基于微商的客戶行為分析與興趣挖掘

王立霞，石雨琪

(吉林化工學院 經濟管理學院，吉林 吉林 132022)

微盟發布的《2015年第一季度中國微商行業報告》宣稱：截止2015年第1季度，微商行業從業人數已經達到1 007萬，市場規模達到960億元。可以說2005年標志著“微商時代”的正式到來。CuriosityChina宣稱：微信已覆蓋90%以上的智能手機，成為人們生活中不可或缺的日常使用工具，截止2015年第1季度末，微信每月活躍用戶已達到5.49億[1]。微信功能的不斷豐富完善，使得許多人在這樣一個基層廣泛群眾的移動社交平臺上，發現了新的商機。因此，從海量的用戶行為數據中有效地辨別出用戶的興趣，使得微商經銷商能夠有針對性地對消費者進行商品個性化推薦服務，以提高用戶的購物體驗及滿意度是微商經銷商的迫切愿望。

一、消費者購買行為分析的基本理論

消費者購買行為即消費者受營銷和環境的刺激產生需求直至最終作出購買決策的整個過程，主要受外部因素和個人因索的影響，即消費者購買行為是外部決定因素(T)和個人決定因素(P)的函數B=f(T,P)。其中外部決定因素包括:文化影響、社會影響和家庭影響，個人決定因素包括:生命周期階段、職業、經濟收人、生活方式、個性、自我觀念以及心理因素等,這些因素將綜合在一起對消費者購買行為產生作用[2]。

數據挖掘(Data Mining)又稱數據庫中的知識發現，是指從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的過程[3]。在此數據庫中的數據往往是大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據，數據挖掘就是要在這些數據中提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。

二、微商客戶購物行為分析

微商客戶購買行為一般指微商客戶從選擇商品到完成交易的過程中產生的各種行為數據。本文于2016年4月通過微信、QQ發放調查問卷“微商用戶的消費習慣調研”，調查并回收到147個有效的反饋調查，本文針對這147個微商客戶行為數據，對微商客戶的部分購物行為進行了統計分析。

(一) 微商客戶的基本信息調查統計

在所有調查對象中，男性大約占59.86%，女性占40.14%。在各個年齡分布中，19～25歲所占有的比例最大，為85.71%；其次是18歲及以下的客戶群體，為6.12%；再次是26～35歲和46歲以上的消費群體，分別是4.76%和3.4%；而36～45歲的群體所占比例為0。

圖1 調查對象年齡分布

該現象說明此次調查的反饋對象主要是年輕的群體，原因有二，其一，此次調查是基于本人的微信社交網絡，而該網絡中，年輕群體是主導；其二，微商是一個新型的購物模式，而年輕人對新興事物的出現，往往其接受程度是最高、最快的。足以表明此次問卷調查數據具有一定的代表性。

表1 調查對象基本屬性統計表

從學歷分布來看，大學本科占了大部分，為76.19%，其次是高中或中專技校，為10.2%，再次是初中或以下的，占8.16%，最后是大專和碩士或以上，分別為4.08%和1.36%。這與現實情況也比較符合。

從職業分布來看，大學生占據主導，為68.03%，其他各種職業都有涉及，清楚顯示了此次調查對象的職業分布范圍廣，代表性強。

綜上所述，此次基于社會網絡對微商客戶群的行為調查情況是符合實際情況的，所收集的調查數據有一定的代表性，充分表明本次問卷調查的科學性和有效性。

(二) 購物網站的選擇

隨著電商行業的逐漸發展，各類型的電商網站陸續興起。通過用戶網購時對各大門戶網站選擇的比較，可以對比出微商購物平臺的在用戶心中的地位。如圖2、圖3所示：

圖2 用戶網購的網站選擇

圖3 購物網站性價比

如圖2所示，在網購時，優先選擇使用淘寶網的用戶是最多的，占據總人數的72.79%；其次是天貓，占據63.95%；排名第三的是京東商城，占據44.9%；而微商平臺排名倒數第二，只有6.8%。如圖3所示，消費者認為性價比最高的是淘寶，其次是天貓，之后是京東，微商排到了第四位。

結合圖2、圖3，用戶選擇網購的網站前三排名與用戶認為性價比比較高的網站前三排名是相同的，由此可知，用戶之所以選擇某個網站進行購物，與用戶認為該網站商品的性價比高低是呈正相關的關系。因此，抓住微商用戶對商品性價比的高要求這一點，微商行業的發展離不開商品質量和價格的保證。

(三) 用戶關注的商品品類

1.消費者愿意購買的商品品類

商品按其用途，分為多種品類，類似服裝、鞋類，美容護膚類，母嬰用品類等。消費者針對不同品類的商品有不同的要求，比如說母嬰用品類，因為這類產品是給孕婦或者嬰兒用的，因此需要最大程度保證商品質量良好，然而網絡上的商品往往含有虛假的成分，因為看不到其實物，所以使得消費者沒有自信買到質量好的商品，因此購買這類產品時，消費者往往選擇線下購物模式。類似這種情況的出現，使得消費者在網購時，對不同類型的商品有不同的購物意向，反之，我們可以通過購物者對不同種類商品的購買情況來挖掘消費者的購物興趣。如圖4所示：

圖4 商品品類購買意向

由圖4所示，通過調查，消費者網購時，購買日用洗護、清潔用品，運動/戶外裝備，服飾鞋帽品類的人最多，分別占38.78%、35.37%、30.61%，人數均在30%以上。其次美容護膚類、食品類以及圖書音像類的產品也備受消費者關注，選擇人數均占25%左右。而選擇眼鏡，家訪布藝用品，母嬰用品，汽車用品類型的消費者排名最靠后，分別是2.04%、3.4%、4.76%、4.76%，均在4%左右。

出現以上情況可以表明，消費者在網購時，比較傾向選擇日用品，服飾鞋帽，化妝品，食品及圖書類等日常生活用得最頻繁，質量要求不必太嚴格的商品。而一些成本高的、日常使用不多但卻要求質量足夠好的商品，類似母嬰用品，眼鏡，家裝建材等則更傾向于線下購買。

2.關注的微商經營品類

微商雖說是一種新型的購物模式，與傳統電商有很大的區別，但是它們也有相同點。最顯著的就是消費者在購物時，都是看不到商品實物的，這就表明了微商與傳統電商之于消費者是有一定的相似性的。通過討論微商用戶在購物時更愿意購買的商品品類排名,也可以挖掘出微商用戶的購物興趣。如圖5所示：

圖5 微商用戶關注的微商品類排名情況

由圖5所示，可以清楚地了解微商用戶關注的商品品類排名情況。服裝類、鞋類，化妝品、護膚品代購兩種品種排名最靠前，均在4以上，說明消費者在微商購物時，對這兩種類型的商品最感興趣。其次是零食，生活類(書籍等),飾品等類型的商品，排名均在3左右。排名最末尾的是減肥、保健類，奢侈品類的產品，均在2以下。

以上情況表明，微商與傳統電商有一定的相似性，類似服裝、美容護膚等產品都是消費者熱衷的，但是也有一定的不同，微商經營的商品品類數量較之傳統電商相差甚遠，微商客戶選擇微商時，通常都是購買某幾類的商品，類似服裝、鞋類，化妝品代購，結合上文，可知微商用戶比較傾向購買質量好的特定種類的商品。

3.頻繁刷屏的微商商品品類

現在我們的微信朋友圈里充斥著各類產品的刷屏現象，或許很多人反感這種行為，然而即使反感，我們也會或多或少地了解一些，這就是為何明明知道微信好友反感這種信息，但是微商經銷商還是不遺余力地做這種事情，這是有一定道理的。同時這也在另一方面反映了消費者在微商購物時的購物興趣。如圖6所示：

圖6 頻繁刷屏的商品品類

由圖6所示，在調查對象的朋友圈里，刷屏最多的商品類型是化妝品、護膚品代購，占據80.95%，如此高的比例意味著在朋友圈里，化妝品、護膚品代購的廣告幾乎出現在了各個角落，想讓人忽視也難；其次是服裝類、鞋類，占53.74%；之后是減肥產品、保健類，零食類，在20%左右；再次是生活類，飾品，在11%左右；最后是奢侈品，只占到6.12%。

結合圖5、6可知，圖6的情況一定程度上反映了圖5，也就是商品的刷屏情況一定程度上反映了消費者的購買意向。化妝品、護膚品代購，服裝、鞋類，刷屏最多，購買的人也最多，而奢侈品，刷屏最少，購買的人也相應少了。因此，朋友圈的刷屏一定程度上對于消費者的購買行為是有一定影響的。

(四) 客戶購物消費比例

統計消費者的日常購物消費占收入的比例，可以了解消費者的消費能力和消費水平。網購占日常購物的比例可以看出消費者的購物模式比較傾向于線上還是線下。而從微商占網購的比例可以了解微商在消費者心中的地位。如圖7所示(其中縱坐標表示客戶消費比例情況的人數占總人數的比例)：

圖7 購物消費占收入的比例情況

圖8 網購占日常購物的消費比例

圖9 微商占日常購物的消費比例

如圖7所示，消費者的日常購物消費占收入的比例普遍是比較低的。超過40%的人日常購物消費都少于收入的10%，20%以下的人花費收入的10%～20%或是20%～40%，用收入的80%甚至是100%的人不足5%。

如圖8所示，網購占日常購物的比例在20%～40%的人數最多，占據24.49%；其次是少于10%和10%～20%，分別為23.81%和21.09%；占比超過60%的不到15%。說明網購占日常購物的消費比例還處于中偏低水平。

如圖9所示，沒有在微商購物過的人高達46.94%，超過45%；而且少于10%的人也高達27.89%，接近30%；超過10%比例的人全部不到30%。由此可以看出微商購物在消費者的網購中只占據很小的一部分。結合三圖可知，消費者在微商上的消費水平還屬于很低的水平，換言之，微商還有很大的客戶發展空間。

三、基于客戶行為數據的客戶興趣挖掘研究

(一) 客戶消費行為指標的抽取

1.數據的獲得與預處理

本文的數據來源是基于問卷星網站，通過設計調查問卷，利用本人的社會網絡發放并回收的。回收之后導出結果為147_147.sav文件，利用SPSS統計分析軟件進行常量定義、缺失值替換等處理后，再利用相關分析中的Pearson(皮爾遜)相關模型，消除冗余數據，抽取與微商購物滿意度高度相關的客戶消費行為指標。本文列出了部分預處理后的數據如圖10所示：

圖10 部分預處理后的數據

2.相關分析的 Pearson 相關模型

Pearson 相關模型要求X、Y變量都是成正態分布的隨機變量，即當X取某一定值時，Y的條件分布呈正態分布，而當Y取某一定值時，X的條件分布同樣也為正態分布。相關系數r定義[4]為

任何兩個變量X、Y，因存在抽樣誤差，因此其r值或大或小總是存在的，但其間是否存在確切的相互依賴關系，需要進行顯著性檢驗和實踐檢驗。進行顯著性檢驗的必要條件是，X、Y兩個變量分別符合正態分布。按照統計假設理論，原假設為總體相關系數ρ為0，即

H0:ρ=0

H1:ρ≠0

如果滿足H0的條件，就可構造統計量t

來檢驗相關系數的顯著性，其中n是抽樣單位的樣本容量，這個統計量師傅從具有n-2個自由度的t分布。當t絕對值大于臨界值tα/2時，即原假設H0:ρ=0被拒絕，說明X、Y兩變量有相關關系。一般認為，α=0.05 時，X、Y兩變量呈現顯著性相關關系，α=0.01 時，X、Y兩變量有高度相關顯著性相關關系。

3.微商客戶行為數據與購物滿意度的相關分析

利用Pearson相關模型對統計數據進行相關分析，抽取出與微商購物滿意度相關的購物行為，得出相關因素如下表：

表2 相關購物行為及其顯著性

如表2所示，α值均小于0.05，大于0.01，因此該表內的購物行為均與微商商品滿意度呈正相關或是負相關關系。其中“轉發減價促銷活動”與“認為微商信息傳播快，種類多，價格合理，回款快”的Pearson值均為負值，因此兩個購物行為與購物滿意度呈負相關關系。相反，其他購物行為因Pearson值均為正值，因此與購物滿意度呈正相關關系。

表3 高度相關購物行為及其顯著性

由表3所示，α值均小于0.01，因此該表內的購物行為均與微商商品滿意度呈高度顯著性正相關或負相關關系。其中“打折促銷方式”與購物滿意度呈高度顯著性負相關關系。其余的購物行為則為高度顯著性正相關關系。

綜合以上可知，總共有16個購物行為與消費者的微商購物滿意度相關。

(二) 基于客戶消費行為的客戶聚類

1.聚類分析

聚類分析(Cluster Analysis)是研究物以類聚問題的一種有效方法，它將一批樣本數據按照其性質上的相近程度，在沒有先驗知識的情況下客觀進行分類[5]。SPSS軟件中有五種分類分析方法，分別是兩步聚類，快速聚類，分層聚類，分類樹，判別分析。在這里我們采用快速聚類的方法對147個樣本進行分類。

快速聚類，基本思想是：首先按照一定方法選取一批凝聚點(聚心)，其次讓樣本向最近的聚心凝聚形成初始類，然后按最近距離原則修改不合理的類，直到合理為止[6]。

2.基于16個相關購物行為指標的客戶聚類

用SPSS完成快速聚類，得出聚類分析結果的最終類中心點和快速聚類最終結果。如表4所示：

表4 最終聚類中心

表5 快速聚類最終結果

表6 ANOVA

續表

由表5可知，所有消費者被分為兩類。第一類占樣本總數的71%，第二類占樣本數的29%。由5所示，將統計量F的概率值Sig.與α的臨界值0.05進行對比，當Sig.<α(=0.05),則拒絕原假設H0，表明均值之間的差異顯著，相對應的因素對觀察值有顯著影響；相反，當 Sig.>α(=0.05)，表明相對應的因素對觀察值沒有顯著影響。因此，在表6中，X1、X3、X10、X14這四個指標的概率值均大于0.05，表明這幾個購物行為對客戶分類沒有顯著影響，在這里，我們將這四個指標忽略不計。表4顯示了最終的2個類中心位置，距離類中心位置相同的也忽略不計，即忽略X1、X3、X4、X6、X10、X11、X14。最終剩下的購物行為指標為 X2、X5、X7、X8、X9、X12、X13、X15、X16。

(三) 基于客戶消費行為分析的客戶興趣挖掘的實現

對于消費者的客戶群體分類列舉了部分如表7。

結合表7，綜合總結可知，第一類客戶占比較大，主要表現為：①對微商刷屏行為持消極的態度，②網購占日常購物的消費比例比較高，③經常主動尋找剛上市的新品信息，④同樣的產品，更愿意多花錢尋求更好的服務，⑤購買旅行服務類的產品時，也更愿意尋找服務更好的提供商，⑥查看商品推送時間不局限于某個時刻，⑦商品分享不主動，⑧沒有選擇微商的傳播速度快、種類多、價格合理、回款快這個優勢，⑨對微商的發展前景也報比較消極的態度[7]。第二類客戶的表現則為第一類客戶的相反。由此可知，第一類客戶是一類熱衷網購的人，且要求在網購時有更好的服務，但是對微商的現狀及未來不太看好，我們可以將這一類看成是微商的潛在客戶，如此看來微商的潛在客戶群是巨大的。相反，第二類客戶對微商的態度就比較積極了，這類客戶群比較看好微商的發展前景，我們可以將這類客戶群看成是微商的現有客戶，然而，根據現有客戶群的占比(29%)來看，這類客戶群還只占消費群體的0.3[8]。

表7 聚類成員

綜上可知，微商還有很大的發展空間，有足夠大的潛在客戶群體可以挖掘，但是在針對這些潛在客戶群體的開發過程中，應注意商品的質量、服務以及合適的宣傳方式。

[1] 陽德青.面向社會網絡的用戶行為挖掘與應用研究[D].上海：復旦大學,2013.

[2] 彭薇,鄧德勝.聚類分析在消費者購買行為中的應用[J].中國集體經濟,2009(1):90-9.

[3] 鄭曉宇.基于用戶興趣挖掘的個性化信息推送服務[J].情報探索,2011(10):33-36.

[4] 高峰.基于興趣分類的用戶行為分析系統的研究[D].濟南：山東大學,2010.

[5] 李嬌.基于數據挖掘的客戶購買行為分析系統研究[J].時代金融,2015(2):320-321.

[6] 張金魁.基于客戶消費行為分析的客戶特征提取研究[D].武漢：武漢理工大學,2012.

[7] 吳禮旺.基于客戶行為分析的電子商務潛在客戶挖掘研究[D].武漢：武漢理工大學,2014.

[8] Jiawei Han,Micheline Kamber,Jian Pei.數據挖掘概念與技術[M].北京：機械工業出版社,2012.