網(wǎng)絡(luò)購物消費者在線咨詢信息與評論信息關(guān)系研究

網(wǎng)絡(luò)購物消費者在線咨詢信息與評論信息關(guān)系研究

1電子商務(wù)用戶的行為分類根據(jù)中國互聯(lián)網(wǎng)信息中心（cnic）的數(shù)據(jù)，2012年中國網(wǎng)絡(luò)購物市場交易總量為12964億元。2013年6月下旬，中國網(wǎng)絡(luò)購物中心達到5.91億人，使用網(wǎng)購網(wǎng)絡(luò)購物的人達到2.71億人。目前,我們對網(wǎng)絡(luò)消費者的消費習慣以及網(wǎng)絡(luò)購物行為規(guī)律尚缺乏了解,因此有必要通過網(wǎng)絡(luò)用戶留下的網(wǎng)絡(luò)咨詢和商品評價信息對網(wǎng)絡(luò)消費者的網(wǎng)絡(luò)購物過程和特征進行研究,挖掘網(wǎng)絡(luò)用戶留下的網(wǎng)絡(luò)信息數(shù)據(jù),了解網(wǎng)絡(luò)消費者購物過程的活動規(guī)律,以便實現(xiàn)大數(shù)據(jù)時代數(shù)據(jù)信息的價值,同時便于網(wǎng)上零售商和網(wǎng)絡(luò)消費者采取有針對性的營銷策略與購買策略。根據(jù)工信部在2012年前三季度工業(yè)通信業(yè)發(fā)展情況新聞發(fā)布會上提供的數(shù)據(jù),2012年前三季度我國電子商務(wù)整體市場規(guī)模達到了5萬億元,占前三季度整體GDP的14.1%,其中網(wǎng)絡(luò)零售市場交易規(guī)模為7609億元。CNNIC的統(tǒng)計報告顯示,2012年網(wǎng)絡(luò)購物用戶中有6.5%的用戶放棄過半年前使用的購物網(wǎng)站。這些購物網(wǎng)站流失的用戶中有22.9%是淘寶網(wǎng)的用戶,17.8%是京東商城的用戶,14%是亞馬遜中國的用戶。流失用戶占比與網(wǎng)站用戶群體大小有關(guān),也與用戶對網(wǎng)站服務(wù)的滿意程度有關(guān)。所以了解用戶的習慣與行為軌跡對于提高用戶滿意度,減少用戶流失率非常重要。網(wǎng)絡(luò)用戶購買行為在促進網(wǎng)絡(luò)經(jīng)濟發(fā)展的同時,購物過程中留下的各種咨詢和評價信息存在巨大研究價值和經(jīng)濟價值。國際著名市場研究公司JupiterResearch的調(diào)查分析顯示:超過75%的消費者在線購買商品之前,會參考互聯(lián)網(wǎng)用戶所寫的產(chǎn)品評論信息;超過90%的大企業(yè)相信,用戶推薦和評論意見在影響消費者購買決策的決定性因素中占據(jù)重要位置。近些年,不少研究者基于網(wǎng)絡(luò)購物用戶的商品評價信息,從商品評價的有用性、對購買決策的影響、與商品銷量之間的關(guān)系以及這些商品評價的可信度四大方面進行了研究。本文在已有研究文獻基礎(chǔ)上,以京東商城30款手機的23482條咨詢信息和213330條商品評價信息為基礎(chǔ),圍繞商品咨詢和評價信息反映的網(wǎng)絡(luò)購物用戶的行為規(guī)律這一核心問題,用數(shù)據(jù)說明問題。創(chuàng)新之處是,第一次把網(wǎng)絡(luò)用戶咨詢信息納入研究范圍,因為網(wǎng)絡(luò)用戶對商品進行咨詢已經(jīng)形成購買該商品的初步意向,屬于網(wǎng)絡(luò)購物行為過程的一部分,從用戶咨詢信息中可以發(fā)現(xiàn)網(wǎng)絡(luò)購物用戶對商品發(fā)起購買意向的時間規(guī)律和購買規(guī)律。2我國商品評價的結(jié)構(gòu)設(shè)計目前,關(guān)于商品評論信息的研究主要從商品評價的有用性、對購買決策的影響、與商品銷量之間的關(guān)系、以及這些商品評價的可信度四大方面來研究。2.1評論3.2積極性的預(yù)測有學者從在線評論的口碑對消費者有用性感知進行研究或從社會性因素的影響效應(yīng)研究什么樣的在線評論更有用或用機器學習的方法采用SVM回歸方式自動預(yù)測在線評論的有用性,也有學者從面向用戶需求方面利用評論間的語義關(guān)聯(lián)提出基于復雜網(wǎng)絡(luò)的評論有用性的分析方法,還有學者從在線評論的信息質(zhì)量和評論者的社區(qū)地位方面來判斷評論的有用性。以影評數(shù)據(jù)的在線評論為研究對象,結(jié)合文本挖掘技術(shù)和實證研究方法,從文本特征出發(fā)探索影響在線評論有用性的因素。2.2網(wǎng)絡(luò)消費者的認知和評論行為從正面評論和負面評論角度對搜索型商品與體驗型商品的不同影響進行了研究,發(fā)現(xiàn)正面評論對搜索型商品的影響比體驗型商品的影響大,而負面評論對搜索型商品與體驗型商品的影響沒有明顯差異。Park和Kim認為在線評論的認知契約對購物老手的購物決策影響比新手大,而評論數(shù)量對新手的購買決策影響比老手的大。Lee等對負面評論對消費者的研究發(fā)現(xiàn)卷入度高的網(wǎng)購消費者關(guān)注負面評論的質(zhì)量,而卷入度低的消費者更關(guān)注負面評論的角度。國內(nèi)學者李宏等從負面在線評論的質(zhì)量、消費者的卷入程度以及性別三方面從對影響消費者網(wǎng)絡(luò)購買決策的角度進行研究,發(fā)現(xiàn)負面在線評論質(zhì)量的高低對消費者對產(chǎn)品的滿意度以及購買選擇具有顯著影響。2.3負面評論、中性評論對電影票房的影響近幾年關(guān)于在線評論與銷量之間關(guān)系的研究相對比較多,W.Duana等發(fā)現(xiàn)在線評論的正面口碑效應(yīng)對電影票房有影響,G.P.Sonnier等進一步研究發(fā)現(xiàn)正面評論、中性評論和負面評論對電影票房的影響有著顯著影響。J.A.Chevalier等研究發(fā)現(xiàn)通過提高在線評論的正面口碑效應(yīng)對Amazon.com和Barnesandnoble.com網(wǎng)站的圖書銷售量有提升作用,而且一星評論的影響比5星評論的影響大。QiangYe等采用與J.A.Chevalier相同的方法研究發(fā)現(xiàn)在線評論對中國旅館的網(wǎng)絡(luò)訂購數(shù)量有顯著影響。2.4網(wǎng)絡(luò)購物用戶評論研究現(xiàn)狀孟美任等通過問卷調(diào)查,選取具有內(nèi)容完整性、情感平衡性、評論時效性以及發(fā)布者身份明確性4類特征,采用CRFs模型進行評論可信度4級分類,通過特征組合實驗,得到判斷在線評論的最佳特征組合,準確率達到75%。李念武等也通過問卷調(diào)查和主成分因子分析法,發(fā)現(xiàn)正面在線評論的可信度會影響網(wǎng)絡(luò)用戶對商家的信任,負面在線評論的可信度也會讓網(wǎng)絡(luò)用戶對商家的信任和購買意向產(chǎn)生影響。施國良等通過文本挖掘的理論,提出不同購物網(wǎng)站商品評論對比分析的方法,對不同購物網(wǎng)站同一商品評論是否一致進行研究,發(fā)現(xiàn)不同購物網(wǎng)站對同一商品的評論并不完全一致,這種不一致主要體現(xiàn)在商品特征方面。在文獻綜述與深度分析基礎(chǔ)上,發(fā)現(xiàn)目前已有研究大多集中在在線評論的內(nèi)容特征,對評論者的視角因素關(guān)注不夠,幾乎沒有考慮網(wǎng)絡(luò)購物用戶購買意愿產(chǎn)生時的咨詢信息,也沒有學者對網(wǎng)絡(luò)購物用戶的行為規(guī)律進行深入挖掘研究。已有的研究數(shù)據(jù)要么采取問卷調(diào)查獲取,主觀性太大;要么通過幾百數(shù)千條在線評論,數(shù)據(jù)和樣本量嚴重不足,容易產(chǎn)生較大偏差。針對這些不足需要以網(wǎng)絡(luò)購物用戶在購物過程中所產(chǎn)生的海量真實的咨詢和評論信息為基礎(chǔ),詳細闡述數(shù)據(jù)處理過程,并對數(shù)據(jù)進行挖掘,分析網(wǎng)絡(luò)購物用戶的行為規(guī)律。3數(shù)據(jù)收集和量化3.1網(wǎng)絡(luò)購物用戶的省份信息經(jīng)過對京東商城、亞馬遜、騰訊拍拍、蘇寧等B2C購物網(wǎng)站的用戶咨詢和評論信息進行對比,基于廣告過濾、用戶信息全面性和數(shù)量、咨詢和評論信息量等因素考慮,本文所有數(shù)據(jù)信息都來自于京東商城。本文使用網(wǎng)頁自動抓取工具Metaseeker從京東商城上抓取蘋果、三星、華為、中興、諾基亞、聯(lián)想、HTC、索尼、小米、酷派、步步高、魅族和天語13個主流品牌的30款熱門手機產(chǎn)品的23482條咨詢信息和213516條在線評論信息。由于網(wǎng)絡(luò)購物用戶的省份信息是用戶在填寫個人基本信息時自由填寫的,有些用戶沒有填寫省份基本信息就抓取不到,所以文中含有網(wǎng)絡(luò)購物用戶省份信息的評論數(shù)據(jù)是168683條。根據(jù)京東商城評論的規(guī)定,只有購買了產(chǎn)品才能對所購買的產(chǎn)品進行評價,并且只能評價一次,評價后可以得到積分并在下次購買物品時折換成現(xiàn)金。從利益最大化的角度,京東商城的會員購買物品后都會在一定時間內(nèi)進行評價,所以獲取的213516條在線評論信息至少有213516次對應(yīng)的手機購買行為。3.2文件的形成和分詞ue5f9京東商城上用戶的咨詢信息如圖1所示,網(wǎng)頁抓取工具Metaseeker的抓取原理是把抓取對象以結(jié)構(gòu)化單元抓取下來形成含有用戶名稱、咨詢內(nèi)容、咨詢?nèi)掌诤蜁r間、答復內(nèi)容、答復日期和時間的xml文件。ue5f9合并xml文件并轉(zhuǎn)化成Excel文件。使用谷歌的xml合并工具Mergex把所有xml形式的咨詢信息合并成一個,然后另存為Excel文件。ue5f9把Excel中的咨詢內(nèi)容轉(zhuǎn)化成Unicode形式的txt文本,為分詞做準備。ue5f9使用中國科學院開發(fā)的分詞軟件ICTCLAS對txt文本進行分詞,形成帶空格的txt文本,為詞頻統(tǒng)計做準備。ue5f9根據(jù)txt文本中的分詞情況,手動創(chuàng)建咨詢內(nèi)容特征語料庫,本研究創(chuàng)建了203個用戶關(guān)注特征詞,用牛津大學出版社的Wordsmith工具進行詞頻統(tǒng)計,形成詞頻統(tǒng)計結(jié)果并以Excel文件保存。ue5f9根據(jù)詞頻統(tǒng)計結(jié)果進行要素量化。根據(jù)統(tǒng)計結(jié)果使用Excel的透視表和統(tǒng)計功能進行量化,為數(shù)據(jù)分析做準備。3.3轉(zhuǎn)化服務(wù)方式京東商城在線評論由于有標簽特征,簡化了評論信息的處理。ue5f9京東商城上用戶的評論信息如圖2所示,使用網(wǎng)頁抓取工具Metaseeker抓取了包含用戶名稱、會員等級、省份、評論星級、評論日期和時間、購買日期、標簽、有用數(shù)、回復數(shù)的xml文件。ue5f9合并xml文件并轉(zhuǎn)化成Excel文件。使用谷歌的xml合并工具Mergex把所有xml形式的咨詢信息合并成一個,然后另存為Excel文件。ue5f9使用Excel的透視表和統(tǒng)計功能對在線評論信息特征進行量化。4數(shù)據(jù)分析與結(jié)果根據(jù)獲取的咨詢和評價信息,對網(wǎng)絡(luò)購物用戶的省份、會員等級、消費品牌、咨詢和評論時間等行為進行研究。4.1不同省份的會員調(diào)整方案所抓取的數(shù)據(jù)都是在2013年10月15日之前的,而京東商城網(wǎng)購用戶在2013年10月15日之前是根據(jù)年消費金額來劃分等級,消費金額達到規(guī)定數(shù)量以后自動升級,如表1所示共分為10級。2013年10月15日京東商城對用戶等級進行了調(diào)整,把原來的用戶等級從10級調(diào)整為5級。調(diào)整日之前一年內(nèi)有購物的鐵牌會員調(diào)整為銅牌會員,銅牌會員調(diào)整為銀牌會員,一至五鉆會員調(diào)整為鉆石會員,其他級別享有的會員級別不變。所以在已有數(shù)據(jù)的基礎(chǔ)上,不管是在用戶等級調(diào)整前還是調(diào)整后,都可以根據(jù)不同省份的不同會員等級,分析各省網(wǎng)絡(luò)用戶的消費能力和水平。根據(jù)京東會員調(diào)整規(guī)則,新形成的數(shù)據(jù)如表2所示。以下分析都以調(diào)整后的數(shù)據(jù)為基礎(chǔ)。根據(jù)獲取的具有省份地址的168705條網(wǎng)絡(luò)購物用戶信息,京東商城的會員分布以北京為最多,會員占比達到25.88%,其次是廣東會員,占比達到16.8%,上海會員占比為9.7%,排第三位。表3列出了會員數(shù)量占總會員數(shù)量排名前10位的省份以及各省5種會員等級的百分比。從表3中可以看出,北京、廣東和上海三省市的會員數(shù)最多,合計占總數(shù)的52.38%,但是年消費百萬元以上的超級網(wǎng)絡(luò)購物用戶廣東省占比最多,達66.05%,北京占17.21%,上海占11.16%。4.2手機銷售量根據(jù)已經(jīng)獲取到的評論信息,從手機品牌和對應(yīng)的會員等級進行分析,從表4及對應(yīng)圖可以看出,蘋果手機銷售占比最大,為40.1%,其次為三星手機,銷售量占比為16%,小米手機銷售量占比為14.1%排名第三,蘋果、三星和小米三大品牌的手機銷量占統(tǒng)計量的70.2%,中興、聯(lián)想、諾基亞、HTC和華為5個品牌的占比在3.2%-6.1%之間,魅族、索尼、酷派、步步高和天語5個品牌的占比在0.98%-2.5%之間,占比較低。4.3兩組進行咨詢的時間和時段分布根據(jù)網(wǎng)絡(luò)用戶的上網(wǎng)日期和時間對用戶咨詢和評價時間進行相應(yīng)統(tǒng)計,把日期按星期一至星期日劃分,把上網(wǎng)時間從0:00點到24:00點分成0:00-6:00(凌晨)、6:00-12:00(中午)、12:00-18:00(下午)和18:00-24:00(晚上)4個時間段。對23482條咨詢信息按照用戶的上網(wǎng)時間進行分析,從表5可以看出每周二和周三進行咨詢的比較多,分別占15.36%-15.57%,每周一、四和五進行咨詢的用戶在14.18%-14.59%之間,而周末假期時間進行咨詢的用戶相對較少,為12.46%-13.33%。從時間段來看,下午和晚上進行咨詢的人比較多,共占70.6%,上午咨詢的比較少,占比只有22.72%,凌晨咨詢的占比只有6.67%,這符合睡眠時間上網(wǎng)人數(shù)較少這一生活規(guī)律。把213516條評論信息按照用戶的上網(wǎng)時間進行分析,從表6可以看出每周三進行商品評論的比較多,占15.65%,每周一、二、四和五進行評論的用戶在14.12%-14.79%之間,而周末假期時間進行評論的用戶相對較少,在12.78%-13.53%之間。從時間段方面來看,下午和晚上進行評論的人比較多,共占67.95%,上午評論數(shù)較少,只有26.93%,凌晨占比最少,只有5.12%,這同樣符合睡眠時間上網(wǎng)人數(shù)較少這一生活規(guī)律。把154808條具有購買日期的信息按照手機購買品牌進行分析,從表7可以看出每周一、二、三下訂單購買商品的用戶相對較多,在15.32%-16.04%之間,每周四和周五下訂單購買商品的人占比分別為13.98%和13.89%,而周六和周日下訂單購買手機的人相對較少,分別為12.97%和12.15%。4.4信息與評論信息關(guān)聯(lián)根據(jù)獲取的23482條手機咨詢信息和213516條在線評論信息,把咨詢信息與評論信息根據(jù)網(wǎng)絡(luò)購物用戶姓名唯一性進行關(guān)聯(lián),找出13個手機品牌每個品牌網(wǎng)絡(luò)用戶咨詢相關(guān)手機信息后對應(yīng)的購買數(shù)量并進行分析。通過表8數(shù)據(jù)可以看出,網(wǎng)絡(luò)購物用戶在咨詢過后大約會有15.52%的用戶最終會購買所咨詢的產(chǎn)品。5網(wǎng)絡(luò)購物用戶的行為規(guī)律通過對消費者在網(wǎng)絡(luò)購買手機的過程中所產(chǎn)生的21萬多次咨詢信息和評論信息的實際數(shù)據(jù)進行分析得出的網(wǎng)絡(luò)購物用戶的網(wǎng)絡(luò)行為規(guī)律具有現(xiàn)實可信度,對于網(wǎng)絡(luò)銷售商家和網(wǎng)絡(luò)購物用戶都有實際應(yīng)用價值。主要有以下結(jié)論:5.1ue5f9ue5f9每周一、二、三下訂單購買商品的用戶比較多,商家應(yīng)該安排更多的工作人員處理訂單,每周四和周五賣家應(yīng)該安排周一至周三大約7/8數(shù)量的人員進行訂單處理,而周六和周日大約只需要周一至周三3/4數(shù)量的工作人員處理訂單。ue5f9由于大約15.52%的咨詢者會在咨詢后購買商品,所以