准确预测在线零售中的客户购买模式能够实现个性化推荐、精准营销和改进商业决策。然而，高维交易数据、类别不平衡以及传统机器学习（ML）模型的局限性常常阻碍预测性能。在本研究中，设计了一种基于卷积神经网络（CNN）模型，以预测客户的在线零售购买行为。CNN特别擅长学习复杂模式和特征关系，使其非常适合结构化数据的表示。实验在一个在线零售数据集上进行，该数据集包含来自加州大学欧文分校的客户购买模式，是评估ML算法的最广泛使用的基准数据集之一。CNN模型的性能通过准确率、精确率、召回率、F1-score和接收者操作特征曲线下面积（AUC-ROC）进行了评估，达到了93.6%的准确率、100.0%的精确率、91.1%的召回率、95.4%的F1-score，以及0.98的AUC-ROC。这些结果表明深度学习可以有效模拟客户购买行为，为希望预测客户行动并优化参与策略的在线零售平台提供有价值的见解。
Folorunsho 等（Sun）研究了这个问题。