姜弃疾 张航旗

四川工商学院

摘要(Abstract)：

面向一体化运营的综合电商平台，本文构建覆盖数据采集、预处理、特征工程、建模与评估优化的用户行为分析流程，借助Flume与MySQL形成多源数据底座，运用均值填充与异常值抑制完善数据质量，在特征侧以RFM与浏览深度刻画长期与短期偏好，并以互信息完成关键特征筛选。模型环节采用用户协同过滤方法，选取余弦相似度度量近邻关系，在20%测试集上完成准确率、召回率与F1的评估，结合网格搜索与时间衰减加权把召回率由45%提升至62%。线上观测表明个性化点击率由3.2%提升至5.1%，复购率由18%提升至23%，同时以Flink降低实时处理延迟并以先验画像缓解冷启动，使推荐链路的可观测性与可解释性得到同步加强。

关键词(KeyWords)：

大数据；用户行为分析；特征工程；协同过滤；电商推荐

参考文献(References)：

［1］宋友开.基于大数据分析的新文科商务英语人才培养体系［J］.中阿科技论坛（中英文），2024，（06）：142-147. 

［2］胡新海，叶建龙，盛君贤.基于 K-Means 聚类分析法的大数据环境下电商精确营销策略［J］.廊坊师范学院学报（自然科学版），2023，23（04）：50-52+79.

［3］杨易达.农产品电商用户主题大数据分析系统设计［D］. 沈阳农业大学，2024. 

［4］李玉磊.基于数字化赋能的 L 公司售后服务模式优化研究［D］.中国海洋大学，2024. 

［5］王丽华.基于大数据分析的服装电商精准营销实践研究［J］.化纤与纺织技术，2024，53（11）：93-95.