使用社交媒体营销电子商务 产品推荐和用户嵌入外文翻译资料

 2022-12-29 11:59:19

Ann Oper Res (2015) 233:263–279

DOI 10.1007/s10479-013-1443-z

使用社交媒体营销电子商务

产品推荐和用户嵌入

原文作者 Ying Liu·Hong Li·Geng Peng·Benfu Lv· Chong Zhang 单位 copy; Springer Science Business Media New York 2013

摘要：在线客户细分是客户关系的重要研究课题。培训管理。先前的文献主要研究了非购买者和购买者，缺乏对在线购买者的进一步细分。有在购买者群体中仍然存在明显的异质性。本文着重于Chi-基于大量真实交易数据的在线购买者细分淘宝网，我们首先提取并调查了中国在线购买者行为指标-并通过聚类分析将其分为六类，这六类是：经济CAL购买者，活跃明星购买者，直接购买者，高忠诚度购买者，规避风险购买者和信誉至上的购买者；然后我们建立了一个经验模型来估计每种类型的在线购买者对三种主流促销策略（dis-计数，广告和口碑），发现最经济的购买者是对折扣促销敏感；直接购买者对广告专业人士最敏感，运动; 活跃明星购买者对口碑促销最敏感；最后，讨论了在线购买者分类对营销策略的影响。关键字在线购买者细分聚类分析促销策略对促销策略的敏感性。

关键词：在线购买者；细分聚类分析；促销策略；对促销策略的敏感性。

1 Introduction

在世界范围内，在线客户细分吸引了企业和学术界的广泛关注。至于相关概念，在许多在线购物研究中（Kau等，2003； Bhatnagar和Ghose，2004），“客户”也可以称为“购​​物者”，他们可能具有一种或几种浏览产品的动机，例如寻找商品。信息，交流和购买某些产品等。就交易结果而言，购物者包括购买者和非购买者。

细分三个不同的类别（购物者，购买者和非购买者）有不同的目标。消费者的细分有利于目标包括谁购买者和潜在购买者（罗门哈斯斯瓦米，内森的顾客们的不同群体2004年），和分析的在线购买者和非购买者之间的行为特性的差异（洛斯等人。2000） ; 非购买者细分的目的是研究非购买者访问行为的模式和特征，并找出如何刺激他们做出购买决定并将其转变为购买者的方法（Moe 2003）。研究购买者细分的动机是为了更好地了解购买行为和购买决定的决定因素，并制定成功的营销策略以增强购买者的忠诚度和重复购买意愿（Wu and Chou 2011）。根据Kim和古普塔（的研究2009年），重复购买者五倍新购买更多的利润，和购买忠诚度是我们赖以生存和网上商店的成功是至关重要的（Chiu等2012）。因此，购买者细分在细分领域研究中非常重要。

然而，尽管在按购物者细分和非购买者购物者细分领域中有比较丰富的研究成果，但是相对缺乏研究在线购买者购物类型的研究，特别是对于中国的C2C电子商务市场，它缺乏在线购买者细分的系统研究。近年来，中国电子商务一直在飞速发展。淘宝网是中国最大的在线购物网站，现已成为世界上最大的购物网站，其交易账户远远超过eBay和亚马逊。截至2011年底，淘宝网的最大日交易额为4.38亿元人民币，甚至超过了北京和上海的日零售额之和。2012年11月11日双十一，淘宝网销售额突破191亿元。因此，中国的C2C电子商务市场中有大量活跃的在线购买者。

本文着重于中国在线购买者的细分以及不同类型的在线购买者对促销策略的敏感度。关于在线购买者的细分研究在几个原因上尤其值得引起更多关注：首先，购买者之间仍然存在显着的异质性。例如，一些购买者是目标导向的直接购买类型，他们非常专注并针对特定购买（Moe 2003），一些购买者是比较类型，一些是冲动类型购买者（Chen and Wang 2010）。其次，购买者细分研究对营销实践具有重要意义：不同类型的购买者在购买过程中表现出不同的行为特征，对促销策略的敏感性也不同。基于细分信息的目标营销计划可以显着提高回购的可能性。此外，由于文化差异，中国在线购买者的分类可能与美国在线市场的分类不同：根据麦肯锡有关中国在线市场的研究报告，中国在线购买者具有一些独特的功能，例如汉语。在线购买者对价格更为敏感，并且由于离线市场基础设施差等原因，在线交易的大部分是离线交易的替代。因此，有必要专门研究中国在线消费者的分类及其具体情况。对不同营销策略的敏感度的理解，体会。

购买者细分将帮助在线销售者了解不同购买者之间的行为差​​异，设计适当的促销计划，然后提高重复购买率和购买者忠诚度，并形成在线商店的核心竞争。

具体而言，本文基于淘宝平台上的300万购买者交易数据，构造了购买行为指标，并进行了聚类分析，对在线购买者进行了分类。然后，我们进一步研究了不同类型的购买者对促销策略的敏感性和适应性。

本文的内容如下：在Sect。2，我们提供有关文学的评论。在宗派。3，我们使用聚类分析基于淘宝上的交易数据对中国的在线购买者进行分类，发现有六种类型的在线购买者。第4 节分析了不同类型的在线购买者的敏感性及其对促销策略的影响。第五 部分总结了结论，并讨论了该研究的潜在扩展。

2 Literature review

根据在线市场细分的不同层次，现有文献可分为购物者细分，非购买者细分和购买者细分三个部分。这三个部分具有不同的经济意义和实际应用，后两个部分的研究使第一个部分深化。

在线购物者细分研究旨在针对包括购买者和潜在购买者的不同购物者群体，并分析在线购买者和非购买者之间的行为特征差异。先前的大多数研究主要根据人口统计或主观心理指标（例如人口统计学特征，消费者动机和态度等）对在线购物者进行分类，这些指标通常通过问卷调查进行衡量。Kau等。（2003年）对在线购物者进行了分类，并结合其人口统计信息和购物行为，聚类分析结果表明，在线购物者分为六类，分别是开关购物者，比较购物者，传统购物者，双重购物者，电子购物者。落后者和信息冲浪者。Rohm and Swaminathan（2004）根据网上购物的动机和倾向开发了一种客户类型，并将客户分为四种类型，分别标记为便利购物者，寻求多样化的商品，平衡的购买者和面向商店的购物者。Bhatnagar和Ghose（2004）根据人口统计和购买行为将潜伏类建模方法应用于细分电子购物者，并发现有很大一部分互联网冲浪者不喜欢在线购买，而以最低的商品价格却不会对于电子购物者来说似乎是非常重要的属性。Soopramanien和Robertson（2007）对购买者，浏览器和非互联网购物者之间的行为差​​异进行了经验分析。巴恩斯等。（2007年）选择了一些心理维度，例如信任度，感知风险，对在线购物的态度，购物愉悦度，购买意向作为细分的基础，并使用聚类分析将在线购物者分为三种类型，即通过使用从德国，美国和法国收集的1123个问卷调查数据，规避风险的怀疑论者，思想开放的在线购物者和保留的信息寻求者。

为了提高在线商店的购买转化率，一些研究集中于非购买者，调查他们的访问行为的模式和特征并将其分类。Moe（2003）根据购物者的基本目标，根据页面到页面的点击流数据，对在线商店访问的类型进行了经验检验，发现非购买者可以分类为浏览，搜索和知识构建。类型。具体来说，浏览器的注意力集中度大大降低，并且受到享乐体验的启发，搜索的目的是获取相关信息以帮助做出更好的选择，而知识的构建则是通过学习网站的运行或潜在地增加产品信息来实现的。将来有用。Song和Shepperd（2006）使用Web日志数据，采用了基于矢量分析和模糊集理论的算法来挖掘电子商务的浏览模式，并验证了所提算法的准确性和有效性。Ganesh等。（2010）对传统购物者和在线购物者之间的购物者群体进行了全面的比较，发现在线购物环境中共有三个购物者子群体，分别是电子窗口购物者，互动购物者和规避风险的购物者。电子窗口购物者被激发访问有趣的网站或只是上网的动机，交互式购物者在个性化服务和在线出价维度上得分最高，而规避风险的购物者则更加关注安全问题。

在线购买者细分是购物者类型学的进一步研究。购买者细分的目的是更好地了解购买行为和不同类型购买者决策的决定因素，然后设计有针对性的营销计划以提高重复购买率。Wu和Chou（2011）开发了一种软聚类方法，可以根据来自在线购物调查问卷中的购买数据对在线购买者进行分类，并发现了以下几个典型细分：第一类购买者是经常购物的消费者和在网上进行大量消费的消费者，第二类购买者对服务不满意并且花很少的钱，第三类购买者是不情愿的购物者，他们既不经常购物也不花钱，第四类购买者是有效率的购物者，他们不经常购物，但是当他们这样做，他们花费很多。根据Kukar-Kinney等人的研究。（2012年），可以将在线购买者分为强迫性购买者和非强迫性购买者。

3 据真实交易数据对在线购买者进行细分

3.1概念框架

以前的文献主要研究了一般购物者和非购买者的分类，而对电子商务网站的核心用户（购买者）的细分进行的研究相对较少。本文重点介绍了基于淘宝网大量真实交易数据的购买者细分及其在促销

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[273606]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章