基于跨境電商搜索數(shù)據(jù)的消費(fèi)者分類研究

吳軼倫

內(nèi)容摘要：本文選取速賣通跨境電商平臺的婚紗禮服行業(yè)搜索數(shù)據(jù)，將平臺中店家數(shù)量、消費(fèi)者搜索數(shù)據(jù)與購買產(chǎn)生的數(shù)據(jù)與消費(fèi)者行為相關(guān)聯(lián)。通過數(shù)據(jù)的相關(guān)分析、回歸分析和聚類分析，進(jìn)行消費(fèi)者搜索行為、比較行為和購買行為的關(guān)系研究，以分析消費(fèi)者的類別，并針對各類消費(fèi)者采取一定的策略。

關(guān)鍵詞：跨境電商 搜索數(shù)據(jù) 消費(fèi)者行為

跨境電商消費(fèi)者行為路徑及數(shù)據(jù)產(chǎn)生

在消費(fèi)者購買行為路徑中可以發(fā)現(xiàn)四個(gè)主要的消費(fèi)者行為，分別為搜索行為、瀏覽行為、比較行為和購買行為。同時(shí)，這四個(gè)行為會(huì)在跨境電商平臺中被記錄下來。后臺將一次搜索行為記錄為某一個(gè)用戶搜索某一關(guān)鍵詞A一次，然后搜索出來的關(guān)鍵詞A對應(yīng)的產(chǎn)品數(shù)量為寶貝數(shù)量B，用戶比較搜索出來的各個(gè)產(chǎn)品決定是否點(diǎn)擊進(jìn)入詳情頁，系統(tǒng)同時(shí)記錄該用戶是否點(diǎn)擊了搜索出來的結(jié)果，同時(shí)用戶搜索關(guān)鍵詞A是否產(chǎn)生購買也被記錄下來，每一次用戶操作行為都被記錄成平臺數(shù)據(jù)。經(jīng)過成千上萬人次的搜索、點(diǎn)擊和購買生成了各種指標(biāo)，后臺根據(jù)每一個(gè)被搜到的關(guān)鍵字統(tǒng)計(jì)出該關(guān)鍵字對應(yīng)的搜索人次生成搜索人氣指標(biāo)：根據(jù)搜索頻次生成搜索指數(shù)指標(biāo)；根據(jù)該關(guān)鍵字對應(yīng)的點(diǎn)擊人次生成點(diǎn)擊人數(shù)指標(biāo)；根據(jù)對應(yīng)關(guān)鍵字的購買次數(shù)生成支付人數(shù)指標(biāo)；根據(jù)每次關(guān)鍵詞搜索出的寶貝數(shù)量經(jīng)后臺運(yùn)算后計(jì)算出競爭指數(shù)指標(biāo)。消費(fèi)者行為與搜索數(shù)據(jù)對應(yīng)關(guān)系如圖1所示。

綜上所述，跨境電商平臺用戶的搜索行為產(chǎn)生搜索人氣和搜索指數(shù)，用戶比較行為與競爭指數(shù)和點(diǎn)擊人數(shù)有關(guān)，購買行為產(chǎn)生支付人數(shù)。因此通過指標(biāo)之間的關(guān)系研究可以推斷出跨境電商消費(fèi)者的行為之間的關(guān)系。

跨境電商數(shù)據(jù)來源及整理

速賣通跨境電商平臺時(shí)刻記錄消費(fèi)者行為數(shù)據(jù)，每日計(jì)算行為相應(yīng)指標(biāo)，并在平臺設(shè)立的數(shù)據(jù)縱橫板塊中發(fā)布，供平臺賣家查看、下載及分析。數(shù)據(jù)縱橫中有三個(gè)欄目，分別為行業(yè)情報(bào)、搜索詞分析和選品專家，其中搜索詞分析是基于關(guān)鍵詞統(tǒng)計(jì)每個(gè)關(guān)鍵詞對應(yīng)的消費(fèi)者行為數(shù)據(jù)，平臺能夠下載出近30天的匯總數(shù)據(jù)。因此，本文基于數(shù)據(jù)縱橫中搜索詞分析欄目中2016年4月至7月四個(gè)月的月度數(shù)據(jù)，分析各個(gè)行為數(shù)據(jù)指標(biāo)之間的關(guān)系。

每月月初下載搜索詞分析欄目下婚紗品類近30天的搜索數(shù)據(jù)，并將5個(gè)月的數(shù)據(jù)匯總。同時(shí)，假設(shè)關(guān)鍵詞對應(yīng)的各個(gè)指標(biāo)均不為0時(shí)，該關(guān)鍵詞為保留完整用戶行為的優(yōu)質(zhì)關(guān)鍵詞。下文的分析均基于優(yōu)質(zhì)關(guān)鍵詞進(jìn)行跨境消費(fèi)者行為數(shù)據(jù)的分析，因此剔除指標(biāo)值中存在0的全部關(guān)鍵詞及其數(shù)據(jù)，最終保留優(yōu)質(zhì)關(guān)鍵詞114個(gè)。

本文選取阿里巴巴旗下的速賣通跨境電商平臺的婚紗禮服行業(yè)搜索數(shù)據(jù)（即速賣通的“數(shù)據(jù)縱橫”），將平臺中店家數(shù)量或?qū)氊悢?shù)量、搜索數(shù)和成交量等平臺參數(shù)，與消費(fèi)者搜索行為、比較行為與購買行為相關(guān)聯(lián)。通過數(shù)據(jù)的相關(guān)分析、回歸分析和聚類分析，進(jìn)行婚紗禮服消費(fèi)者搜索行為、瀏覽行為、比較行為和購買行為的關(guān)系研究。并通過四組數(shù)據(jù)的聚類分析，將消費(fèi)者行為進(jìn)行分類，挖掘出平臺中最應(yīng)該關(guān)注的一類消費(fèi)者，并針對這類消費(fèi)者采取必要的措施，達(dá)到獲得顧客的目的。

跨境電商搜索數(shù)據(jù)分析結(jié)果

（一）相關(guān)分析

本文對所有變量進(jìn)行兩兩組合的雙變量相關(guān)分析（見表1），以Pearson系數(shù)和顯著性水平兩個(gè)指標(biāo)判斷其是否存在線性相關(guān)關(guān)系，相關(guān)關(guān)系是否顯著。從幾個(gè)變量中看出消費(fèi)者行為之間是否有關(guān)聯(lián)，在各個(gè)行為中選擇代表性較好的變量指標(biāo)進(jìn)行進(jìn)一步的回歸分析。Pearson相關(guān)系數(shù)的絕對值越大，相關(guān)性越強(qiáng)；相關(guān)系數(shù)越接近于1或-1，相關(guān)度越強(qiáng)，相關(guān)系數(shù)越接近于0，相關(guān)度越弱。相關(guān)系數(shù) 0.8-1.0 極強(qiáng)相關(guān)，0.2-0.4 弱相關(guān)，0.0-0.2 極弱相關(guān)或無相關(guān)。

從相關(guān)性的分析結(jié)果中不難看出，表示消費(fèi)者搜索行為的兩個(gè)指標(biāo)搜索人氣和搜索指數(shù)，與表示消費(fèi)者點(diǎn)擊行為的點(diǎn)擊人數(shù)，再與表示購買行為的支付人數(shù)兩兩之間都存在較強(qiáng)的相關(guān)性，說明各個(gè)行為之間都存在著關(guān)聯(lián)關(guān)系。同時(shí)點(diǎn)擊率和支付轉(zhuǎn)化率與大部分指標(biāo)之間的相關(guān)性極弱，點(diǎn)擊率和搜索人氣之間呈現(xiàn)極強(qiáng)的相關(guān)性，支付轉(zhuǎn)化率則與競爭指數(shù)存在極強(qiáng)的線性相關(guān)性。競爭指數(shù)也與大部分變量呈現(xiàn)出較弱的線性關(guān)系。因此表示搜索行為的搜索人氣和搜索指數(shù)中選擇搜索指數(shù)，表示點(diǎn)擊行為的指標(biāo)選擇點(diǎn)擊人數(shù)，表示購買行為指標(biāo)選擇支付人數(shù)，同時(shí)表示比較行為的競爭指數(shù)不參與回歸分析。

（二）回歸分析

根據(jù)上述相關(guān)性分析結(jié)果，點(diǎn)擊人數(shù)和搜索指數(shù)兩個(gè)變量之間存在明顯的線性關(guān)系，在兩個(gè)變量之間建立一元線性回歸方程，先出現(xiàn)的行為數(shù)據(jù)做自變量，后出現(xiàn)的行為數(shù)據(jù)做因變量。根據(jù)Pearson相關(guān)性系數(shù)，確定點(diǎn)擊人數(shù)與支付人數(shù)有較強(qiáng)的相關(guān)性，支付轉(zhuǎn)化率則與競爭指數(shù)也存在極強(qiáng)的線性相關(guān)性。

然而針對兩對有相關(guān)性的變量的散點(diǎn)圖（見圖2）進(jìn)行回歸分析發(fā)現(xiàn)搜索指數(shù)與點(diǎn)擊人數(shù)呈現(xiàn)極其明顯的線性回歸關(guān)系，而點(diǎn)擊人數(shù)與支付人數(shù)直接呈現(xiàn)多項(xiàng)式曲線回歸關(guān)系，支付轉(zhuǎn)化率和競爭指數(shù)的散點(diǎn)圖離散度較大不進(jìn)行回歸分析。因此，以點(diǎn)擊人數(shù)為因變量、搜索指數(shù)為自變量可以建立一個(gè)一元一次回歸函數(shù)；同時(shí)以支付人數(shù)為因變量、以點(diǎn)擊人數(shù)為自變量可以建立一個(gè)一元三次回歸方程。

（三）聚類分析

選取代表搜索行為的搜索指數(shù)、代表瀏覽行為的點(diǎn)擊人氣、代表比較行為的競爭指數(shù)和代表支付行為的支付人數(shù)這四個(gè)指標(biāo)進(jìn)行K-均值聚類分析。首先通過系統(tǒng)聚類分析所得的樹狀圖，推斷可以將數(shù)據(jù)分為三至五類。然后分別將原始數(shù)據(jù)利用K-均值聚類分析分為三類、四類和五類。再以四個(gè)指標(biāo)為自變量，以分類生產(chǎn)的類別變量為因變量，進(jìn)行單因素方差檢驗(yàn)，得到將四個(gè)指標(biāo)分為三類的結(jié)果最有效。

三類的K-均值聚類分析最終聚類中心表如表2所示，表2中給出每個(gè)聚類出的類對應(yīng)各個(gè)指標(biāo)的中心值，以及每一類中包含的個(gè)案的數(shù)量。單因素方差檢驗(yàn)結(jié)果如表3所示，通過顯著性這一列可以看出，除了競爭指數(shù)這個(gè)指標(biāo)，其它指標(biāo)都達(dá)到了顯著的水平。

消費(fèi)者行為特征分析及啟示

（一）消費(fèi)者行為特征分析

通過消費(fèi)者行為數(shù)據(jù)的相關(guān)性分析和回歸分析可知，消費(fèi)者的搜索行為、瀏覽行為、比較行為和購買行為之間存在著較強(qiáng)的相關(guān)關(guān)系。由于搜索指數(shù)和點(diǎn)擊人氣兩個(gè)指標(biāo)線性關(guān)系極其顯著，且兩個(gè)數(shù)值呈正向關(guān)系，聚類結(jié)果中兩個(gè)指數(shù)也呈正向關(guān)系，即點(diǎn)擊行為發(fā)生的次數(shù)隨著搜索行為發(fā)生的次數(shù)的升高而升高，說明消費(fèi)者搜索得越多，瀏覽的可能性越大。消費(fèi)者的關(guān)鍵詞搜索與網(wǎng)頁瀏覽通常能夠產(chǎn)生購買行為，消費(fèi)者購買行為是受到瀏覽和搜索行為的正向影響，瀏覽越多說明其越有興趣，產(chǎn)生購買行為的可能性越大。消費(fèi)者瀏覽次數(shù)處于較低水平時(shí)，購買量很少，但是購買隨瀏覽量的增加而增加。說明瀏覽量少的消費(fèi)者普遍不會(huì)購買平臺產(chǎn)品，但是瀏覽行為與購買行為是正向的關(guān)系。瀏覽的次數(shù)稍稍升高到中等水平時(shí)，瀏覽與購買的正向關(guān)系極弱；搜索和瀏覽次數(shù)再變多時(shí)，消費(fèi)者能夠產(chǎn)生大量的購買。

（二）基于消費(fèi)者行為聚類結(jié)果的用戶分類

通過解讀聚類結(jié)果最終聚類中心表結(jié)合搜索詞內(nèi)容，可以總結(jié)出各個(gè)分類的特征，推斷出對應(yīng)的消費(fèi)者行為分類。第一類消費(fèi)者可比較的產(chǎn)品數(shù)量很少，即競爭指數(shù)最小；通過中等的搜索和瀏覽，產(chǎn)生中等數(shù)量的購買行為。屬于目標(biāo)明確的消費(fèi)者，選擇定向搜索特定的產(chǎn)品，不需要比較大量的同質(zhì)產(chǎn)品就可以決定購買，多為小語種國家消費(fèi)者。第二類消費(fèi)者可比較的產(chǎn)品數(shù)量中等，通過大量的搜索和瀏覽，產(chǎn)生大量的購買行為。是搜索瀏覽導(dǎo)向型消費(fèi)者，選擇搜索大眾詞匯，多種產(chǎn)品進(jìn)行比較，通過不停地瀏覽平臺上的產(chǎn)品，產(chǎn)生大量購買。第三類消費(fèi)者是數(shù)量最多的一類消費(fèi)者，在平臺上有很多可比較的產(chǎn)品，但是消費(fèi)者搜索和瀏覽量很低，導(dǎo)致購買量也極低。這一類則是無興趣的過客，他們搜索非定向的大眾詞匯，搜索出大量的同質(zhì)產(chǎn)品，比較后并無法產(chǎn)生購買的興趣，最終放棄購買。

過客是平臺上數(shù)量最多的一類消費(fèi)者，商家應(yīng)該優(yōu)化平臺上的產(chǎn)品，注意產(chǎn)品不要落入同質(zhì)產(chǎn)品的俗套。目標(biāo)明確的消費(fèi)者和搜索瀏覽導(dǎo)向型消費(fèi)者是能夠產(chǎn)生購買的人群，是商家應(yīng)該著重研究的消費(fèi)者，也就是說在產(chǎn)品描述中一定要同時(shí)含有大眾品類詞匯，讓搜索瀏覽導(dǎo)向型消費(fèi)者能夠搜索并瀏覽到，同時(shí)要有定向的詞匯結(jié)合個(gè)性設(shè)計(jì)的產(chǎn)品和描述來被第一類消費(fèi)者檢索到，從而產(chǎn)生購買。

參考文獻(xiàn)：

1.王萍.基于數(shù)據(jù)挖掘技術(shù)的消費(fèi)者行為研究[D].吉林大學(xué)，2004

2.劉枚蓮.電子商務(wù)環(huán)境下的消費(fèi)者行為研究[D].華中科技大學(xué)，2005

3.馮明，劉淳.基于互聯(lián)網(wǎng)搜索量的先導(dǎo)景氣指數(shù)、需求預(yù)測及消費(fèi)者購前調(diào)研行為—以汽車行業(yè)為例[J].營銷科學(xué)學(xué)報(bào)，2013（3）

4.樊國虎.網(wǎng)絡(luò)搜索數(shù)據(jù)與消費(fèi)者信心指數(shù)的相關(guān)性研究[D].吉林大學(xué)，2014

5.張文君，王軍，徐山川.電商用戶需求狀態(tài)的聚類分析—以淘寶網(wǎng)女裝為例[J].現(xiàn)代圖書情報(bào)技術(shù)，2015（3）

6.洪成一，樸宰秀，黃春華.互聯(lián)網(wǎng)信息搜索意圖對消費(fèi)者行為的影響分析[J].國際商務(wù)（對外經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)），2003（6）

7.張國發(fā)，邵樹琴.淘寶搜索指數(shù)與成交指數(shù)的協(xié)整分析—以羽絨服為例[J].現(xiàn)代經(jīng)濟(jì)信息，2014（3）