消费者选择的社会大数据分析：双边在线平台视角

本论文考察了三个与消费者选择社会方面相关的不同大数据分析问题。这一系列研究的主要目标是帮助双边平台企业针对其客户巨大的异质性制定营销策略。在三篇论文中，我结合了结构建模和机器学习方法，首先利用我从网络上抓取的独特数据集来理解客户对内在和外在因素的反应，然后探索相应优化双边平台企业反应的方法。第一篇论文考察了移动应用商店背景下的“社会学习”，控制了享乐型和实用型移动应用的内在价值、价格、广告和可用选项数量。第二篇论文调查了 eBay 在线拍卖平台背景下竞拍者预期的赢家后悔和输家后悔。利用来自 eBay 的大型数据集和经验贝叶斯估计方法，我量化了不同产品类别中竞拍者的后悔预期，并调查了经验在解释竞拍者后悔和学习行为中的作用。第三篇论文调查了用户生成内容在线平台中游戏化激励机制的效果。我使用了一种集成方法，结合 LDA、混合正态分布和 k-均值聚类方法，将用户细分为竞争者、合作者、成就者、探索者和无兴趣用户。这些发现有助于游戏化平台定位其用户。反事实模拟分析表明，双边平台可以通过增加获得徽章的难度来增加用户贡献的数量。