一种基于参数化的决策树分类器用于识别客户的在线购买意向：以印度案例为例（ICSEM-2025）

《Macromolecular Symposia》：A Parameterized Decision Tree Classifier to Identify Customers' Online Purchase Intention: An Indian Case (ICSEM-2025)

本研究探讨电子口碑（eWOM）采纳对印度消费者购买意图的影响，采用决策树分类器分析便利样本数据，发现所有预测因子均显著，为数字营销和客户吸引提供模型支持。

　　

摘要

几乎所有家庭成员都外出工作的核心家庭不仅提高了购买力，也对各种生活服务的需求增加了。由于时间紧张以及COVID-19的影响，在印度在线购物平台得到了蓬勃发展。各种在线社交媒体平台用户数量的不断增加，使得电子口碑（eWOM）成为消费者在线购物决策中一个重要的影响因素。然而，消费者的购买意愿在很大程度上受到其他用户在社交网络上发布的电子口碑信息的影响。此外，电子口碑的采纳还受到其他因素的制约。本研究探讨了影响电子口碑采纳的各种因素及其对印度消费者购买意愿的作用。研究基于决策树分类器方法，通过对新德里Bharati Vidyapeeth教育学院的学生进行横断面调查来收集数据。研究结果被用于构建一个参数化的决策树分类器，以预测潜在的印度消费者。该模型是该领域的首个此类模型，有助于实现企业和组织吸引新客户的财务目标。研究结果表明，所有影响电子口碑采纳的因素都值得重视。这些发现对于数字内容创作者和企业管理者来说也具有重要意义，他们可以利用这些信息来制定病毒式营销策略，并了解消费者的偏好和行为。这些发现和框架将通过深入理解社交媒体和信息，为数字营销人员和在线消费者提供知识支持。

利益冲突

作者声明没有利益冲突。