基于在線數(shù)據(jù)的電商促銷影響因素分析

趙兵兵 王興芬

內(nèi)容摘要：本文在分析電商平臺(tái)信用評(píng)價(jià)模型的基礎(chǔ)上，結(jié)合現(xiàn)有促銷問題的實(shí)證研究，通過八爪魚、excel等工具收集和整理淘寶平臺(tái)促銷期間和非促銷期間的交易數(shù)據(jù)，并從商家基本信息和交易信息兩個(gè)方面獲取商家信用影響因素，利用熵權(quán)法和GRA-Dematel模型并結(jié)合matlab軟件對(duì)各因素的影響程度進(jìn)行量化，最后從計(jì)算結(jié)果對(duì)各因素的重要程度進(jìn)行排序，以此為商家的促銷活動(dòng)做出指導(dǎo)。同時(shí)文章還指出平臺(tái)在進(jìn)行信用評(píng)價(jià)時(shí)還要考慮商品價(jià)格和店鋪時(shí)長(zhǎng)等因素，這有利于改進(jìn)電子商務(wù)促銷活動(dòng)現(xiàn)狀，使其健康發(fā)展。

關(guān)鍵詞：電子商務(wù)? ?促銷? ?熵權(quán)法? ?GRA-Dematel

中圖分類號(hào)：F713? ?文獻(xiàn)標(biāo)識(shí)碼：A

近年來，電子商務(wù)發(fā)展迅速。2009年淘寶為提高銷量舉行了“雙十一”促銷活動(dòng)，這為其帶來了巨大收益。如圖1所示，淘寶“雙十一”的交易額逐年增長(zhǎng)，其占全年交易額的比重也逐年上升。但在網(wǎng)絡(luò)促銷背景下，消費(fèi)者的相關(guān)投訴也越來越多，其暴露的問題包含了商品質(zhì)量、售后服務(wù)、物流運(yùn)輸?shù)雀鱾€(gè)方面，這嚴(yán)重制約了電子商務(wù)促銷活動(dòng)的健康發(fā)展?！半p十一”網(wǎng)購(gòu)節(jié)綜合信用評(píng)價(jià)報(bào)告指出：2015年52.99%的電商促銷商品出現(xiàn)先提價(jià)后降價(jià)問題;2016年有62%的電商促銷商品被消費(fèi)者投訴促銷不實(shí);2017年促銷電商商品價(jià)格先漲后降現(xiàn)象依然普遍。2017年的“315”報(bào)告中指出電商投訴案件增長(zhǎng)為48.02%，創(chuàng)下了歷史新高。這種現(xiàn)象的出現(xiàn)與“雙十一”、“黑五”等電子商務(wù)促銷活動(dòng)關(guān)系密切。除此之外，刷單、刷好評(píng)率、貨不符實(shí)等問題也嚴(yán)重影響了促銷活動(dòng)的發(fā)展，這些問題亟待解決。

研究現(xiàn)狀

針對(duì)電商促銷活動(dòng)，各界學(xué)者紛紛做出研究。張欣（2016）認(rèn)為影響電子商務(wù)促銷的因素有促銷內(nèi)容的渲染力、產(chǎn)品和服務(wù)的質(zhì)量、促銷的公開性等，其提出進(jìn)行促銷活動(dòng)時(shí)要注意產(chǎn)品與服務(wù)的質(zhì)量以及構(gòu)建安全可靠的促銷體系;孫鈺（2017）從商家角度利用促銷歷史數(shù)據(jù)對(duì)促銷活動(dòng)的短期效應(yīng)進(jìn)行分析，認(rèn)為促銷活動(dòng)會(huì)引起促銷時(shí)期和非促銷時(shí)期商品交易量的巨大差額，商家在進(jìn)行促銷活動(dòng)時(shí)要考慮巨大的交易差對(duì)店鋪的長(zhǎng)期效應(yīng);林巧妍（2018）通過分析“雙十一”發(fā)展原因，得出“雙十一”的促銷策略包括廣告營(yíng)銷、優(yōu)惠券促銷、嘗鮮預(yù)售和提前透漏促銷價(jià)格、饑餓營(yíng)銷等，但是也指出了促銷活動(dòng)存在商家不誠(chéng)信行為，最終得出“雙十一”促銷成功來源于促銷策略的正確性;孫依婷（2017）基于“刺激-機(jī)體-反應(yīng)”的模型研究促銷策略對(duì)消費(fèi)者沖動(dòng)性購(gòu)買的作用，利用分層回歸得出價(jià)格折扣、時(shí)間壓力和銷售氛圍等因素對(duì)消費(fèi)者沖動(dòng)型購(gòu)買有顯著影響;謝琦（2018）從“雙十一”銷售數(shù)據(jù)入手，利用因子分析和回歸分析等方法研究影響促銷商品銷量的因素，其研究表明折扣、價(jià)格、銷量及差評(píng)等會(huì)影響商品銷量;邱森暉（2018）在文章中指出，商場(chǎng)價(jià)格促銷對(duì)消費(fèi)者購(gòu)買意愿有較大影響，因此商家要通過對(duì)不同類型消費(fèi)人群分析制定營(yíng)銷策略，從而提高促銷效果。而針對(duì)電子商務(wù)信用評(píng)價(jià)指標(biāo)體系，各學(xué)者也紛紛提出自己的意見。張瑞玉（2015）從店鋪時(shí)長(zhǎng)、收藏量等因素探究其對(duì)商家信用變化的影響，從店鋪信息、商品、賣家服務(wù)等方面建立C2C電商信用評(píng)價(jià)體系，利用matlab計(jì)算得出信用值，從而客觀而準(zhǔn)確的反應(yīng)商家的信用變化;傅曉鋒（2012）認(rèn)為現(xiàn)有的信用評(píng)價(jià)模型存在嚴(yán)重漏洞，不僅要改變現(xiàn)有的評(píng)價(jià)規(guī)則，還應(yīng)該考慮交易金額和買家好評(píng)等因素對(duì)信用變化影響;金敏力（2012）在研究中指出，現(xiàn)有的評(píng)價(jià)體系中商品的信用評(píng)價(jià)沒有考慮到店鋪時(shí)長(zhǎng)與商品價(jià)格對(duì)評(píng)價(jià)的影響，從而導(dǎo)致了部分商家利用這些漏洞進(jìn)行不誠(chéng)信行為。通過電商促銷現(xiàn)狀調(diào)查研究顯示，現(xiàn)有的信用評(píng)價(jià)模型在大型促銷時(shí)存在以下問題：一，促銷活動(dòng)的降價(jià)政策不利于消費(fèi)者正確認(rèn)識(shí)商家的真實(shí)信用水平;二，現(xiàn)有評(píng)分機(jī)制難以保證其評(píng)價(jià)的真實(shí)性;三，電商促銷活動(dòng)依賴于線上網(wǎng)絡(luò)平臺(tái)，消費(fèi)者所掌握的信息均由商家提供，這造成了信息不對(duì)稱。文章在此背景下提出，目的是通過分析大型促銷活動(dòng)期間商家的促銷行為，找出影響商家信用評(píng)價(jià)的因素，并利用數(shù)據(jù)分析工具對(duì)商家交易信息進(jìn)行研究分析，找出影響信用評(píng)價(jià)的重要因素，以期為電子商務(wù)促銷活動(dòng)做出指導(dǎo)。本文利用在促銷活動(dòng)前后獲取的電商網(wǎng)站交易數(shù)據(jù)，通過matlab等工具對(duì)其進(jìn)行數(shù)據(jù)處理和數(shù)據(jù)分析，同時(shí)在文獻(xiàn)閱讀和實(shí)例分析的基礎(chǔ)上加入店鋪基本信息和店鋪交易信息等影響因素，最后利用熵權(quán)法和GRA-Dematel方法對(duì)比分析其影響因素的重要程度，從而為商家管理決策與消費(fèi)者購(gòu)買提供數(shù)據(jù)支持。

促銷期間信用影響因素分析

（一）數(shù)據(jù)收集

根據(jù)《2016年“雙十一”網(wǎng)購(gòu)節(jié)綜合信用評(píng)價(jià)報(bào)告》顯示，消費(fèi)者對(duì)服裝類商品的偏好占43%，穩(wěn)居第一。并且在消費(fèi)者投訴中，“雙十一”促銷活動(dòng)中消費(fèi)者投訴最多的商品也是服裝類。因此本文選擇服裝類商品作為研究對(duì)象，首先在服裝類別下選取“618大促”的夏季類商品并獲取其淘寶鏈接，然后利用八爪魚自定義抓取商品的詳細(xì)情況鏈接，之后根據(jù)商品詳情鏈接再利用八爪魚獲取店鋪基本信息和店鋪交易數(shù)據(jù)，最后導(dǎo)出數(shù)據(jù)將其儲(chǔ)存在excel表中。本次研究文章通過八爪魚收集到淘寶“618”服裝類商品促銷數(shù)據(jù)近兩千條，商品詳情頁(yè)采集的情況包括商品地址鏈接、商品價(jià)格、交易成功數(shù)、店鋪名稱、收藏?cái)?shù)、商品好評(píng)、商品名稱、店鋪時(shí)長(zhǎng)和賣家信用，其中商品交易數(shù)據(jù)均以月為時(shí)間單位。本文在促銷結(jié)束后，利用商品地址鏈接重新收集非促銷期間的商品詳情頁(yè)數(shù)據(jù)作為比較數(shù)據(jù)，數(shù)據(jù)收集完成后計(jì)算其促銷前后的店鋪數(shù)據(jù)以及交易數(shù)據(jù)的對(duì)比值，其包括促銷時(shí)期和非促銷時(shí)期的交易差、好評(píng)差以及收藏差。

（二）評(píng)價(jià)指標(biāo)

由于促銷期間的優(yōu)惠活動(dòng)會(huì)促使消費(fèi)者加大購(gòu)買力度，店鋪的一系列交易數(shù)據(jù)將產(chǎn)生較大變化，故本文將店鋪交易信息的變化作為促銷期間評(píng)價(jià)指標(biāo)以反映促銷期間店鋪真實(shí)信用?；诮鹈袅蛯O鈺的研究，結(jié)合電子商務(wù)促銷交易流程研究，本文選取以下幾個(gè)因素分析研究：一，店鋪基本信息。其包括店鋪信用與注冊(cè)時(shí)長(zhǎng)。注冊(cè)時(shí)間短的店鋪為了達(dá)到與其他店鋪相同的信賴度，有更大的可能會(huì)依靠雙十一活動(dòng)獲得銷售量和信用的提升。注冊(cè)時(shí)長(zhǎng)以店鋪?zhàn)?cè)之日到數(shù)據(jù)收集時(shí)刻;二，店鋪交易信息。其包括商品價(jià)格、店鋪交易量變化、店鋪收藏量變化、商品好評(píng)量變化、商品差評(píng)量變化。店鋪交易數(shù)據(jù)的變化均為促銷前一個(gè)月的交易數(shù)據(jù)和促銷后一個(gè)月的交易數(shù)據(jù)的對(duì)比。促銷活動(dòng)的優(yōu)惠可帶來大量的交易量，通過店鋪收藏?cái)?shù)據(jù)和交易量可以判斷商品的受歡迎程度，而好評(píng)的多少則反映消費(fèi)者的售后體驗(yàn)。由于促銷活動(dòng)的交易量巨大，本文選用促銷時(shí)期和非促銷時(shí)期的交易量數(shù)據(jù)變化等作為因素研究，這一方面能夠降低數(shù)據(jù)過大帶來的處理難度，另一方面通過交易量變化可以展現(xiàn)促銷帶來的巨大效益。

（三）熵權(quán)法評(píng)價(jià)指標(biāo)

在信息論中，熵是對(duì)不確定性的一種度量。信息量越大，不確定性就越小，熵也就越小;信息量越小，不確定性越大，熵也越大。根據(jù)熵的特性，可以通過計(jì)算熵值來判斷一個(gè)事件的隨機(jī)性及無序程度，也可以用熵值來判斷某個(gè)因素的離散程度，因素的離散程度越大，該因素對(duì)綜合評(píng)價(jià)的影響（權(quán)重）越大。比如樣本數(shù)據(jù)在某因素下取值都相等，則該因素對(duì)總體評(píng)價(jià)的影響為0，權(quán)值為0。熵權(quán)法是一種客觀賦權(quán)法，因?yàn)樗鼉H依賴于數(shù)據(jù)本身的離散性。利用熵權(quán)法對(duì)影響因素賦權(quán)可以避免人為因素的影響，從而使評(píng)價(jià)結(jié)果更符合實(shí)際。通過對(duì)各因素熵值的計(jì)算，可以衡量出影響因素信息量的大小，從而確保所建立的影響因素整體能反映絕大部分的原始信息。文章中的原始信息為促銷活動(dòng)的交易數(shù)據(jù)，熵權(quán)法的結(jié)果可以直觀的展示促銷活動(dòng)數(shù)據(jù)包含的信息。本文通過八爪魚抓取到淘寶促銷前后店鋪的交易數(shù)據(jù)，根據(jù)促銷報(bào)告和實(shí)際研究選取評(píng)價(jià)因素為店鋪時(shí)長(zhǎng)、商品價(jià)格、促銷期間和非促銷期間交易變化、好評(píng)變化、收藏變化、差評(píng)變化、賣家信用并利用熵權(quán)法對(duì)其進(jìn)行數(shù)據(jù)分析，最后通過matlab計(jì)算得出各因素的權(quán)重值如表1所示。

熵權(quán)法的權(quán)重反應(yīng)的是每個(gè)影響因素對(duì)整體影響作用的大小，結(jié)果顯示，在整體影響因素中所占權(quán)重最大的是交易變化為0.2443，其次是差評(píng)變化，第三是商品價(jià)格變化，第四是店鋪時(shí)長(zhǎng)，第五是好評(píng)變化，第六是賣家信用，第七是收藏變化。

（四）基于灰色關(guān)聯(lián)分析的Dematel模型

灰色關(guān)聯(lián)分析是通過灰色關(guān)聯(lián)度來分析和確定系統(tǒng)因素間的影響程度，其代替?zhèn)鹘y(tǒng)的專家打分法通過數(shù)據(jù)分析和處理來確定因素間的相關(guān)性和影響程度。Dematel模型是一種用來篩選復(fù)雜的主要要素，簡(jiǎn)化系統(tǒng)結(jié)構(gòu)分析的過程而提出的方法論，這種方法是充分利用專家的經(jīng)驗(yàn)和知識(shí)來處理復(fù)雜的社會(huì)問題，尤其是對(duì)那些要素關(guān)系不確定的系統(tǒng)更為有效。文章用改進(jìn)的GRA-Dematel方法對(duì)相關(guān)數(shù)據(jù)分析和處理，用灰色關(guān)聯(lián)分析代替打分，從而排除人為因素的干擾以確定各因素的影響程度。本文利用matlab計(jì)算得出影響因素的影響度、被影響度，并根據(jù)影響度和被影響度得出中心度和原因度。中心度是影響度和被影響度的和，表明該因素在整體評(píng)價(jià)中所起作用的大小;原因度是影響度和被影響度之差，表示此因素對(duì)其它因素的影響程度。為了直觀展示分析結(jié)果，本文根據(jù)表2的中心度和原因度數(shù)值和表3繪制出各影響因素分析圖如圖2所示。

從中心度結(jié)果可以看出，在整個(gè)評(píng)價(jià)體系中對(duì)信用評(píng)價(jià)影響最大的因素是交易量變化，其次是差評(píng)變化以及商品價(jià)格和店鋪時(shí)長(zhǎng);從原因度可以看出A3、A5的原因度最低，說明收藏變化受其他因素的影響較大。A1的原因度較高，說明交易變化其他因素的影響較大。因此，只有綜合考察各影響因素，才能在一定程度上得到較公正的商家行為評(píng)價(jià)。

（五）結(jié)果分析

通過熵權(quán)法的權(quán)重和GRA-Dematel的中心度、原因度對(duì)比分析可以看出，在商家信用變化的影響因素中兩種方法得出的影響因素排序是相同的，最大的影響因素是商家促銷期間和非促銷期間的交易變化，其次是差評(píng)變化，店鋪時(shí)長(zhǎng)和商品價(jià)格。其中交易變化對(duì)其他因素的影響程度最大，收藏變化受其他因素的影響較大?，F(xiàn)有平臺(tái)的電子商務(wù)信用評(píng)價(jià)僅根據(jù)消費(fèi)者的好評(píng)和差評(píng)量進(jìn)行計(jì)量，這種方式在交易量巨大的情況下商家很容易獲取信用值的增長(zhǎng)，因此，平臺(tái)在對(duì)商家進(jìn)行信用評(píng)價(jià)時(shí)要考慮多方面因素，只有綜合評(píng)價(jià)才能得到相對(duì)公正的結(jié)果，這樣得出的商家信用才能正確地指導(dǎo)消費(fèi)者的購(gòu)買活動(dòng)。

結(jié)論

文章從商家促銷活動(dòng)出發(fā)，從促銷實(shí)際情況以及電商研究報(bào)告得出雖然現(xiàn)階段電商促銷活動(dòng)比較繁榮，但是通過消費(fèi)者投訴也可以看出電商促銷活動(dòng)中也存在嚴(yán)重的問題，這些問題的長(zhǎng)期存在不利于促銷活動(dòng)的健康發(fā)展。因此本文通過熵權(quán)法和GRA-Dematel方法對(duì)交易數(shù)據(jù)對(duì)比分析研究促銷影響因素的重要程度，結(jié)果表明商家交易活動(dòng)中影響因素較大的是交易變化和差評(píng)變化，因此商家在促銷活動(dòng)中要從差評(píng)因素出發(fā)，研究差評(píng)出現(xiàn)原因，并收集消費(fèi)者的建議，從促銷各個(gè)環(huán)節(jié)改進(jìn)，提高消費(fèi)者的購(gòu)買體驗(yàn)，從而減少差評(píng)，保證促銷活動(dòng)的發(fā)展;并且電商平臺(tái)在信用度量時(shí)也要考慮相關(guān)因素的影響，從而客觀的評(píng)價(jià)信用值。此外，文章在研究中還存在一些不足，首先，選取的電商促銷影響因素還不夠全面，在之后的研究中應(yīng)加以豐富;其次，本文的數(shù)據(jù)有局限性，后續(xù)要綜合連續(xù)幾年和多個(gè)平臺(tái)的促銷數(shù)據(jù)進(jìn)行研究。

參考文獻(xiàn)：

1.信用中國(guó).2017年“雙十一”網(wǎng)購(gòu)綜合信用評(píng)價(jià)報(bào)告.http：//www.creditsd.gov.cn/21.news.detail.dhtml？news_id=67515

2.張欣.淺析電子商務(wù)環(huán)境下促銷手段的創(chuàng)新[J].科技創(chuàng)新與應(yīng)用，2016（20）

3.孫鈺，董平軍.電商促銷活動(dòng)效應(yīng)分析-以聚劃算為例[J].品牌建設(shè)，2017（4）

4.林巧妍.小議“雙11”天貓品牌店鋪促銷策略[J].市場(chǎng)營(yíng)銷，2018

5.孫依婷.電商促銷策略對(duì)消費(fèi)者沖動(dòng)性購(gòu)買行為的影響機(jī)制——沖動(dòng)性購(gòu)買意愿的中介作用[J].黎明職業(yè)大學(xué)學(xué)報(bào)，2017（2）

6.謝琦，邵曉峰.電商大型促銷活動(dòng)下商品銷量的影響因素研究[J].上海管理科學(xué)，2018（3）

7.邱森暉.商場(chǎng)價(jià)格促銷對(duì)消費(fèi)者心理和行為的影響[J].商業(yè)流通，2018（17）

8.張瑞玉，劉健，左敏.BP神經(jīng)網(wǎng)絡(luò)的C2C電子商務(wù)信用評(píng)價(jià)模型的建立[J].探索研究，2015（2）

9.傅曉鋒.C2C電子商務(wù)網(wǎng)站的信用評(píng)價(jià)初探——以淘寶網(wǎng)為例[J].電子商務(wù)，2012（10）

10.金敏力，張晨.C2C電子商務(wù)信用評(píng)價(jià)體系改進(jìn)研究[J].電子商務(wù)，2012（5）

11.信用中國(guó).2016年“雙十一”網(wǎng)購(gòu)節(jié)綜合信用評(píng)價(jià)報(bào)告.http：//www.creditsd.gov.cn/21.news.detail.dhtml？news_id=67515

12.李若愚，王興芬.GRA-Dematel 在網(wǎng)絡(luò)零售商家信用評(píng)價(jià)影響因素分析中的應(yīng)用[J].商業(yè)經(jīng)濟(jì)研究，2017（22）