Cómo el Aprendizaje Automático Explicable Mejora la Inteligencia en la Explicación del Comportamiento de Compra del Consumidor: Un Modelo de Bosque Aleatorio con Efectos de Anclaje
Autores: Chen, Yanjun; Liu, Hongwei; Wen, Zhanming; Lin, Weizhen
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Cómo el Aprendizaje Automático Explicable Mejora la Inteligencia en la Explicación del Comportamiento de Compra del Consumidor: Un Modelo de Bosque Aleatorio con Efectos de Anclaje
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Bosque aleatorio
Comportamiento de compra del consumidor
Explicación
Predicción
Efectos de anclaje
Modelo de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Este estudio propone un modelo de bosque aleatorio para abordar la limitada explicación del comportamiento de compra del consumidor en la publicidad de búsqueda, considerando la influencia de los efectos de anclaje en el comportamiento racional del consumidor. El modelo consta de dos componentes: predicción y explicación. La parte de predicción emplea varios algoritmos, incluyendo regresión logística (LR), aumento adaptativo (ADA), aumento de gradiente extremo (XGB), perceptrón multicapa (MLP), bayes ingenuo (NB) y bosque aleatorio (RF), para una predicción óptima. La parte de explicación utiliza el marco explicativo SHAP para identificar indicadores significativos y revelar factores clave que influyen en el comportamiento de compra del consumidor y su importancia relativa. Nuestros resultados muestran que (1) el modelo de aprendizaje automático explicable basado en el algoritmo de bosque aleatorio tuvo un rendimiento óptimo (F1 = 0.8586), lo que lo hace adecuado para analizar y predecir el comportamiento de compra del consumidor. (2) La dimensión de la información del producto es el atributo más crucial que influye en el comportamiento de compra del consumidor, con características como el nivel de ventas, la prioridad de exhibición, la granularidad y el precio que influyen significativamente en las percepciones del consumidor. Estos atributos pueden ser considerados por los comerciantes para desarrollar tácticas adecuadas para mejorar la experiencia del usuario. (3) Las intenciones de compra de los consumidores varían según el punto de anclaje presentado. Específicamente, la información de anclaje alta relacionada con las calificaciones de calidad del producto aumenta la probabilidad de compra, mientras que los anclajes de precio llevaron a los consumidores a comparar productos similares y optar por la opción más económica. Nuestros hallazgos proporcionan orientación para optimizar estrategias de marketing y mejorar la experiencia del usuario, al mismo tiempo que contribuyen a una comprensión más profunda de los mecanismos y caminos de toma de decisiones en el comportamiento de compra del consumidor en línea.
Descripción
Este estudio propone un modelo de bosque aleatorio para abordar la limitada explicación del comportamiento de compra del consumidor en la publicidad de búsqueda, considerando la influencia de los efectos de anclaje en el comportamiento racional del consumidor. El modelo consta de dos componentes: predicción y explicación. La parte de predicción emplea varios algoritmos, incluyendo regresión logística (LR), aumento adaptativo (ADA), aumento de gradiente extremo (XGB), perceptrón multicapa (MLP), bayes ingenuo (NB) y bosque aleatorio (RF), para una predicción óptima. La parte de explicación utiliza el marco explicativo SHAP para identificar indicadores significativos y revelar factores clave que influyen en el comportamiento de compra del consumidor y su importancia relativa. Nuestros resultados muestran que (1) el modelo de aprendizaje automático explicable basado en el algoritmo de bosque aleatorio tuvo un rendimiento óptimo (F1 = 0.8586), lo que lo hace adecuado para analizar y predecir el comportamiento de compra del consumidor. (2) La dimensión de la información del producto es el atributo más crucial que influye en el comportamiento de compra del consumidor, con características como el nivel de ventas, la prioridad de exhibición, la granularidad y el precio que influyen significativamente en las percepciones del consumidor. Estos atributos pueden ser considerados por los comerciantes para desarrollar tácticas adecuadas para mejorar la experiencia del usuario. (3) Las intenciones de compra de los consumidores varían según el punto de anclaje presentado. Específicamente, la información de anclaje alta relacionada con las calificaciones de calidad del producto aumenta la probabilidad de compra, mientras que los anclajes de precio llevaron a los consumidores a comparar productos similares y optar por la opción más económica. Nuestros hallazgos proporcionan orientación para optimizar estrategias de marketing y mejorar la experiencia del usuario, al mismo tiempo que contribuyen a una comprensión más profunda de los mecanismos y caminos de toma de decisiones en el comportamiento de compra del consumidor en línea.