基于百度指数的B2C电子商务网站规划研究Word格式文档下载.docx
- 文档编号:21287188
- 上传时间:2023-01-29
- 格式:DOCX
- 页数:18
- 大小:388.10KB
基于百度指数的B2C电子商务网站规划研究Word格式文档下载.docx
《基于百度指数的B2C电子商务网站规划研究Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《基于百度指数的B2C电子商务网站规划研究Word格式文档下载.docx(18页珍藏版)》请在冰豆网上搜索。
在此基础上,本文以我国最大的搜索引擎XX的搜索指数为数据基础,通过对相关关键词的分析,有针对性地进行B2C电子商务网站的规划研究,从而减少对网站次要维度的投入,加大对重点领域的投资,以便能更好地提高网站质量,加强用户体验,从而吸引更多的用户群体,使B2C网站在电子商务行业中形成一定的竞争优势。
(二)XX指数作为工具的可行性
CNNIC的第39次《报告》中提到,截止2016年12月,我国搜索引擎的用户规模达到了6.02亿,使用率为82.4%,增长率为6.4%。
而在CNNIC的2015年中国网民搜索行为调查报告中指出,截止2015年12月,搜索引擎用户中,XX搜索的渗透率为93.1%,手机端XX搜索的渗透率为87.5%,PC端为92.4%。
由此可以判断,XX作为全球最大的中文搜索引擎,其用户数据覆盖范围之广。
XX指数是XX2006年推出并逐渐完善的,以XX海量网民行为数据为基础的数据分享平台。
它提供趋势研究、需求图谱、舆情洞察、人群画像的功能,其中搜索指数是以网民在XX的搜索量为数据基础,以关键词为统计对象,科学分析并计算出各个关键词在XX网页搜索中搜索频次的加权和,可以间接看作是网民关注度。
通过XX指数还可以发现、共享和挖掘互联网上最有价值的信息和资讯,直接和客观地反映社会热点、网民的兴趣和需求。
此外,在国内也有采用XX指数进行研究的先例,如文献[4]研究了网络关注度对P2P平台成交量的影响以及文献[5]研究了基于XX指数的网络热词关注度分析,均利用了XX指数进行研究,但是却很少有利用XX指数研究B2C电子商务网站规划的文献。
而文献[1]研究了电子商务网站规划的重要性以及电子商务网站的类型、首页、内容、功能、信息结构等的规划,却并没有数据上的支持。
综上利用XX指数来规划研究B2C电子商务网站是很有意义的。
二、数据选取
(一)产品类别的选取
首先,根据CNNIC最近一次即2016年6月发布的2015年中国网络购物市场研究报告中,针对消费者的消费特征,统计调查了2013年至2015年网络购物用户购买商品品类分布,其中2015年商品品类排行前五的依次是服装鞋帽、日用百货、书籍音像制品、电脑、通讯数码产品及配件以及家用电器。
另外,2015年手机网络购物用户购买商品品类分布前五依次为日用百货、服装鞋帽、电脑和通讯数码产品及配件、食品和保健品、家用电器。
中国电子商务研究中心2016年11月份发布的《2016年中国消费者网络消费洞察报告与网购指南》中显示服饰在网络消费者中最受欢迎,占比39.3%;
其后四个排名依次是占比26.9%的家居用品、占比22.2%个护美妆、占比16.1%的母婴产品以及占比12.9%的其他品类。
将以上综合整理可以得出表1。
表12014-2016年用户网购品类前五名分布
排名
2014年排名前五品类
2015年排名前五品类
2016年排名前五品类
1
服装鞋帽
服饰
2
电脑、通讯数码产品及配件
日用百货
家居用品
3
书籍音像制品
个护美妆
4
充值卡、游戏点卡等虚拟卡
母婴产品
5
家用电器
其他
从表1中可以发现从2014年至2016年这三年间服装鞋帽类始终占领着领先的地位,是消费者最爱购买的商品品类,稳居网购第一大品类。
所以,本文将以服装类产品为代表进行相关研究。
(二)关键词的选取
关于关键词的选取,首先应该针对产品和用户群体进行定位,只有这样,才能增加网站被检索的机会以及产品的转化率,否则就会因为信息不对称,即使用户进入了网站也不会对产品产生兴趣或者购买欲。
所以,对于关键词的选取要站在用户的角度想会怎么搜,若是用户关键词搜索的宽泛,那么,其目的性不会太强,自然产品转化率就不高。
所以关键词尤其是主关键词可以选取一些具体的词汇。
另外,关键词选取的方法有技术取词法、直接取词法和范围取词法。
不过由于研究条件的制约,技术性强工作量大的技术取词法很难实现。
直接取词法是指根据经验直接进行取词,而范围取词则是确定一个词的范围,再在这个范围内精选。
服装类按照性别分,可以分成女装、男装、中性服装。
其中根据XX指数搜索关键词女装、男装、中性服装得到的搜索指数趋势图(见图1),显示了互联网用户从2011年初至2016年底对这三个关键词搜索关注程度及持续变化情况。
从图中的搜索指数可以发现中性服装的搜索量几乎为0,所以大致可以将服装分为女装和男装,另外从图1中可以发现女装的搜索量比男装大,加上利用阿里指数查询发现女装是整个行业销量中最高的,并且女装和男装的研究方法相同,所以本文主要以女装的研究为主。
图1女装、男装、中性服装XX搜索指数
根据消费者在网购服装时会考虑服装的类目款式、尺寸大小、品牌、价格等与网购服装行为相关的因素的推测,选取韩版女装、大码女装、特价女装、品牌女装、女装图片、中老年女装等为基准关键词,对这些基准关键词进行XX指数搜索,找出基准关键词的相关关键词中重复较多的关键词,比较基准关键词以及所找出的相关关键词的搜索量大小,并参考站长工具的关键字挖掘结果,最终确定的关键词为中老年女装、品牌女装、大码女装、韩版女装。
三、关键词分析
(一)关键词搜索指数相关性分析
利用XX指数分别搜索关键词品牌女装、韩版女装、大码女装、中老年女装,可以得到相应的搜索指数趋势图,采集图中数据,通过分析研究数据得出四个关键词XX搜索指数的相关性。
首先,观察图2和图3,可以发现中老年女装和大码女装的XX搜索指数趋势图走势基本相同,推测两者存在一定的相关性,且为正相关。
图2中老年女装XX搜索指数趋势图
图3大码女装XX搜索指数趋势图
利用spss对两者的数据进行双变量相关分析。
得到如表2所示的结果,因为已经初步推测出中老年女装和大码女装的搜索指数存在正相关性,所以显著性检验选择了单尾检验。
观看表中数据可以直接得到显著性水平的统计值即p值为0.000,小于0.01,所以拒绝原假设无关,两组数据显著相关即两者有明显关系。
再观察皮尔森(Pearson)相关系数,也就是r值为0.976,基本接近于1,则两者高度相关,且为正相关。
表2中老年女装和大码女装spss双变量相关分析结果(单尾)
大码女装
中老年女装
皮尔森(Pearson)相关
.976**
显著性(单尾)
.000
N
494
**.相关性在0.01层上显著(单尾)。
另外,由于无法判断出品牌女装、韩版女装、中老年女装、大码女装搜索指数之间除了中老年女装以及大码女装搜索指数以外的两两相关性,所以在利用spss进行双变量相关分析时采用了双尾显著性检验,设定的显著性水平均为0.01,N依然为494。
将所有结果汇总得到如表3所示结果。
从表3中可以发现所有结果的p值都小于0.01,所以所有的结果都是显著的,具有统计学意义。
但是除了品牌女装和韩版女装的搜索指数之间的r值为0.440,具有低度正相关性。
其余r值的绝对值均小于0.3,关系极弱,可以基本认为不相关。
综上,可以得出中老年女装和大码女装的搜索指数具有高度正相关性,品牌女装与韩版女装的搜索指数具有低度正相关性,其余配对无相关性。
表3四个关键词spss双变量相关分析结果汇总(双尾)
品牌女装
韩版女装
r值
0.440
-0.221
-0.143
p值
—
0.000
0.001
-0.200
-0.118
0.009
0.976
**.相关性在0.01层上显著(双尾)。
(N=494)
(二)关键词搜索指数拟合分析
通过MATLAB对所得到的数据进行高斯拟合得到图4、图5、图6、图7,其分别对应于品牌女装、韩版女装、大码女装、中老年女装搜索指数的高斯拟合结果。
在高斯拟合过程中,设y1、y2、y3、y4的取值分别为品牌女装、韩版女装、大码女装、中老年女装的搜索指数数据,x取值为相应的自然数,因为本文的数据采集是从2016年至2017年4月底,所以x取值是1至486,间隔为1。
另外由于时间间隔为1,所以可以将x的取值看成是对应的时间,如x=1即为2016年1月1日。
由此,图4至图7的拟合图可以看成是产品关键词搜索指数随时间变化的曲线图。
从图4中可以发现曲线末端是有一个上升趋势的,说明在5月品牌女装的搜索指数会较之4月有所上升,间接表明品牌女装的搜索量或者说需求量也会有所上升,所以在五月对品牌女装进行进货时可以较之4月有所增长。
而具体的进货量,可以将相关日期换算成对应的x,如5月1日,为487,代入品牌女装搜索指数的高斯拟合方程中,可以得到相应的f(x)即y1,也就是品牌女装在5月1号的大致搜索指数,从而估算出5月品牌女装的进货量。
同理,可以发现韩版女装5月的进货量需求有所下降。
将x的相关数据代入韩版女装、大码女装和中老年女装搜索指数的拟合方程中得到大致的进货量。
另外,上文得出中老年女装和大码女装的搜索指数具有高度正相关性,所以间接地可以说明中老年女装和大码女装的需求量具有一定的正相关性,则在估计大码女装和中老年女装进货量时,两者的预估进货量可以相互参考,从而估算出最佳进货量。
图4品牌女装XX搜索指数高斯拟合图
GeneralmodelGauss8:
f(x)=a1*exp(-((x-b1)/c1)^2)+a2*exp(-((x-b2)/c2)^2)+
a3*exp(-((x-b3)/c3)^2)+a4*exp(-((x-b4)/c4)^2)+
a5*exp(-((x-b5)/c5)^2)+a6*exp(-((x-b6)/c6)^2)+
a7*exp(-((x-b7)/c7)^2)+a8*exp(-((x-b8)/c8)^2)
Coefficients(with95%confidencebounds):
a1=7024(6605,7444)b1=66.46(66.16,66.76)c1=10.46(9.812,11.11)
a2=4076(3572,4581)b2=98.64(98.1,99.19)c2=10.86(9.658,12.06)
a3=2528(1999,3057)b3=96.85(78.1,115.6)c3=99.93(50.15,149.7)
a4=1900(1237,2563)b4=272.8(261.2,284.3)c4=55.85(40.7,71)
a5=1611(752.5,2469)b5=174.9(171.9,178)c5=26.63(17.84,35.43)
a6=1915(1448,2381)b6=7.05(4.965,9.135)c6=12.58(8.785,16.37)
a7=669.5(278.7,1060)b7=121.3(119,123.7)c7=6.196(2.068,10.32)
a8=3458(1011,5905)b8=586(341.4,830.7)c8=223.6(40.29,407)
Goodnessoffit:
SSE:
4.845e+007R-square:
0.9529AdjustedR-square:
0.9506RMSE:
323.8
图5韩版女装XX搜索指数高斯拟合图
GeneralmodelGauss7:
a3*exp(-((x-b3)/c3)^2)+a4*exp(-((x-b4)/c4)^2)+
a5*exp(-((x-b5)/c5)^2)+a6*exp(-((x-b6)/c6)^2)+
a7*exp(-((x-b7)/c7)^2)
a1=5646(722.2,1.057e+004)b1=138.8(97.18,180.4)c1=74.93(50.93,98.93)
a2=1.479e+016(-3.278e+020,3.279e+020)b2=-1612(-1.253e+006,1.249e+006)
c2=301.2(-1.169e+005,1.175e+005)
a3=5109(4750,5469)b3=277.4(275.2,279.5)c3=34.46(30.55,38.38)
a4=1961(1323,2600)b4=313(311.5,314.6)c4=6.566(3.887,9.244)
a5=3092(-1.535e+004,2.153e+004)b5=57.26(-0.2264,114.7)
c5=39.65(-27.65,107)
a6=-141.8(-972.9,689.3)b6=111.4(96.71,126.1)c6=3.138(-19.04,25.31)
a7=4158(3985,4331)b7=410.7(406.4,414.9)c7=101.1(90.07,112.1)
2.066e+008R-square:
0.7474AdjustedR-square:
0.7366RMSE:
666.6
图6大码女装XX搜索指数高斯拟合图
a7*exp(-((x-b7)/c7)^2)
a1=7252(5827,8677)b1=448.6(448,449.3)c1=4.127(3.167,5.088)
a2=9727(8541,1.091e+004)b2=334(333.4,334.6)c2=5.959(5.101,6.816)
a3=9983(8562,1.14e+004)b3=423.3(422.9,423.8)c3=4.12(3.43,4.81)
a4=5796(4592,7001)b4=314.8313.9,315.8)c4=5.762(4.348,7.175)
a5=7767(6031,9504)b5=391.9(391.4,392.4)c5=2.731(2.019,3.442)
a6=8833(6591,1.107e+004)b6=469.9(469.6,470.2)c6=1.646(1.157,2.135)
a7=1458(1257,1658)b7=258.3(176.8,339.8)c7=441.6(183.5,699.8)
8.212e+008R-square:
0.6943AdjustedR-square:
0.6812RMSE:
1329
图7中老年女装XX搜索指数高斯拟合图
a7*exp(-((x-b7)/c7)^2)+a8*exp(-((x-b8)/c8)^2)
a1=8141(6717,9566)b1=448.4(447.8,448.9)c1=4.05(3.21,4.889)
a2=9091(7734,1.045e+004)b2=334.3(333.6,335)c2=5.598(4.537,6.659)
a3=1.004e+004(8632,1.145e+004)b3=423.3(422.9,423.8)
c3=4.121(3.439,4.802)
a4=5655(3649,7661)b4=315.8(315.1,316.5)c4=2.526(1.393,3.66)
a5=7611(5905,9317)b5=392(391.4,392.5)c5=2.777(2.05,3.504)
a6=8703(6548,1.086e+004)b6=469.8(469.5,470.2)
c6=1.745(1.239,2.251)
a7=2345(1137,3554)b7=313.1(307.6,318.6)c7=14.83(6.114,23.54)
a8=1654(1409,1898)b8=307(269.6,344.4)c8=250.6(186.1,315.1)
7.993e+008R-square:
0.7291AdjustedR-square0.7156RMSE:
1315
(三)关键词人群画像
1.年龄分布
根据品牌女装、大码女装、中老年女装以及韩版女装关键词XX指数搜索结果,发现四个关键词搜索的年龄分布(见图8)主要是30至49岁的人群。
另外,可以发现在30至39岁人群中,中老年女装的占比相对较弱,则在此年龄层需更注重其他三个关键词的搜索量。
图8XX指数搜索关键词的年龄分布
2.地域分布
通过四个关键词的地域分布即关注这些关键词的用户所来自的区域,发现品牌女装2013年9月至2016年地域分布主要省份在江苏、广东、河南,其中2013年9月至2014年河南省地域的关注度最高。
但根据观察发现从2015年3月开始江苏省对于品牌女装的关注度上升,地域关注度排名超越河南省位于第一。
虽然2015年7月至12月以及2016年8月至11月期间出现波动,被广东省赶超,但是2015至2016年整体上江苏省地域关注度最高。
另外,查看2017年最新数据发现1月至4月江苏省关注度最高,但是4月至5月广东省的关注度最高,江苏省排名第三。
但从2013年9月至2017年5月整体榜单上看,江苏排名第一。
综上,对于品牌女装关注度较高的地域主要分布在江苏省,而江苏省内排名最高的城市为苏州。
但从全国的角度以城市为单位对于品牌女装关注度较高的城市从2013年9月至2017年5月排名始终靠前的为北京,其中2013年9月至2014年排名第一,2015至2017年5月排名第二。
韩版女装2013年9月至2014年关注度最高的省份为浙江省,江苏省2013年排名第五,2014年排名第四,到2015年开始至2017年5月江苏省关注度排名始终为第一,并且从2013年9月至2017年5月整体榜单上看,江苏省排名也为第一,所以对韩版女装关注度最高的省份为江苏省。
城市关注度上,2013年9月至2014年关注度最高的城市是北京,但是2015年北京跌至第七位,不过2016年至2017年5月北京排名第三。
从2015年至2017年5月排名靠前且稳定的为苏州,2015年排名第一,之后排名第二。
另外,从2013年9月至2016年上海、郑州的排名始终保持在前五,但是郑州在2017年1月至5月跌至地域分布城市排行榜以外。
查看2013年9月至2017年5月整体排行榜排名,从高到低依次为苏州、北京、郑州、上海。
考虑到郑州近期的下跌,并参考以往年份1月至5月城市排名,郑州排名均位于排行榜前列,所以并非是郑州习惯性在1月至5月出现下跌,6月至12月实现上升,加上对关注度稳定性的要求,排除郑州。
综上,对韩版女装关注度较高的省份为江苏省,城市为苏州,其次为北京、上海。
大码女装2013年9月至2014年关注度排名靠前且稳定在前四的省份主要为山东、北京、河北。
而山东从2015年至2016年分别排名第六,第七,2017年跌出榜单,所以排除山东。
而2015至2017年5月浙江、广东、江苏排名靠前且稳定在前五,其中广东在2014年排名第四。
另外,从2013年9月至2017年5月整体关注度排名来看,排名前四的依次是浙江、广东、江苏、安徽。
而从2013年9月至2016年整体关注度排名来看,排名前四的依次是广东、北京、河北、山东。
广东始终排名靠前且保持稳定,所以对于大码女装关注度较
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 百度 指数 B2C 电子商务 网站 规划 研究