新经济环境下,新消费形式应运而生,其本质是消费者行为理论的传统购买决策链路往非线性无序化方向的改变,转换了消费者认知需求及决策特征,提出“高购物车放弃率”和“低购买转化率”等挑战。随着信息技术的跃迁,在线零售商从服务器端接收大量用户页面请求,告知需要返回的信息,得以存储网络日志形式的浏览足迹——点击流数据,包括页面站点,访问时点等信息。该“用户-计算机”交互隐式反馈,放宽常规个性化推荐服务中消费者静态兴趣的假设,使数学模型对用户行为建模形式足以逼近真实个体动态兴趣,不局限于购买行为,以全旅程序列决策为触点,消费者价值为核心,追踪非线性决策行为。为此,本文以点击流数据驱动的理论研究范式,探究动态兴趣建模语境下,在线消费者序列决策机制等关键问题,不仅从人机交互视角拓展和丰富消费者行为理论,也展示给在线零售商一个数字化识别用户兴趣需求,制定个性化推荐服务和提升利润的新智慧零售策略的理论依据,符合我国在新发展国际格局中“供给——需求”经济双中心的升级要求。聚焦“基于点击流数据的消费者动态兴趣建模及购买决策研究”核心问题,首先,本文厘清消费者行为研究中兴趣与序列决策的研究脉络,从理论缺口进行评述,在此基础上梳理出两条广泛而又交叉的研究路径,其一是消费者受到网络因素刺激时的内在兴趣响应是如何的,其二为消费者动态兴趣如何驱使后续序列决策行为,凝练出四个子科学问题。研究路径一揭示（1）面向个体消费者,从人类动力学的兴趣波动性和Howard-Sheth购买理论出发,构建一个识别实时隐式兴趣变化规律的研究框架。基于点击流数据,以网页功能键为数据粒度分析消费者浏览偏好,采用Bisecting K-Means算法建模求解,探讨消费者序列决策中浏览行为与消费者实时隐式兴趣的映射关系。（2）从群体消费者兴趣出发,部署一个复杂网络科学分析的框架,以共同购买兴趣网络的形式来研究,搜索成本和在线口碑的效应。借助共现算法和邻接矩阵法将点击流数据,转化为聚合层级下群体兴趣偏好的有向性产品共同购买网络。采用指数随机图模型等模型探究产品品类、搜索时间、在线评论与群体购买决策兴趣之间的关系。此外,研究路径二纳入动态兴趣考虑后,审视消费者序列决策行为机制,包括（3）考虑时序依赖效应,构建动态离散选择模型,进行交叉弹性仿真,扎根消费者介入理论,基于单品层级细化产品介入,了解电子购物车序列决策的影响机制;同时探究在线评论对购物车放弃的影响。为理解购买与购物车放弃“非购买”统一的消费者行为提供见解。（4）从管理工程角度提议一种新颖的图论方法,通过产品路径网络图（即点击流图）,提出猜想,识别出用户潜在心态能够检测购买漏斗理论中的意图状态。目的指向用户正在进行的会话中的实时选择序列决策,转化为一个五分类问题:点击、收藏夹标记、加入购物车、删除购物车、购买。通过人工智能算法训练和测试,验证研究猜想,并探讨图论特征的可解释程度与预测性能。研究结论表明（1）“用户-计算机”交互隐式反馈可映射内在动态兴趣的转变。个体层面商,存在四种动态兴趣状态:关注、理解信息、态度和购买意图。以不同兴趣状态下的马尔可夫一步转移概率发现四种兴趣状态与用户下一步决策存在显著的“兴趣-决策”映射行为模式。（2）体现群体兴趣的共同购买网络是一个稀疏的无尺度小世界网络,其中少数产品占据大多数共同购买链接边数和累计购买数量。跨品类购买行为与共同购买链接形成之间存在显著性影响。两个产品之间平均搜索持续时间的二元差值降低了它们之间创建共同购买链接的可能性。两个产品的差评率越一致,构建共同购买链接形成的可能性越高。（3）产品时间介入度对购买概率的解释力要大于放弃购物车。不考虑评论下,高关注介入度产品,即已收藏的产品,降低放弃购物车概率;加入评论后,对购买意愿存在负向效用。此外,评论数量越大,购买可能性越高。高关注介入度产品更易受差评率影响,令消费者放弃购物车。（4）引入图论方法验证了用户在购买转化漏斗中的潜在意图状态可被在线足迹路径图的时序性质所解释。基于图论特征的模型,在宏平均PR-AUC和微平均PR-AUC指标方面,实现了约为27%的实质性改进。本研究结论与成果不仅拓展以客观数据驱动的管理理论研究范式,也丰富了消费者兴趣与消费者决策行为相关理论研究。其次,对在线零售商在新环境下,以消费者全旅程链路为触点,更好地制定以消费者价值为核心的个性化推荐服务的新智慧零售策略和提升消费者留存市场利润管理策略方面具有一定的指导价值与实践意义。