葡萄酒網(wǎng)購消費者購買決策影響因素與客戶細分——基于在線評論數(shù)據(jù)

陳虹瑤，李淑琦，王春盈，徐紹榮

（中國農(nóng)業(yè)大學(xué)煙臺研究院，山東煙臺264670）

隨著國內(nèi)電商平臺的迅猛發(fā)展，“網(wǎng)購”已成為消費者購買商品的重要途徑。葡萄酒作為傳統(tǒng)酒水類產(chǎn)品，具有廣闊的在線消費者市場。據(jù)葡萄酒行業(yè)市場需求預(yù)測與投資分析報告顯示，當(dāng)前我國約有2.1億的葡萄酒網(wǎng)購消費者，已成為全世界覆蓋范圍最廣、成長速度最快的葡萄酒電子商務(wù)市場[1]。葡萄酒企業(yè)要想提升電商領(lǐng)域市場份額，必須充分了解消費者購買產(chǎn)品時看重的因素。因此，探究葡萄酒網(wǎng)購消費者購買決策的影響因素、進行客戶細分尤為重要。

當(dāng)前，關(guān)于葡萄酒消費者購買行為及客戶細分的研究成果較為豐富。購買行為方面，徐紹榮等[2]指出個人特征、感官評價、酒企品牌營銷等是影響消費行為的重要因素。Alamanos等[3]認為，消費者到葡萄酒生產(chǎn)國度假旅游可增加其對該國葡萄酒品種、產(chǎn)區(qū)和地區(qū)認證的感知認知，并促進日后產(chǎn)生購買行為。Thach等[4]分析了美國Z世代葡萄酒消費者的偏好，指出Z世代消費者更偏愛起泡酒、更重視產(chǎn)品標簽和包裝、更關(guān)注社交媒體平臺?？蛻艏毞址矫?，王亞賓等[5]利用在線平臺顧客數(shù)據(jù)，將葡萄酒消費者分為公務(wù)消費型、發(fā)燒友型、享受型、時髦消費型和年輕新飲型共5類。陶妍冰等[6]基于消費者對包裝的認可度視角，將消費群體劃分為訴求新穎性的男性群體、追求奢華感的年輕群體、追求包裝材料環(huán)保性的中老年群體、訴求包裝材料經(jīng)濟性的中產(chǎn)階級等4類群體。Govindasamy等[7]利用聚類分析對大西洋中部葡萄酒市場進行細分，將其分為批評者、愛好者、中立者和擁護者四類消費群體，指出企業(yè)應(yīng)該多關(guān)注愛好者和擁護者兩個細分市場，實現(xiàn)精準營銷。

綜上所述，現(xiàn)有研究大都通過問卷調(diào)研的形式獲取數(shù)據(jù)，但此方式存在很多局限性，包括樣本數(shù)量有限，結(jié)果受時間、環(huán)境、被調(diào)查者個人意愿制約，難以收集開放性回答等，導(dǎo)致調(diào)研人員無法準確了解被調(diào)查者的真實意愿。因此，文章利用數(shù)據(jù)爬取技術(shù)，采集5128條葡萄酒消費者在線評論，通過分詞處理將用戶評論轉(zhuǎn)化為定量數(shù)據(jù)，以期彌補此方面的研究空白,為相關(guān)企業(yè)決策提供借鑒。

1 數(shù)據(jù)采集與預(yù)處理

1.1 數(shù)據(jù)采集

當(dāng)前我國葡萄酒電商平臺眾多，京東商城、天貓是消費者主要的購買渠道，最高評論數(shù)逾100萬，為分析用戶在線評論提供了豐富的數(shù)據(jù)信息。利用“八爪魚數(shù)據(jù)采集器”[8]，將京東商城、天貓中的葡萄酒頻道作為統(tǒng)一資源定位符（URL），采集了消費者的在線評論數(shù)據(jù)，包括用戶昵稱、評論內(nèi)容、追評內(nèi)容、評論日期、該評論點贊數(shù)等信息。

由于在線評論每日更新速度較快，數(shù)據(jù)信息量較大，故將采集時間定為2020年12月1日至2021年2月28日，采集對象為平臺內(nèi)銷量較高的知名葡萄酒產(chǎn)品，共獲取在線評論數(shù)據(jù)5635條。將上述評論整合到Excel文件中，進行人工篩選以保障數(shù)據(jù)的有效性，篩選原則如下：刪除同一用戶完全重復(fù)的在線評論，避免重復(fù)計算；去除刻意褒揚或貶低該產(chǎn)品的評論；去除與該產(chǎn)品無關(guān)的評論；剔除有廣告嫌疑的評論等。經(jīng)人工篩選后，共獲得有效評論5128條，產(chǎn)品品牌及評論數(shù)如表1所示。

表1 評論數(shù)據(jù)構(gòu)成

1.2 數(shù)據(jù)預(yù)處理

利用中國科學(xué)院NLPIR漢語分詞系統(tǒng)，對上述有效評論進行分詞處理。該軟件功能包括中文分詞、詞性標注、情感分析等[9]。中文評論有較多對實際語義無幫助的連接詞，妨礙分詞結(jié)果分析，故通過人工篩選剔除此類詞語。同時，對意思相近詞語進行合并處理，使結(jié)果更為簡潔直觀。對分詞結(jié)果進行詞頻統(tǒng)計，共獲取高頻詞（詞頻≥30）265個，此類高頻詞多為描述消費者個人感受的名詞、形容詞等。詞頻越高，說明消費者對于該屬性越重視。

2 葡萄酒網(wǎng)購消費者購買決策影響因素識別與因子分析

2.1 影響因素識別

通過對詞義合并后的265個高頻詞進行概括總結(jié)，提取出21個影響購買決策的因素，各影響因素及其對應(yīng)的高頻詞示例如表2所示。

表2 影響因素識別及高頻詞示例

2.2 定量化編碼

為進行定量分析，對所獲取的每條評論進行定量化編碼。根據(jù)李克特5級量表，同時參考鄔超等[10]對于情感詞褒貶程度的劃分，將消費者對于各指標的感知分為非常滿意、較滿意、無感知、較不滿意、非常不滿意5種等級。由于用戶評論不可能涉及所有指標，故將該評論未提及的因素編碼設(shè)置為3，3正好處于5級量表中間位置，表示消費者對此因素?zé)o特殊感覺。編碼示例見表3。

表3 情感詞定量化編碼

2.3 因子分析

2.3.1 信度效度檢驗

原始數(shù)據(jù)共包含21個屬性指標，較為冗雜，不易將影響購買決策的因素進行明確分類，因此需要利用因子分析降維，以期獲取有價值的公因子?，F(xiàn)有研究表明，只有當(dāng)各變量之間存在相關(guān)性時，該題項才適合做因子分析[11]。因此運用SPSS21.0軟件進行KMO檢驗和球型Bartlett檢驗，檢驗結(jié)果見表4。由表4可知，KMO值為0.825＞0.8，其對應(yīng)的顯著性水平近似為0.000，量表的Cronbach's Alpha值為0.847，表明該組數(shù)據(jù)適合做因子分析。

表4 KMO和Bartlett的檢驗

2.3.2 提取主成分

通過主成分分析法，以特征值大于1為標準，從21個影響因素中提取出5個公因子（見表5）。高昉[11]指出，在社會科學(xué)領(lǐng)域,公因子的累計解釋比例達到60%，則表示共同因素具有可靠性。由表5可知，5個因子的方差貢獻率分別為25.945%、17.291%、12.849%、11.743%和8.772%，累計方差貢獻率為76.599%＞60%，說明這5個公因子對原數(shù)據(jù)解釋效果較好。

表5 總方差分解表

2.3.3 最大方差法旋轉(zhuǎn)

利用最大方差旋轉(zhuǎn)法得到上述因子的旋轉(zhuǎn)成分矩陣（見表6）。由表6可知：

表6 旋轉(zhuǎn)成分矩陣

第一個公因子在品質(zhì)、口感、品牌、營養(yǎng)、原料、產(chǎn)地上的因子載荷系數(shù)較大。由于此類指標均與葡萄酒質(zhì)量相關(guān)，可將其命名為產(chǎn)品質(zhì)量因子。通過比較上述因子載荷系數(shù)可知，在產(chǎn)品質(zhì)量層面，消費者最關(guān)注葡萄酒品質(zhì)，其次是口感和品牌，對營養(yǎng)、原料、產(chǎn)地的關(guān)注度相對較低。

第二個公因子在性價比、價格、活動、贈品上有較大載荷，均大于0.8，且上述因素均與產(chǎn)品價格有關(guān)，可將其命名為價值價格因子。其中，性價比是葡萄酒消費者最關(guān)注的因素，價格、活動次之，贈品對消費者購買決策影響最小。

第三個公因子在產(chǎn)品用途、配送費用、配送時間、包裝上因子載荷較高，且均與物流配送、包裝因素有關(guān)，可將其命名為包裝物流因子。消費者對于葡萄酒的使用場景最為看重，其次是配送費用及配送時間，對葡萄酒包裝關(guān)注最少。

第四個公因子在平臺信譽、商品描述、售后服務(wù)、客服服務(wù)上的因子載荷較大，且均與服務(wù)相關(guān)，可將其命名為信譽服務(wù)因子。電商平臺信譽對消費者購買決策影響最大，商品描述和售后服務(wù)次之，客服服務(wù)影響最小。

第五個公因子在身份象征、消費習(xí)慣、國貨情懷的因子載荷系數(shù)較大，且均與消費者個人認同相關(guān)，可將其命名為偏好認同因子。表明葡萄酒的身份象征功能對消費者購買影響最大，消費習(xí)慣次之，國貨情懷影響作用最小。

3 葡萄酒網(wǎng)購消費者客戶細分及特征描述

3.1 聚類分析步驟

為探究葡萄酒網(wǎng)購消費者的群體特征，以5個公因子得分為變量做聚類分析。由于數(shù)據(jù)量較大，不適于傳統(tǒng)的兩步聚類法，參考張洪[12]的研究，采用改進的兩步聚類法進行客戶細分。步驟如下：第一步，借助BIC準則求解最佳聚類中心個數(shù)；第二步，用K-means算法替換傳統(tǒng)的凝聚算法。這樣一方面有利于客觀地確定聚類中心個數(shù)，另一方面提高了數(shù)據(jù)處理速度。

3.2 客戶細分及特征描述

通過兩步聚類法，SPSS 21.0自動將消費者在線評論分成了4個類別，由圖1可知，聚類質(zhì)量較好。

圖1 兩步聚類法聚類質(zhì)量

利用K-means算法進行聚類，將初始聚類個數(shù)設(shè)定為4，最大迭代次數(shù)設(shè)置為25，所得各個聚類案例數(shù)和聚類中心分別見表7、表8。

表7 各聚類中的案例數(shù)

表8 最終聚類中心

由表8可知，依據(jù)購買葡萄酒時關(guān)注重點的不同，將消費者聚類為4類群體：

第一類消費者有1935個，占評論數(shù)的37.73%，該群體占市場份額最大。此類消費者比較重視葡萄酒的口感品質(zhì)、色澤、酒氣、原料及產(chǎn)地等因素。因此，將此類消費者命名為“追求品質(zhì)組”[13]。

第二類消費者有1144個，占評論數(shù)的22.31%，該消費群體占市場份額較大。此類消費者比較重視電商平臺的信譽質(zhì)量、客服服務(wù)及售后服務(wù)，對于葡萄酒本身的口感品質(zhì)等方面反而有所忽視。因此，將該類消費者命名為“服務(wù)偏好組”。

第三類消費者有590個，占評論數(shù)的11.51%，該群體占市場份額最小。此類消費者較關(guān)注包裝及配送時效，如包裝是否精美、快遞是否隔天達、酒瓶是否破碎等。因此，將該類消費者命名為“外觀物流組”。

第四類消費者有1459個，占評論數(shù)的28.45%，該群體占市場份額較大。此類消費者最重視價格優(yōu)勢，綜合權(quán)衡性價比后再作決策。因此，將該類消費者命名為“性價權(quán)衡組”。

4 結(jié)論

從京東、天貓采集了5128條葡萄酒產(chǎn)品在線評論數(shù)據(jù)，對其進行分詞處理，得到影響葡萄酒網(wǎng)購消費者購買決策的21個指標，利用因子分析提煉歸納出5個主因子?；谝蜃拥梅诌M行K-means聚類分析，將在線葡萄酒消費群體劃分為4個細分市場，其中追求品質(zhì)組所占市場份額最高，性價權(quán)衡組、服務(wù)偏好組占比次之，外觀物流組所占市場份額最小。

根據(jù)研究結(jié)果提出以下幾點建議。第一，提升口感與品質(zhì)。注重釀酒葡萄原料的選取，改進釀造工藝技術(shù)，提升產(chǎn)品色澤、香氣及營養(yǎng)價值，樹立良好的品牌形象。第二，加大促銷優(yōu)惠力度。利用雙十一、元旦、3.18、6.18等重要節(jié)日，刺激更多價格敏感型顧客進行消費[14]。第三，完善品牌信譽與服務(wù)保障。入駐知名電商平臺，利用平臺信譽優(yōu)勢贏得消費者信賴。加強客服培訓(xùn)，讓客服充分了解顧客訴求，通過專業(yè)、溫馨的服務(wù)提高消費者的購物體驗。完善售后退換保障機制，讓消費者放心消費。第四，加強物流配送體系建設(shè)。著力提升配送速度，推進實現(xiàn)“隔天達”物流服務(wù)。保障配送安全，避免出現(xiàn)瓶身破碎、包裝破損等現(xiàn)象[15]，提升消費者的滿意度及品牌忠誠度。