基于在線數據的電商促銷影響因素分析

趙兵兵 王興芬

內容摘要：本文在分析電商平臺信用評價模型的基礎上，結合現有促銷問題的實證研究，通過八爪魚、excel等工具收集和整理淘寶平臺促銷期間和非促銷期間的交易數據，并從商家基本信息和交易信息兩個方面獲取商家信用影響因素，利用熵權法和GRA-Dematel模型并結合matlab軟件對各因素的影響程度進行量化，最后從計算結果對各因素的重要程度進行排序，以此為商家的促銷活動做出指導。同時文章還指出平臺在進行信用評價時還要考慮商品價格和店鋪時長等因素，這有利于改進電子商務促銷活動現狀，使其健康發展。

關鍵詞：電子商務? ?促銷? ?熵權法? ?GRA-Dematel

中圖分類號：F713? ?文獻標識碼：A

近年來，電子商務發展迅速。2009年淘寶為提高銷量舉行了“雙十一”促銷活動，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，其占全年交易額的比重也逐年上升。但在網絡促銷背景下，消費者的相關投訴也越來越多，其暴露的問題包含了商品質量、售后服務、物流運輸等各個方面，這嚴重制約了電子商務促銷活動的健康發展。“雙十一”網購節綜合信用評價報告指出：2015年52.99%的電商促銷商品出現先提價后降價問題;2016年有62%的電商促銷商品被消費者投訴促銷不實;2017年促銷電商商品價格先漲后降現象依然普遍。2017年的“315”報告中指出電商投訴案件增長為48.02%，創下了歷史新高。這種現象的出現與“雙十一”、“黑五”等電子商務促銷活動關系密切。除此之外，刷單、刷好評率、貨不符實等問題也嚴重影響了促銷活動的發展，這些問題亟待解決。

研究現狀

針對電商促銷活動，各界學者紛紛做出研究。張欣（2016）認為影響電子商務促銷的因素有促銷內容的渲染力、產品和服務的質量、促銷的公開性等，其提出進行促銷活動時要注意產品與服務的質量以及構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據對促銷活動的短期效應進行分析，認為促銷活動會引起促銷時期和非促銷時期商品交易量的巨大差額，商家在進行促銷活動時要考慮巨大的交易差對店鋪的長期效應;林巧妍（2018）通過分析“雙十一”發展原因，得出“雙十一”的促銷策略包括廣告營銷、優惠券促銷、嘗鮮預售和提前透漏促銷價格、饑餓營銷等，但是也指出了促銷活動存在商家不誠信行為，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-機體-反應”的模型研究促銷策略對消費者沖動性購買的作用，利用分層回歸得出價格折扣、時間壓力和銷售氛圍等因素對消費者沖動型購買有顯著影響;謝琦（2018）從“雙十一”銷售數據入手，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、價格、銷量及差評等會影響商品銷量;邱森暉（2018）在文章中指出，商場價格促銷對消費者購買意愿有較大影響，因此商家要通過對不同類型消費人群分析制定營銷策略，從而提高促銷效果。而針對電子商務信用評價指標體系，各學者也紛紛提出自己的意見。張瑞玉（2015）從店鋪時長、收藏量等因素探究其對商家信用變化的影響，從店鋪信息、商品、賣家服務等方面建立C2C電商信用評價體系，利用matlab計算得出信用值，從而客觀而準確的反應商家的信用變化;傅曉鋒（2012）認為現有的信用評價模型存在嚴重漏洞，不僅要改變現有的評價規則，還應該考慮交易金額和買家好評等因素對信用變化影響;金敏力（2012）在研究中指出，現有的評價體系中商品的信用評價沒有考慮到店鋪時長與商品價格對評價的影響，從而導致了部分商家利用這些漏洞進行不誠信行為。通過電商促銷現狀調查研究顯示，現有的信用評價模型在大型促銷時存在以下問題：一，促銷活動的降價政策不利于消費者正確認識商家的真實信用水平;二，現有評分機制難以保證其評價的真實性;三，電商促銷活動依賴于線上網絡平臺，消費者所掌握的信息均由商家提供，這造成了信息不對稱。文章在此背景下提出，目的是通過分析大型促銷活動期間商家的促銷行為，找出影響商家信用評價的因素，并利用數據分析工具對商家交易信息進行研究分析，找出影響信用評價的重要因素，以期為電子商務促銷活動做出指導。本文利用在促銷活動前后獲取的電商網站交易數據，通過matlab等工具對其進行數據處理和數據分析，同時在文獻閱讀和實例分析的基礎上加入店鋪基本信息和店鋪交易信息等影響因素，最后利用熵權法和GRA-Dematel方法對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者購買提供數據支持。

促銷期間信用影響因素分析

（一）數據收集

根據《2016年“雙十一”網購節綜合信用評價報告》顯示，消費者對服裝類商品的偏好占43%，穩居第一。并且在消費者投訴中，“雙十一”促銷活動中消費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情況鏈接，之后根據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據，最后導出數據將其儲存在excel表中。本次研究文章通過八爪魚收集到淘寶“618”服裝類商品促銷數據近兩千條，商品詳情頁采集的情況包括商品地址鏈接、商品價格、交易成功數、店鋪名稱、收藏數、商品好評、商品名稱、店鋪時長和賣家信用，其中商品交易數據均以月為時間單位。本文在促銷結束后，利用商品地址鏈接重新收集非促銷期間的商品詳情頁數據作為比較數據，數據收集完成后計算其促銷前后的店鋪數據以及交易數據的對比值，其包括促銷時期和非促銷時期的交易差、好評差以及收藏差。

（二）評價指標

由于促銷期間的優惠活動會促使消費者加大購買力度，店鋪的一系列交易數據將產生較大變化，故本文將店鋪交易信息的變化作為促銷期間評價指標以反映促銷期間店鋪真實信用。基于金敏力和孫鈺的研究，結合電子商務促銷交易流程研究，本文選取以下幾個因素分析研究：一，店鋪基本信息。其包括店鋪信用與注冊時長。注冊時間短的店鋪為了達到與其他店鋪相同的信賴度，有更大的可能會依靠雙十一活動獲得銷售量和信用的提升。注冊時長以店鋪注冊之日到數據收集時刻;二，店鋪交易信息。其包括商品價格、店鋪交易量變化、店鋪收藏量變化、商品好評量變化、商品差評量變化。店鋪交易數據的變化均為促銷前一個月的交易數據和促銷后一個月的交易數據的對比。促銷活動的優惠可帶來大量的交易量，通過店鋪收藏數據和交易量可以判斷商品的受歡迎程度，而好評的多少則反映消費者的售后體驗。由于促銷活動的交易量巨大，本文選用促銷時期和非促銷時期的交易量數據變化等作為因素研究，這一方面能夠降低數據過大帶來的處理難度，另一方面通過交易量變化可以展現促銷帶來的巨大效益。

（三）熵權法評價指標

在信息論中，熵是對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。根據熵的特性，可以通過計算熵值來判斷一個事件的隨機性及無序程度，也可以用熵值來判斷某個因素的離散程度，因素的離散程度越大，該因素對綜合評價的影響（權重）越大。比如樣本數據在某因素下取值都相等，則該因素對總體評價的影響為0，權值為0。熵權法是一種客觀賦權法，因為它僅依賴于數據本身的離散性。利用熵權法對影響因素賦權可以避免人為因素的影響，從而使評價結果更符合實際。通過對各因素熵值的計算，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的交易數據，熵權法的結果可以直觀的展示促銷活動數據包含的信息。本文通過八爪魚抓取到淘寶促銷前后店鋪的交易數據，根據促銷報告和實際研究選取評價因素為店鋪時長、商品價格、促銷期間和非促銷期間交易變化、好評變化、收藏變化、差評變化、賣家信用并利用熵權法對其進行數據分析，最后通過matlab計算得出各因素的權重值如表1所示。

熵權法的權重反應的是每個影響因素對整體影響作用的大小，結果顯示，在整體影響因素中所占權重最大的是交易變化為0.2443，其次是差評變化，第三是商品價格變化，第四是店鋪時長，第五是好評變化，第六是賣家信用，第七是收藏變化。

（四）基于灰色關聯分析的Dematel模型

灰色關聯分析是通過灰色關聯度來分析和確定系統因素間的影響程度，其代替傳統的專家打分法通過數據分析和處理來確定因素間的相關性和影響程度。Dematel模型是一種用來篩選復雜的主要要素，簡化系統結構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驗和知識來處理復雜的社會問題，尤其是對那些要素關系不確定的系統更為有效。文章用改進的GRA-Dematel方法對相關數據分析和處理，用灰色關聯分析代替打分，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計算得出影響因素的影響度、被影響度，并根據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價中所起作用的大小;原因度是影響度和被影響度之差，表示此因素對其它因素的影響程度。為了直觀展示分析結果，本文根據表2的中心度和原因度數值和表3繪制出各影響因素分析圖如圖2所示。

從中心度結果可以看出，在整個評價體系中對信用評價影響最大的因素是交易量變化，其次是差評變化以及商品價格和店鋪時長;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價。

（五）結果分析

通過熵權法的權重和GRA-Dematel的中心度、原因度對比分析可以看出，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，其次是差評變化，店鋪時長和商品價格。其中交易變化對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。現有平臺的電子商務信用評價僅根據消費者的好評和差評量進行計量，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，因此，平臺在對商家進行信用評價時要考慮多方面因素，只有綜合評價才能得到相對公正的結果，這樣得出的商家信用才能正確地指導消費者的購買活動。

結論

文章從商家促銷活動出發，從促銷實際情況以及電商研究報告得出雖然現階段電商促銷活動比較繁榮，但是通過消費者投訴也可以看出電商促銷活動中也存在嚴重的問題，這些問題的長期存在不利于促銷活動的健康發展。因此本文通過熵權法和GRA-Dematel方法對交易數據對比分析研究促銷影響因素的重要程度，結果表明商家交易活動中影響因素較大的是交易變化和差評變化，因此商家在促銷活動中要從差評因素出發，研究差評出現原因，并收集消費者的建議，從促銷各個環節改進，提高消費者的購買體驗，從而減少差評，保證促銷活動的發展;并且電商平臺在信用度量時也要考慮相關因素的影響，從而客觀的評價信用值。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，在之后的研究中應加以豐富;其次，本文的數據有局限性，后續要綜合連續幾年和多個平臺的促銷數據進行研究。

參考文獻：

1.信用中國.2017年“雙十一”網購綜合信用評價報告.http：//www.creditsd.gov.cn/21.news.detail.dhtml？news_id=67515

2.張欣.淺析電子商務環境下促銷手段的創新[J].科技創新與應用，2016（20）

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

4.林巧妍.小議“雙11”天貓品牌店鋪促銷策略[J].市場營銷，2018

5.孫依婷.電商促銷策略對消費者沖動性購買行為的影響機制——沖動性購買意愿的中介作用[J].黎明職業大學學報，2017（2）

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

7.邱森暉.商場價格促銷對消費者心理和行為的影響[J].商業流通，2018（17）

8.張瑞玉，劉健，左敏.BP神經網絡的C2C電子商務信用評價模型的建立[J].探索研究，2015（2）

9.傅曉鋒.C2C電子商務網站的信用評價初探——以淘寶網為例[J].電子商務，2012（10）

10.金敏力，張晨.C2C電子商務信用評價體系改進研究[J].電子商務，2012（5）

11.信用中國.2016年“雙十一”網購節綜合信用評價報告.http：//www.creditsd.gov.cn/21.news.detail.dhtml？news_id=67515

12.李若愚，王興芬.GRA-Dematel 在網絡零售商家信用評價影響因素分析中的應用[J].商業經濟研究，2017（22）