基于改进XGBoost算法的电商平台用户复购行为预测研究.pdfVIP

基于改进XGBoost算法的电商平台用户复购行为预测研究.pdf

基于改进XGBoost算法的电商平台用户复购行为预测研究

1，32334

叶昊，袁凯骏，沈伟，郑志强，张宏俊

1.中博信息技术研究院有限公司，江苏南京210012

2.博洛尼亚大学工程学院，意大利博洛尼亚40121

3.南京邮电大学现代邮政学院，江苏南京210003

4.中国通信服务股份有限公司，北京100073

摘要：针对电商平台的用户复购预测问题，提出了一种基于XGBoost算法的解决方案。研究通过深入分析用户行为

数据，识别出影响复购行为的关键因素，并构建了逻辑回归与XGBoost模型进行对比分析。实验结果显示，初始XG‐

Boost模型在测试集上虽表现稳定，但召回率较低，提示模型存在拟合不足或数据质量问题。通过细致的参数调优，如

增加弱学习器数量、调整树的最大深度及降低学习率，模型性能得到显著提升，错误率由32.3%降至28.7%，准确率提升

至71.3%，显示出XGBoost在复杂数据集上的预测优势。特征重要性分析揭示，用户浏览商品次数、重复购买同一商品

的频次及点击率是预测复购的重要特征，而关注品牌数量及添加购物车比例的影响力较小。本文为天猫复购预测提供

了有效的模型构建与优化策略，通过特征分析为电商平台提供了数据驱动的决策支持，对促进精准营销和增强用户粘

性具有实践意义。

关键词：XGBoost算法；复购预测；用户行为分析；数据驱动决策；电子商务

中图分类号：TP391文献标志码：A文章编号：1672-0164（2025）02-0011-06

合XGB、LGB、catboost等模型，实现高效复购预测。Pengda

1引言

[9]

Chen等人首先提出了一种LSTM网络驱动的产品回购推荐模

随着电子商务的蓬勃发展，用户复购行为对电商平台的型，并在此基础上加入了AttentionRecurrentNeuralNetwork

盈利能力和市场竞争力具有显著影响。准确预测用户的重复[10]

(AttRNN)以优化。MathiasKraus等探索了超越传统规则的

购买意向，不仅能够帮助商家优化营销策略，提升用户满意度方法设计了一种创新预测模型利用SDTW（基于动态时间扭曲

和忠诚度，还能为商家带来更高的销售额和利润。的序列相似性匹配）方法，通过瓦瑟斯坦距离衡量序列间的相

然而，由于用户购买行为的复杂性，传统的预测方法已难似性实现了一种高效算法来估算该距离的下限，从而推进了

以满足精准预测的需求。为此，研究者们已经开发出多种预推荐系统的边界。

测模型，旨在精确捕捉消费者的购买意向。目前，电子商务平尽管如此，面对庞大的数据量和复杂的数据结构，复购预

台用户复购行为的预测研究在全球范围内已取得重要进展。测研究仍需解决模型选择和参数优化等问题，以进一步提升

学者和企业利用大数据和人工智能技术，开发了多种基于机预测精度。受上述成果启发，本研究旨在探讨基于XGBoost算