第10卷　第27期　2010年9月1671—1815(2010) 27-6792-04　科　學(xué)　技　術(shù)　與　工　程ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇｏｌ. 10?。危? 2

第10卷　第27期　2010年9月1671—1815(2010) 27-6792-04　

科　學(xué)　技　術(shù)　與　工　程

ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ

ｏｌ. 10　Ｎｏ. 27?。樱澹? 2010?。?/p>

　2010?。樱悖? Ｔｅｃｈ. Ｅｎｇｎｇ.

基于Ｐａｒｅｔｏ/ＮＢＤ模型的電子商務(wù)

網(wǎng)站客戶流失預(yù)測(cè)研究

代逸生　沈培蘭　孫紅霞

(江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院, 鎮(zhèn)江212003)

＊

摘　要　非契約情景下的客戶流失問(wèn)題越來(lái)越引起各方重視。作為此情景下的典型———電子商務(wù)網(wǎng)站而言, 因其特殊性使得網(wǎng)站客戶流失問(wèn)題更難判斷。Ｐａｒｅｔｏ/ＮＢＤ模型是描述非契約客戶關(guān)系情景下首個(gè)考慮到客戶流失現(xiàn)象的客戶重復(fù)購(gòu)買(mǎi)預(yù)測(cè)模型, 它通過(guò)預(yù)測(cè)客戶的活躍程度Ｐ(ａｃｔｉｖｅ) , 較好的解決了客戶流失預(yù)測(cè)問(wèn)題。以Ｐａｒｅｔｏ/ＮＢＤ模型為基礎(chǔ)模型對(duì)某電子商務(wù)網(wǎng)站進(jìn)行實(shí)證研究以此來(lái)驗(yàn)證模型解決非契約情景下流失預(yù)測(cè)問(wèn)題的有效性。關(guān)鍵詞　電子商務(wù)　　客戶流失　?。校幔颍澹簦?ＮＢＤ模型　　預(yù)測(cè)中圖法分類(lèi)號(hào)?。裕?93. 07; 　　　　文獻(xiàn)標(biāo)志碼　

Ａ

　　在激烈的電子商務(wù)市場(chǎng)競(jìng)爭(zhēng)中, 有一個(gè)問(wèn)題越來(lái)越引起電子商務(wù)運(yùn)營(yíng)商的重視, 即如何能夠保持住客戶, 防止客戶流失。而這一問(wèn)題的解決并非易事。電子商務(wù)網(wǎng)站中的客戶關(guān)系不同于一般企業(yè), 有著其特殊性。一般企業(yè)的客戶與企業(yè)以契約來(lái)維持客戶關(guān)系, 即契約關(guān)系(Ｃｏｎｔｒａｃｔｕａｌｓｅｔｔｉｎｇ) , 而電子商務(wù)網(wǎng)站中的客戶關(guān)系則屬于典型的非契約關(guān)系(Ｎｏｎｃｏｎｔｒａｃｔｕａｌｓｅｔｔｉｎｇ) (ＲｅｉｎａｒｔｚａｎｄＫｕｍａｒ2000) 。兩者主要區(qū)別就在于契約關(guān)系中的客戶關(guān)系的終結(jié)可觀測(cè), 而非契約關(guān)系中的客戶關(guān)系沒(méi)有約束, 關(guān)系的終止難以定義也難以觀測(cè)。

為了解決網(wǎng)站中客戶流失難以預(yù)測(cè)的問(wèn)題, 就必須找到一個(gè)有效的預(yù)測(cè)方法模型來(lái)解決這一難題, 從而為網(wǎng)站的運(yùn)營(yíng)者能在預(yù)知客戶是否流失的情況下進(jìn)一步進(jìn)行客戶流失分析, 找出流失原因,

[1]

采取措施降低客戶流失率提供幫助。Ｐａｒｅｔｏ/ＮＢＤ模型是描述非契約客戶關(guān)系情景下首個(gè)考慮到客戶流失現(xiàn)象的客戶重復(fù)購(gòu)買(mǎi)預(yù)測(cè)模型, 它通過(guò)預(yù)測(cè)客戶的活躍程度Ｐ(ａｃｔｉｖｅ) , 較好地解決了客戶流失預(yù)測(cè)問(wèn)題。最近已經(jīng)在一些研究中得以應(yīng)用(Ｆａｄｅｒｅｔａｌ. 2005; ＲｅｉｎａｒｔｚａｎｄＫｕｍａｒ2000)

[1, 2]

。本文以

Ｐａｒｅｔｏ/ＮＢＤ模型為基礎(chǔ)模型對(duì)某電子商務(wù)網(wǎng)站進(jìn)行實(shí)證研究以此來(lái)驗(yàn)證模型解決非契約情景下流失預(yù)測(cè)問(wèn)題的有效性, 為網(wǎng)站運(yùn)營(yíng)商提供參考。

1?。校幔颍澹簦?ＮＢＤ模型

Ｐａｒｅｔｏ/ＮＢＤ模型是由Ｓｃｈｍｉｔｔｌｅｉｎｅｔａｌ. (1987)

[3]

提出, 是用于描述非契約客戶關(guān)系情景下客戶重復(fù)購(gòu)買(mǎi)行為的模型。它是首個(gè)考慮到客戶流失現(xiàn)象的客戶重復(fù)購(gòu)買(mǎi)預(yù)測(cè)模型, 模型提供的客戶活躍度Ｐ(ａｃ-ｔｉｖｅ) , 很好地解決了用戶流失預(yù)測(cè)問(wèn)題。

在對(duì)客戶活躍度進(jìn)行估計(jì)之前, Ｐａｒｅｔｏ/ＮＢＤ模型提出5個(gè)基本假設(shè), Ｍｏｒｒｉｓｏｎ＆Ｓｃｈｍｉｔｔｌｅｉｎ(1988) 、Ｕｎｃｌｅｓ＆Ｅｈｒｅｎｂｅｒｇ(1990) 與Ｓｃｈｍｉｔｔｌｅｉｎ＆Ｐｅｔｅｒｓｏｎ(1994) 曾對(duì)以下的五個(gè)假設(shè)進(jìn)行驗(yàn)證, 結(jié)果顯示假設(shè)都是成立的:

1[6]

[5]

[4]

2010年6月25日收到

第一作者簡(jiǎn)介:代逸生(1965—) , 男, 江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院教授, 研究方向:信息管理, 計(jì)量經(jīng)濟(jì)研究。

＊

通信作者簡(jiǎn)介:沈培蘭(1987—) , 女, 江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院

碩士研究生, 研究方向:電子商務(wù), 信息管理研究。Ｅ-ｍａｉｌ:ｓｈｅｎｐｅｉ-ｌａｎ@163. ｃｏｍ。

27期代逸生, 等:基于Ｐａｒｅｔｏ/ＮＢＤ模型的電子商務(wù)網(wǎng)站客戶流失預(yù)測(cè)研究6793　

購(gòu)買(mǎi)服從購(gòu)買(mǎi)率(ｐｕｒｃｈａｓｅｒａｔｅ) 為λ的泊松分布。

當(dāng)個(gè)體客戶具有活躍性時(shí), 交易率是λ, 交易次數(shù)為ｘ, 觀察時(shí)期長(zhǎng)度為(0, Ｔ) , 其中0為初次交易的時(shí)間, 則其未來(lái)購(gòu)買(mǎi)概率呈泊松分布(Ｐｏｉｓｓｏｎｄｉｓ-ｔｒｉｂｕｔｉｏｎ) , 設(shè)客戶生存時(shí)間長(zhǎng)度為τ:

Ｘ=ｘ/λ, τ =ｅ期望值以及方差為:

Ｘ/λ, τ =λＴ; Ｖ/λ, τ =λＴ。

(2) 個(gè)體客戶之間的購(gòu)買(mǎi)率有較大差異, 呈伽瑪分布(ｇａｍｍａｄｉｓｔｒｉｂｕｔｉｏｎ) 。其概率密度函數(shù)如下:

γ-1-αλ

ｇ(λ/γ, α) λｅ; λ, γ, α 0

Γ(γ) λ/γ, ; Ｖａλ/γ, 。

α參數(shù)γ是客戶間交易率差異性大小的指針。γ值愈大, 交易率不同程度愈大, 反之亦然。上式表示, 在客戶全體平均交易率之期望值為下, 個(gè)體客戶交易率為λ之概率。

(3) 個(gè)體客戶生存時(shí)間呈指數(shù)分布(ｅｘｐｏｎｅｎ-ｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ) , 并且設(shè)μ為個(gè)體客戶流失率(ｄｅａｔｈｒａｔｅ) , 則個(gè)體客戶生存時(shí)間(τ) 的概率密度函數(shù)如下:

ｆ(τ/μ) =μｅ, τ 0τ; Ｖａτ2。

μμ

(4) 不同客戶間的流失率μ服從ｇａｍｍａ(ｓ, β)分布, 其中ｓ, β為分布參數(shù)。

βｓ-1-βμ

ｇ(μ/ｓ, β)μｅ; μ, ｓ, β 0

Γ(ｓ) μ/Ｓ, =ｓ/β;Ｖμ/Ｓ, =(ｓ/β)。參數(shù)ｓ是客戶間流失率差異性大小的指針。ｓ值愈大, 流失率不同程度愈大, 反之亦然。上式表ｓ

示, 在客戶全體平均流失率之期望值為的情況

β下, 個(gè)體客戶流失率為μ之概率。

(5) 客戶購(gòu)買(mǎi)率λ和客戶流失率μ獨(dú)立。

Ｐ2

ｓ

-μτ

2

γ

2

-λＴ

假設(shè)ｔ為最近一次的交易時(shí)間:如果客戶在(0, Ｔ) 內(nèi)發(fā)生ｘ次重復(fù)購(gòu)買(mǎi), 最后一次交易發(fā)生在ｔｘ Ｔ, 則其在Ｔ時(shí)刻“活”著(未流失) 的概率為:

Ｐ(ａｃｔｉｖｅ/γ, α, ｓ, β,Ｘ=ｘ, ｔ) =ｘ, Ｔ

γ ｘｘｓ

(α Ｔ) (β Ｔ) Α10

γ ｓ -1

, ｘ=0, 1, 2(1) ｘ!

ｘ

(5)

當(dāng)α≥β時(shí):

α-Ｆ ｓ ｘ, ｓ 1; γ ｓ ｘ 11γ

α Α-0(α ｔ) ｘ

22

α-Ｆ ｓ ｘ, ｓ 1; γ ｓ ｘ 11γ

, (α Ｔ)

(2)

當(dāng)α≤β時(shí):

Ｆ ｓ ｘ, ｓ 1; γ ｓ ｘ 11γβ Ａ-0(β ｔｘ)

22

γ

的情況α

Ｆ ｓ ｘ, ｓ 1; γ ｓ ｘ 11γβ 。(β Ｔ)

其中2Ｆ. ) 為高斯超幾何函數(shù)。1(

計(jì)算出個(gè)體客戶的活躍性概率以后, 只要將這些概率相加, 便可以得出具有活躍性客戶人數(shù)的估計(jì)值, 從而以此來(lái)判斷企業(yè)客戶流失及保持的具體情況。

(3)

2　實(shí)證研究

2. 1　數(shù)據(jù)處理

Ｐａｒｅｔｏ/ＮＢＤ模型的參數(shù)估計(jì)需要三類(lèi)客戶歷史數(shù)據(jù)信息, 即Ｘ=(ｘ, ｔ) , 其中ｘ表示客戶在ｘ, Ｔ[0, Ｔ]內(nèi)購(gòu)買(mǎi)次數(shù), ｔ表示客戶的最后一次購(gòu)買(mǎi)的時(shí)ｘ間, Ｔ表示客戶交易歷史的長(zhǎng)度。

本論文選用某網(wǎng)站作為研究對(duì)象。根據(jù)網(wǎng)站客戶數(shù)據(jù)庫(kù)我們提取出其中2004年1月到2009年1月共60個(gè)月的客戶交易數(shù)據(jù)。以2004年6月～2006年5月發(fā)生初次購(gòu)買(mǎi)的客戶為樣本, 將客戶初次購(gòu)買(mǎi)的月份定為0, 觀察期截止為2008年1月, 2008年1月～2009年1月這12個(gè)月做為預(yù)測(cè)驗(yàn)(4)

6794科　學(xué)　技　術(shù)　與　工　程

表1　觀察期內(nèi)客戶Ｐ(ａｃｔｉｖｅ) 值分布匯總

Ｐ(ａｃｔｉｖｅ) 0. 8～10. 6～0. 80. 4～0. 60. 2～0. 40～0. 2

觀察期內(nèi)客戶數(shù)

56571097

10卷

舉例說(shuō), 對(duì)于2004年5月初次購(gòu)買(mǎi)的客戶, Ｔ=44, 如果在觀察期內(nèi)最后一次購(gòu)買(mǎi)在2007年12月, 則ｔ43。首先我們對(duì)數(shù)據(jù)先進(jìn)行過(guò)濾處理, 去除ｘ=一些非目標(biāo)客戶, 對(duì)于中間有25個(gè)月以上購(gòu)買(mǎi)間歇的客戶進(jìn)行了拆分處理, 即25個(gè)月間歇后再次購(gòu)買(mǎi)的客戶被認(rèn)為是新的客戶。2. 2　參數(shù)估計(jì)

參數(shù)估計(jì)我們采用最大似然方法進(jìn)行估計(jì), 并以ＭＡＴＬＡＢ7. 0作為參數(shù)估計(jì)、預(yù)測(cè)的工具。

Ｐａｒｅｔｏ/ＮＢＤ模型的最大似然函數(shù)為:

Ｎ

要知道模型所預(yù)測(cè)出的結(jié)果是否準(zhǔn)確就必須對(duì)其進(jìn)行驗(yàn)證, 本文通過(guò)觀察期計(jì)算出Ｐ(ａｃｔｉｖｅ) 值與驗(yàn)證期的Ｐ(Ｙ(ｔ) >0) (客戶在未來(lái)ｔ時(shí)間內(nèi)發(fā)生至少一次購(gòu)買(mǎi)的概率) 值之間的相關(guān)性來(lái)檢驗(yàn)?zāi)Ｐ蛯?duì)客戶流失預(yù)測(cè)的效果。

如果客戶在(0, Ｔ) 內(nèi)發(fā)生了ｘ次購(gòu)買(mǎi), 且最后一次交易發(fā)生在ｔＴ, 則其在(Ｔ, Ｔ ｔ) 內(nèi)購(gòu)買(mǎi)至ｘ<少一次的概率為:

Ｐ(Ｙ(ｔ) ) =Ｐ(Ｙ(ｔ) 0/ａｃｔｉｖｅ. ａｔ. Ｔ) ×Ｐ(ａｃｔｉｖｅ. ａｔ. Ｔ)

(8)

由此公式(8) 可知, Ｐ(ａｃｔｉｖｅ) 的值必然是大于Ｐ(Ｙ(ｔ) >0) , 兩者還存在較強(qiáng)的正相關(guān)關(guān)系。

令ｑ表示為Ｔ時(shí)刻具有相同Ｐ(ａｃｔｉｖｅ) 值的客戶數(shù)在(Ｔ, Ｔ ｔ) 內(nèi)至少發(fā)生一次購(gòu)買(mǎi)的客戶數(shù)與在Ｔ時(shí)刻具有相同Ｐ(ａｃｔｉｖｅ) 值的客戶數(shù)兩者的比值, 在(Ｔ, Ｔ ｔ) 內(nèi)發(fā)生購(gòu)物的客戶數(shù)是我們可以直接從驗(yàn)證期樣本中直接觀測(cè), ｑ值即為Ｐ(Ｙ(ｔ) >0) 實(shí)際值。

本文用后12個(gè)月作為預(yù)測(cè)驗(yàn)證期, 即ｔ=12來(lái)檢驗(yàn)Ｐ(ａｃｔｉｖｅ) 值與ｑ值的關(guān)系以此驗(yàn)證模型。具體結(jié)果見(jiàn)表2。

表2　驗(yàn)證期內(nèi)至少購(gòu)買(mǎi)一次的客戶數(shù)與ｑ值

Ｐ(ａｃｔｉｖｅ) 觀察期內(nèi)客戶數(shù)0. 8～10. 6～0. 80. 4～0. 60. 2～0. 40～0. 2

56571097

驗(yàn)證期至少購(gòu)買(mǎi)一次的客戶數(shù)

462101

比值ｑ0. 820. 400. 140. 000. 01

ＬＬ(γ, α, ｓ, β)=∏Ｌ(γ, α, ｓ, β/Ｘ=ｘｉ, ｔｘｉ, Ｔｉ)

ｉ=1

(6)

其中

Ｌ(γ, α, ｓ, β/Ｘ=ｘ, ｔ) =ｘ, Ｔ

ｓΓ(γ ｘ) αβｉ

ｓ (α Ｔβ Ｔ) γΓ(ｒ) ｉ) (ｉ

ｒｓ

(7)

最終得出參數(shù)估計(jì)的結(jié)果為:γ=2. 60, α=14. 96, ｓ=0. 34, β=3. 25, ＬＬ=-1718. 6。從參數(shù)估計(jì)結(jié)果來(lái)看, 當(dāng)客戶處于活躍期時(shí), 平均購(gòu)買(mǎi)率為

γ

=0. 17/月, 也就是每年約2. 1次。γ=2. 60說(shuō)α

明購(gòu)買(mǎi)率在不同客戶之間差異比較大?？蛻羝骄?/p>

流失率為=0. 105也就是說(shuō)客戶與網(wǎng)站平均保持

β的時(shí)間為9. 52個(gè)月, ｓ=0. 34說(shuō)明流失率在不同客戶間差異比較小。

2. 3　客戶活躍度計(jì)算及結(jié)果驗(yàn)證

客戶活躍度是Ｐａｒｅｔｏ/ＮＢＤ模型的最重要的結(jié)果, 其結(jié)果能夠反映客戶在某一時(shí)刻“存活”的概率。

根據(jù)數(shù)據(jù)處理部分篩選出175位為有效客戶, 并對(duì)其在觀察期內(nèi)的活躍度Ｐ(ａｃｔｉｖｅ) 進(jìn)行計(jì)算, 具體按公式(5) 計(jì)算。將活躍度值劃分區(qū)間, 對(duì)各區(qū)間內(nèi)的客戶數(shù)進(jìn)行匯總具體見(jiàn)表1。

將數(shù)據(jù)轉(zhuǎn)化成圖表形式。

27期代逸生, 等:基于Ｐａｒｅｔｏ/ＮＢＤ模型的電子商務(wù)網(wǎng)站客戶流失預(yù)測(cè)研究6795　

去分析, 劃分客戶, 對(duì)不同的客戶制定不同的策略, 保持并留住客戶的同時(shí)為企業(yè)獲得更多的收益。

參　考　文　獻(xiàn)

1　ＷｅｒｎｅｒＲ, ＫｕｍａｒＶ. Ｏｎｔｈｅｐｒｏｆｉｔａｂｉｌｉｔｙｏｆｌｏｎｇ-ｌｉｆｅｃｕｓｔｏｍｅｒｓｉｎａｎｏｎｃｏｎｔｒａｃｔｕａｌｓｅｔｔｉｎｇ:ａｎｅｍｐｉｒｉｃａｌｉｎｖｅｓｔｉｇａｔｉｏｎａｎｄｉｍｐｌｉｃａｔｉｏｎｓｆｏｒｍａｒｋｅｔｉｎｇ. ＪｏｕｒｎａｌｏｆＭａｒｋｅｔｉｎｇ, 2000; 64(4) :17—35

2?。疲幔洌澹颍校? ＢｒｕｃｅＧＳＨ, ＬｅｅＫＬ. Ｃｏｕｎｔｉｎｇｙｏｕｒｃｕｓｔｏｍｅｒｓｔｈｅｅａｓｙ

圖1　圖表形式

ｗａｙ:ａｎａｌｔｅｒｎａｔｉｖｅｔｏｔｈｅＰａｒｅｔｏ/ＮＢＤｍｏｄｅｌ. ＭａｒｋｅｔｉｎｇＳｃｉｅｎｃｅ, 2005; 24(2) :275—284

3　ＳｃｈｍｉｔｔｌｅｉｎＤＣ, ＭｏｒｒｉｓｏｎＤＧ. ＣｏｌｏｍｂｏＲ. Ｃｏｕｎｔｉｎｇｙｏｕｒｃｕｓｔｏｍ-ｅｒｓ:ｗｈｏａｒｅｔｈｅｙａｎｄｗｈａｔｗｉｌｌｔｈｅｙｄｏｎｅｘｔ? ＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ, 1987; 33(1) :1—24

4?。停铮颍颍椋螅铮睿? ＳｃｈｍｉｔｔｌｅｉｎＤ. ＧｅｎｅｒａｌｉｚｉｎｇｔｈｅＮＢＤｍｏｄｅｌｆｏｒｃｕｓｔｏｍｅｒｐｕｒｃｈａｓｅｓ:ｗｈａｔａｒｅｔｈｅｉｍｐｌｉｃａｔｉｏｎｓａｎｄｉｓｉｔｗｏｒｔｈｔｈｅｅｆｆｏｒｔ? . ＪｏｕｒｎａｌｏｆＢｕｓｉｎｅｓｓａｎｄＥｃｏｎｏｍｉｃＳｔａｔｉｓｔｉｃｓ, 1988; 6(2) :145—1595　ＵｎｃｌｅｓＭＤ, ＥｈｒｅｎｂｅｒｇＡＳＣ. Ｉｎｄｕｓｔｒｉａｌｂｕｙｉｎｇｂｅｈａｖｉｏｒ:ａｖｉａｔｉｏｎ

　　從圖1中可以直觀發(fā)現(xiàn)觀察期內(nèi)活躍度高的客戶在驗(yàn)證期內(nèi)活躍度相對(duì)不會(huì)低, 通過(guò)相關(guān)性分析得出ｑ值與Ｐ(ａｃｔｉｖｅ) 值有較強(qiáng)的相關(guān)性, 相關(guān)系數(shù)為0. 92, 同時(shí)ｑ值是小于Ｐ(ａｃｔｉｖｅ) , 與理論也是相符。這也就很好地說(shuō)明了模型計(jì)算出的Ｐ(ａｃｔｉｖｅ) 值是能夠較好地預(yù)測(cè)到客戶流失的, 有可用的價(jià)值。

3　結(jié)論

通過(guò)實(shí)證研究證明, 在非契約關(guān)系下, Ｐａｒｅｔｏ/ＮＢＤ模型在實(shí)際應(yīng)用中能夠很好的為客戶流失的預(yù)測(cè)提供有效的信息。同時(shí), 根據(jù)這一預(yù)測(cè)結(jié)果我們可以進(jìn)行更進(jìn)一步的研究, 采用數(shù)據(jù)挖掘的方法

ｆｕｅｌｃｏｎｔｒａｃｔｓ. ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｓｅａｒｃｈｉｎＭａｒｋｅｔｉｎｇ, 1990; (7) :57—68

6?。樱悖瑁恚椋簦簦欤澹椋睿模? ＰｅｔｅｒｓｏｎＲＡ. Ｃｕｓｔｏｍｅｒｂａｓｅａｎａｌｙｓｉｓ:ａｎｉｎｄｕｓｔｒｉａｌｐｕｒｃｈａｓｅｐｒｏｃｅｓｓａｐｐｌｉｃａｔｉｏｎ. ＭａｒｋｅｔｉｎｇＳｃｉｅｎｃｅ, 1994; 13:41—677　夏國(guó)恩, 金煒東. 基于支持向量機(jī)的客戶流失預(yù)測(cè)模型. 系統(tǒng)工程理論與實(shí)踐, 2008; (1) :71—77

ＲｅｓｅａｒｃｈｆｏｒＥ-ｃｏｍｍｅｒｃｅＣｕｓｔｏｍｅｒＣｈｕｒｎｓＢａｓｅｄｏｎＰａｒｅｔｏ/ＮＢＤＭｏｄｅｌ

ＤＡＩＹｉ-ｓｈｅｎｇ, ＳＨＥＮＰｅｉ-ｌａｎ, ＳＵＮＨｏｎｇ-ｘｉａ

(ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ, Ｚｈｅｎｊｉａｎｇ212003, Ｐ. Ｒ. Ｃｈｉｎａ)

＊

[Ａｂｓｔｒａｃｔ]?。裕瑁澹穑颍铮猓欤澹恚铮妫悖酰螅簦铮恚澹颍悖瑁酰颍睿椋睿睿铮?ｃｏｎｔｒａｃｔｕａｌｓｅｔｔｉｎｇｉｓｒｉｓｉｎｇｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎ. Ａｓｔｙｐｉ-ｃａｌｏｆｔｈｉｓｓｅｔｔｉｎｇ-Ｅ-ｃｏｍｍｅｒｃｅｓｉｔｅｓ, ｂｅｃａｕｓｅｏｆｉｔｓｓｐｅｃｉｆｉｃｉｔｙｍａｋｅｓｍｏｒｅｄｉｆｆｉｃｕｌｔｔｏｊｕｄｇｅｃｕｓｔｏｍｅｒｓｃｈｕｒｎｉｎｔｈｉｓｓｉｔｅ. Ｐａｒｅｔｏ/ＮＢＤｍｏｄｅｌｉｓｔｏｆｏｒｅｃａｓｔｃｕｓｔｏｍｅｒｓｒｅｐｅａｔｐｕｒｃｈａｓｅｂｅｈａｖｉｏｕｒｓ, ｗｈｉｃｈｉｓｔｈｅｆｉｒｓｔｍｏｄｅｌｔｈａｔｔａｋｅｓｉｎｔｏａｃｃｏｕｎｔｏｆｃｕｓｔｏｍｅｒｃｈｕｒｎｉｎＮｏｎ-ｃｏｎｔｒａｃｔｕａｌｓｅｔｔｉｎｇ. ＢｙｐｒｅｄｉｃｔｉｎｇＰ(ａｃｔｉｖｅ) , ｉｔｉｓｂｅｔｔｅｒｔｏｓｏｌｖｅｃｕｓｔｏｍｅｒｃｈｕｒｎｐｒｅｄｉｃｔｉｏｎ. Ｉｎｔｈｉｓｐａｐｅｒ, ｕｓｉｎｇＰａｒｅｔｏ/ＮＢＤｍｏｄｅｌａｓｂａｓｅｄｍｏｄｅｌｔｏｅｍｐｉｒｉｃａｌｓｔｕｄｙｉｎｅ-ｃｏｍｍｅｒｃｅｓｉｔｅａｎｄａｌｓｏｔｅｓｔａｎｄｖｅｒｉｆｙｔｈｅｖａｌｉｄａｔｉｏｎｏｆｔｈｅＰａｒｅｔｏ/ＮＢＤｔｏｓｏｌｖｅｃｕｓｔｏｍｅｒｃｈｕｒｎｐｒｏｂｌｅｍｓｉｎｎｏｎ-ｃｏｎｔｒａｃｔｕａｌｓｅｔｔｉｎｇ. [Ｋｅｙｗｏｒｄｓ]?。?ｃｏｍｍｅｒｃｅ　?。悖酰螅簦铮恚澹颍悖瑁酰颍睢　。穑幔颍澹簦?ＮＢＤｍｏｄｅｌ　　ｐｒｅｄｉｃｔｉｏｎ