综上所述，“如果—那么”计划是执行意向的关键特征和研究范式，是预测行为的重要变量，执行意向与决策树在形式、过程上有一定的相似性。首先，在形式上，决策树以树的形式存在，包含根节点、内部结点和叶节点，执行意向以情景记忆和语义记忆等神经元的形式存在（Bays ＆ amp；Taylor，2018），包含情景线索、目标导向的行为反应；其次，在决策过程方面，决策树通常经历特征选择、决策树的生成和决策树的修剪三个过程，执行意向需要经过反复的情景线索特征识别、目标意向形成、情景线索与目标导向行为反应最优匹配。另外，决策树剪枝也是一种“如果—那么”形式的条件判断过程，通过不断迭代剪枝、探索规则发现决策过程（Helmbold ＆ amp；Schapire，1997）。因此，借助执行意向理论思想，利用决策树方法探索电商购物节抢券行为具有一定的创新性和实践价值。在数据挖掘方法中，最常见的决策树算法有C5.0、C ＆ amp；RT、CHAID、QUEST，其中C5.0和CHAID算法在实际数据挖掘中产生了最佳的预测精度（Delen，Kuzey ＆ amp；Uyar，2013）。

在IBM SPSS Modeler数据挖掘软件的实践中，首先，我们使用默认参数设置生成模型，其运行结果可在摘要面板中查看，得到标准模型准确率；其次，进一步优化算法。在构建选项面板选中“增强模型稳定性（bagging）”，并在整体面板中设置模型数量为“10”，其生成多个模型以获得更可靠的预测。重新运行模型后，得到10个模型结果及各自的准确率，再用评估节点查看其结果，发现与标准模型相比，新模型虽然花费了更长的构建与评分时间，但其准确率获得较大提升。(www.daowen.com)

因此，本研究在抢券行为反应变量和优惠券相关属性变量转换过程中结合了行为执行意向理论，算法方面充分利用CHAID的分类与预测性能，对抢券行为进行决策树分析，以揭示消费者在大型购物活动中的决策影响因素及其抢券行为预测方法。