基于跨境電商搜索數據的消費者分類研究

吳軼倫

內容摘要：本文選取速賣通跨境電商平臺的婚紗禮服行業搜索數據，將平臺中店家數量、消費者搜索數據與購買產生的數據與消費者行為相關聯。通過數據的相關分析、回歸分析和聚類分析，進行消費者搜索行為、比較行為和購買行為的關系研究，以分析消費者的類別，并針對各類消費者采取一定的策略。

關鍵詞：跨境電商 搜索數據 消費者行為

跨境電商消費者行為路徑及數據產生

在消費者購買行為路徑中可以發現四個主要的消費者行為，分別為搜索行為、瀏覽行為、比較行為和購買行為。同時，這四個行為會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用戶搜索某一關鍵詞A一次，然后搜索出來的關鍵詞A對應的產品數量為寶貝數量B，用戶比較搜索出來的各個產品決定是否點擊進入詳情頁，系統同時記錄該用戶是否點擊了搜索出來的結果，同時用戶搜索關鍵詞A是否產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據。經過成千上萬人次的搜索、點擊和購買生成了各種指標，后臺根據每一個被搜到的關鍵字統計出該關鍵字對應的搜索人次生成搜索人氣指標：根據搜索頻次生成搜索指數指標；根據該關鍵字對應的點擊人次生成點擊人數指標；根據對應關鍵字的購買次數生成支付人數指標；根據每次關鍵詞搜索出的寶貝數量經后臺運算后計算出競爭指數指標。消費者行為與搜索數據對應關系如圖1所示。

綜上所述，跨境電商平臺用戶的搜索行為產生搜索人氣和搜索指數，用戶比較行為與競爭指數和點擊人數有關，購買行為產生支付人數。因此通過指標之間的關系研究可以推斷出跨境電商消費者的行為之間的關系。

跨境電商數據來源及整理

速賣通跨境電商平臺時刻記錄消費者行為數據，每日計算行為相應指標，并在平臺設立的數據縱橫板塊中發布，供平臺賣家查看、下載及分析。數據縱橫中有三個欄目，分別為行業情報、搜索詞分析和選品專家，其中搜索詞分析是基于關鍵詞統計每個關鍵詞對應的消費者行為數據，平臺能夠下載出近30天的匯總數據。因此，本文基于數據縱橫中搜索詞分析欄目中2016年4月至7月四個月的月度數據，分析各個行為數據指標之間的關系。

每月月初下載搜索詞分析欄目下婚紗品類近30天的搜索數據，并將5個月的數據匯總。同時，假設關鍵詞對應的各個指標均不為0時，該關鍵詞為保留完整用戶行為的優質關鍵詞。下文的分析均基于優質關鍵詞進行跨境消費者行為數據的分析，因此剔除指標值中存在0的全部關鍵詞及其數據，最終保留優質關鍵詞114個。

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搜索數據（即速賣通的“數據縱橫”），將平臺中店家數量或寶貝數量、搜索數和成交量等平臺參數，與消費者搜索行為、比較行為與購買行為相關聯。通過數據的相關分析、回歸分析和聚類分析，進行婚紗禮服消費者搜索行為、瀏覽行為、比較行為和購買行為的關系研究。并通過四組數據的聚類分析，將消費者行為進行分類，挖掘出平臺中最應該關注的一類消費者，并針對這類消費者采取必要的措施，達到獲得顧客的目的。

跨境電商搜索數據分析結果

（一）相關分析

本文對所有變量進行兩兩組合的雙變量相關分析（見表1），以Pearson系數和顯著性水平兩個指標判斷其是否存在線性相關關系，相關關系是否顯著。從幾個變量中看出消費者行為之間是否有關聯，在各個行為中選擇代表性較好的變量指標進行進一步的回歸分析。Pearson相關系數的絕對值越大，相關性越強；相關系數越接近于1或-1，相關度越強，相關系數越接近于0，相關度越弱。相關系數 0.8-1.0 極強相關，0.2-0.4 弱相關，0.0-0.2 極弱相關或無相關。

從相關性的分析結果中不難看出，表示消費者搜索行為的兩個指標搜索人氣和搜索指數，與表示消費者點擊行為的點擊人數，再與表示購買行為的支付人數兩兩之間都存在較強的相關性，說明各個行為之間都存在著關聯關系。同時點擊率和支付轉化率與大部分指標之間的相關性極弱，點擊率和搜索人氣之間呈現極強的相關性，支付轉化率則與競爭指數存在極強的線性相關性。競爭指數也與大部分變量呈現出較弱的線性關系。因此表示搜索行為的搜索人氣和搜索指數中選擇搜索指數，表示點擊行為的指標選擇點擊人數，表示購買行為指標選擇支付人數，同時表示比較行為的競爭指數不參與回歸分析。

（二）回歸分析

根據上述相關性分析結果，點擊人數和搜索指數兩個變量之間存在明顯的線性關系，在兩個變量之間建立一元線性回歸方程，先出現的行為數據做自變量，后出現的行為數據做因變量。根據Pearson相關性系數，確定點擊人數與支付人數有較強的相關性，支付轉化率則與競爭指數也存在極強的線性相關性。

然而針對兩對有相關性的變量的散點圖（見圖2）進行回歸分析發現搜索指數與點擊人數呈現極其明顯的線性回歸關系，而點擊人數與支付人數直接呈現多項式曲線回歸關系，支付轉化率和競爭指數的散點圖離散度較大不進行回歸分析。因此，以點擊人數為因變量、搜索指數為自變量可以建立一個一元一次回歸函數；同時以支付人數為因變量、以點擊人數為自變量可以建立一個一元三次回歸方程。

（三）聚類分析

選取代表搜索行為的搜索指數、代表瀏覽行為的點擊人氣、代表比較行為的競爭指數和代表支付行為的支付人數這四個指標進行K-均值聚類分析。首先通過系統聚類分析所得的樹狀圖，推斷可以將數據分為三至五類。然后分別將原始數據利用K-均值聚類分析分為三類、四類和五類。再以四個指標為自變量，以分類生產的類別變量為因變量，進行單因素方差檢驗，得到將四個指標分為三類的結果最有效。

三類的K-均值聚類分析最終聚類中心表如表2所示，表2中給出每個聚類出的類對應各個指標的中心值，以及每一類中包含的個案的數量。單因素方差檢驗結果如表3所示，通過顯著性這一列可以看出，除了競爭指數這個指標，其它指標都達到了顯著的水平。

消費者行為特征分析及啟示

（一）消費者行為特征分析

通過消費者行為數據的相關性分析和回歸分析可知，消費者的搜索行為、瀏覽行為、比較行為和購買行為之間存在著較強的相關關系。由于搜索指數和點擊人氣兩個指標線性關系極其顯著，且兩個數值呈正向關系，聚類結果中兩個指數也呈正向關系，即點擊行為發生的次數隨著搜索行為發生的次數的升高而升高，說明消費者搜索得越多，瀏覽的可能性越大。消費者的關鍵詞搜索與網頁瀏覽通常能夠產生購買行為，消費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，產生購買行為的可能性越大。消費者瀏覽次數處于較低水平時，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者普遍不會購買平臺產品，但是瀏覽行為與購買行為是正向的關系。瀏覽的次數稍稍升高到中等水平時，瀏覽與購買的正向關系極弱；搜索和瀏覽次數再變多時，消費者能夠產生大量的購買。

（二）基于消費者行為聚類結果的用戶分類

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

過客是平臺上數量最多的一類消費者，商家應該優化平臺上的產品，注意產品不要落入同質產品的俗套。目標明確的消費者和搜索瀏覽導向型消費者是能夠產生購買的人群，是商家應該著重研究的消費者，也就是說在產品描述中一定要同時含有大眾品類詞匯，讓搜索瀏覽導向型消費者能夠搜索并瀏覽到，同時要有定向的詞匯結合個性設計的產品和描述來被第一類消費者檢索到，從而產生購買。

參考文獻：

1.王萍.基于數據挖掘技術的消費者行為研究[D].吉林大學，2004

2.劉枚蓮.電子商務環境下的消費者行為研究[D].華中科技大學，2005

3.馮明，劉淳.基于互聯網搜索量的先導景氣指數、需求預測及消費者購前調研行為—以汽車行業為例[J].營銷科學學報，2013（3）

4.樊國虎.網絡搜索數據與消費者信心指數的相關性研究[D].吉林大學，2014

5.張文君，王軍，徐山川.電商用戶需求狀態的聚類分析—以淘寶網女裝為例[J].現代圖書情報技術，2015（3）

6.洪成一，樸宰秀，黃春華.互聯網信息搜索意圖對消費者行為的影響分析[J].國際商務（對外經濟貿易大學學報），2003（6）

7.張國發，邵樹琴.淘寶搜索指數與成交指數的協整分析—以羽絨服為例[J].現代經濟信息，2014（3）