数据驱动的个性化营销理论与方法

本书围绕数据驱动的个性化营销理论与方法开展研究，分析了个性化营销的正负价值与数智驱动的营销变革，给出了个性化营销的方法基础与研究框架；在此基础上，从面向消费者个体的推荐、面向消费者群体的推荐、融合社交互动信息的社会化推荐以及考虑个性化需求演化的动态推荐等维度，研究个性化产品推荐方法；从多渠道促销优化、营销影响力最大化等维度研究个性化渠道策略和个性化促销策略；对个性化营销的安全性进行探讨，构建个性化营销的攻击检测方法与鲁棒优化方法。通过本书的研究工作，以期丰富个性化营销的理论方法体系，为企业制定有效的个性化营销策略提供理论依据。

目录
第1章 绪论 1
1.1 个性化营销的正负效应 1
1.2 数据驱动的个性化营销变革 4
1.3 个性化营销的智能方法基础 6
1.4 个性化营销的研究框架 23
1.5 本书的组织安排 26
参考文献 27
第2章 融合多模态数据的个性化推荐方法 32
2.1 国内外研究综述 32
2.2 基于图嵌入模型的隐式反馈推荐方法 34
2.3 融合文本数据的个性化推荐方法 40
2.4 融合图像数据的个性化推荐方法 46
2.5 融合多模态数据的个性化推荐实验 52
参考文献 62
第3章 面向个体与群体交互的群推荐方法 65
3.1 国内外研究综述 65
3.2 基于双向张量分解的群推荐方法 67
3.3 基于群偏好与用户偏好协同演化的群推荐方法 74
3.4 基于群内和群间协同的动态群推荐方法 82
3.5 面向个体与群体交互的群推荐实验 93
参考文献 106
第4章 融合社交互动信息的社会化推荐方法 109
4.1 国内外研究综述 109
4.2 基于社会化关系多元性的个性化推荐方法 111
4.3 基于社会化关系强度的个性化推荐方法 116
4.4 融合社交互动信息的社会化推荐实验 121
参考文献 128
第5章 考虑个性化需求演化的动态推荐方法 132
5.1 国内外研究综述 132
5.2 基于演员-评论家框架的动态推荐方法 134
5.3 融合知识图谱的深度强化学习动态推荐方法 143
5.4 考虑个性化需求演化的动态推荐实验 151
参考文献 163
第6章 多渠道多策略协同的个性化促销方法 166
6.1 国内外研究综述 166
6.2 多渠道零售商单阶段促销模型 168
6.3 多渠道零售商多阶段促销模型 174
6.4 产品价格与配送费用协同优化模型 178
6.5 多渠道多策略协同的个性化促销实验 185
参考文献 201
第7章 基于影响力最大化的社会化促销方法 205
7.1 国内外研究综述 205
7.2 用户个体影响力的识别方法 207
7.3 用户群组影响力的识别方法 214
7.4 影响力种子集合的识别方法 219
7.5 基于影响力最大化的社会化促销实验 225
参考文献 240
第8章 个性化营销的对抗攻击与鲁棒优化方法 243
8.1 国内外研究综述 243
8.2 基于物品重要性最大化的对抗攻击方法 247
8.3 基于社区划分的对抗攻击优化策略 253
8.4 基于特征鲁棒加强的对抗防御优化策略 257
8.5 实验结果及分析 259
参考文献 267
第9章 研究总结与展望 271
9.1 研究总结 271
9.2 研究展望 272
参考文献 273