设。这种创新方法旨在帮助中小企业 (SME) 更有效地了解和吸引消费者群体。中小企业 (SME) 往往因资源有限和市场竞争激烈而难以建立品牌。传统的品牌塑造方法可能无法充分捕捉消费者的偏好，导致品牌发展不理想。通过数据挖掘和社交行为了解用户偏好可以更深入地洞察消费者行为。基于这些挑战，必须进行深入研究，通过准确、全面的用户偏好分析探索提升品牌价值 (BV) 的创新解决方案。
新加坡南洋理工大学胡海生公共管理学院的董宇涵的研究于2024年3月30日发表在《数据科学与管理》杂志上，提出了一种用户偏好挖掘算法。该算法将数据挖掘（DM）与社交行为（SB）分析相结合，以改善中小企业的品牌建设（BB）。
该算法通过更精准地预测消费者的偏好，提供必要的数据支持，使企业能够优化品牌战略，实现更高的品牌价值。
本研究提出一种结合DM和SB的用户偏好挖掘算法，能够高精度地分析和预测消费者的偏好。该算法采用跨域策略，结合时间行为来解决用户数据中的异步性问题。它在收敛性、均方误差（MSE）和平均绝对误差（MAE）方面优于现有的模型，例如算力成本感知的在线轻量级深度预排序系统（COLD）和多元加性回归树（MART）。
实验结果显示，平均曲线下面积（AUC）值为0.953，准确率为0.984，明显高于竞争模型。在实际应用中，该模型在预测用户品牌偏好方面的平均误差仅为0.11，进一步证明了其有效性。
通过分析社交媒体和电子商务平台的用户数据，该算法可以准确预测消费者的偏好，为品牌发展提供宝贵的见解。这种创新方法使企业能够更准确地识别目标受众，优化产品设计，并制定营销策略以有效满足消费者需求。
这项研究的通讯作者兼推动者 Yuhan Dong 博士强调了该算法彻底改变品牌战略的潜力。Dong 表示：“我们的模型不仅能够以惊人的准确度预测消费者的偏好，而且还能适应不断变化的社会动态，确保品牌保持相关性和竞争力。”
这项研究的影响深远，为中小企业提供了提升品牌价值的强大工具。通过详细了解消费者的偏好，企业可以定制产品和营销策略，以更深入地与受众产生共鸣。这种数据驱动的方法有望将品牌建设从一门艺术提升为一门精确的科学，促进与消费者建立更紧密的联系并推动业务增长。
页:
[1]