周翔, 张鹏翼
, 王军
北京大学信息管理系 北京 100871
Zhou Xiang, Zhang Pengyi, Wang Jun
中图分类号: G252.0
通讯作者:
收稿日期: 2017-11-8
修回日期: 2017-12-22
网络出版日期: 2018-04-25
版权声明: 2018 《数据分析与知识发现》编辑部 《数据分析与知识发现》编辑部
基金资助:
展开
摘要
【目的】针对移动购物用户在进行商品信息浏览时的特征对购买的影响进行研究。【方法】采用日志分析方法, 对某移动电商APP的2 752名用户在2015年3月的44 932 715条日志进行分析。【结果】会话内浏览复杂度越高、浏览广度越广、浏览深度越深, 会话内用户越有可能产生购买行为; 单会话购物过程中浏览复杂度高于多会话购物过程; 多任务购物过程中浏览复杂度高于单任务购物过程。【局限】基于某一移动电商APP的研究结论普适性有待检验。【结论】移动购物中用户商品信息浏览特征及对购买的影响研究有助于理解移动购物用户的信息浏览行为及其与购买行为之间的关系。
关键词：
Abstract
[Objective] This paper analyzes the mobile shoppers’ information browsing behaviors, aiming to find their influences on purchasing decisions. [Methods] We studied 44,932,715 browsing logs generated by 2,752 users of a mobile shopping APP in March, 2015. [Results] We found that users’ purchasing behaviors were affected by the complexity, breadth and depth of browsing patterns. The complexity of single-session was higher than the multi-session ones, while the complexity of multi-task process was higher than their single-task counterparts. [Limitations] More research is needed to examine data from other m-commerce platforms. [Conclusions] Mobile shoppers’ information browsing behaviors could help us better understand purchasing decisions.
Keywords：
近年来, 移动设备的使用率日益提升, 移动设备成为人们生活中必不可少的工具。截至2016年12月, 我国手机网民规模达到6.95亿, 网民中使用手机上网的比例达到95.1%[1]。而在使用移动设备进行的各项活动中, 网络购物无疑是其中非常重要的活动之一。2016年, 中国在移动端的网络购物已超过PC端, 在网络购物交易中占比达到68.2%, 比2015年增长22.8个百分点[2]。
对移动购物用户的用户行为进行研究, 有助于了解移动购物用户的行为习惯。在移动购物用户行为中, 商品信息浏览是其中一个重要步骤。针对移动购物用户商品信息浏览行为进行研究, 可以直接了解用户在利用移动端设备进行网络购物时浏览商品信息的一些特征和习惯, 从而根据这些用户浏览商品信息的特征和习惯对移动端网络购物应用的系统、界面等进行改进, 或者是根据用户浏览商品信息的特征推测出用户的购买意向, 有助于移动端网络购物应用根据用户购买意向有针对性地提供服务或推荐商品等, 以提升用户利用移动端设备进行网络购物的满意度。
本文通过日志分析的方法, 分析移动端网络购物用户在购物时浏览商品信息的特征, 以及用户浏览商品信息对于是否产生购买行为所带来的影响, 从而了解移动端网络购物用户在浏览商品信息时的习惯和偏好, 帮助人们更好地了解移动端网络购物用户的信息浏览行为。
关于用户在信息查询阶段的研究涉及的焦点主要分为两方面, 一方面是关于用户感知信息获取内容的研究, 另一方面是关于信息获取行为特征的研究。
(1) 关于用户感知信息获取内容。Nalchigar等[3]获取88 637个用户在亚马逊和沃尔玛在线购物的行为记录, 对浏览产品页面、查询、评论以及其他购物活动行为等进行分析。结果显示, 用户对在线购物网站越熟悉, 则用户购买商品所花费的时间和精力会越少。同时, 从用户一般性的浏览记录所提取出的用户可能的兴趣点, 也往往和购物行为相关。Gao等[4]通过用户实验, 研究网络购物中信息量和信息质量对于用户满意度的影响; 邓发云等[5]调查网络消费者的信息搜索、信息浏览以及信息交互行为与感知风险和价值及购买意愿之间的关系; 许应楠[6]研究用户在浏览商品时所关注的商品参数; Park等[7]分析网站关于所提供的产品和服务表述的信息质量对于消费者信息满意度的影响, 以及进一步对于消费者购物决策的影响。这些研究的关注点都是用户对于信息获取内容的感知。
(2) 关于用户信息获取行为特征。Moe[8]通过分析用户在一家销售营养产品的网站上的浏览记录, 根据用户的不同种类的操作以及相应的操作时间, 分析用户在网络购物时的行为习惯。研究结果表明, 进行搜索行为较多的用户, 其浏览的不同商品类目页面会比较少, 但浏览的不同商品详情页面会比较多; 而进行搜索行为较少的用户则与之相反。袁兴福等[9,10]根据用户在电商网站上的点击流对电商用户会话进行建模。通过分析会话中各个记录对应的页面类型、停留时间、页面内容来刻画当前页面的状态, 用户通过不同的行为在不同的页面状态中进行转换, 根据用户转换的不同页面状态对用户行为进行分类和标识。研究对行为序列进行聚类, 将用户会话分为6种类型, 并分析了各种类型的用户会话特征。刘洪莲等[11,12]针对多会话网络购物中的商品信息获取这一情境进行探索和分析。研究发现, 一般网络会话和多会话网络购物会话在会话开始、会话结束、会话内行为转换、会话内典型行为等方面都存在显著差异; 多会话网络购物中前4个会话是购物决策过程中的关键会话, 前4个会话的信息浏览成果满意度直接影响最终购买决策; 多会话网络购物中信息获取模式可以分为6种, 且所对应的会话开始、会话内典型行为(序列)等均有明显区分。
关于购物决策阶段的研究, 目前较多是研究影响购物决策的各种因素, 包括时间因素、人口统计学特征、用户感知、信息获取内容及用户行为特征等。
(1) 时间因素方面, Kooti等[13]发现用户的购买行为多数发生在一周的开始, 而且购买行为在周末普遍较少发生。另外, 在一天的时段内, 大多数购买行为发生在工作时间, 即从早上开始到下午结束。
(2) 人口统计学特征方面, Raman[14]发现30岁以下的人更倾向于网络购物; 对网络的认知程度会影响网络购物决策; 收入状况会影响网络购物; 网站所提供的安全措施会影响网络购物决策。但同时Hernández等[15]在试图了解年龄、性别以及收入情况是否对网络购物行为有影响时得到另一些结论, 发现年龄、性别以及收入情况等重要的社会、经济变量对于网络购物的影响并不显著。
(3) 用户感知方面, Moshrefjavadi 等[16]通过问卷调查得知金融风险以及不交货风险对于网络购物行为有负面影响; 主观规范(由个人在采取某一特定行为时所感受到的社会压力的认知)对网络购物决策有正面影响; 创新性也对网络购物决策有正面影响。云小风[17]研究用户放弃购物车的主要影响因素, 主要存在6种: 网购成本高于消费者心理预期; 网购商品不符合消费者心理预期; 网购流程不符合消费者心理预期; 网购服务不符合消费者心理预期; 网购安全不符合消费者心理预期; 消费者网购经验丰富从而将放弃购物车作为一种策略。其中网购成本的影响最大, 而网购流程的影响最小。
(4) 信息获取内容方面, 魏占宏等[18]分析第三方信息对网络购物决策的影响。通过问卷调查以及对调查结果进行多元统计分析, 得知商品信息描述、沟通次数、信用评估这三个影响因素对用户的购物决策有影响(影响程度由高到低)。商品信息弥补了网络购物中用户需要先产生购买决策才能实际获得商品所产生的信息缺失; 沟通次数反映网络购物中买卖双方的互动的重要性; 信用评估则是网络购物这一虚拟环境下必要的安全保障。陈亚菲等[19]也对类似的网络购物影响因素进行研究, 发现购买需求和买家评价对网络购物决策有显著的正面影响; 商家信誉和商品介绍对网络购物决策有较弱的影响; 产品销量和客服态度对网络购物决策基本没有影响。
(5) 用户行为特征方面, Moe等[20]通过记录约10 000个家庭用户的使用网络记录, 发现访问特定商家频率更高的用户, 在该商家执行购买行为的概率也会更高。Buckinx等[21]则通过一个销售葡萄酒以及相关产品的网站某一时段的用户日志, 分析一般性点击流信息、详细页面的点击流信息、用户人口统计学特征、历史购买行为等4类特征, 运用卡方统计找出相关变量, 使用Logistics回归做出预测。Park等[22]通过分析用户在在线旅游预订网站上的行为日志, 研究用户的网页跳转和用户购买行为之间的关系。研究发现, 直接访问(即直接输入网址)的用户比从其他网页跳转到该网站的用户更具有购买意愿。Yeo等[23]着眼于B2P网站, 通过用户对于页面的浏览频率和浏览时长进行建模, 从而计算用户对某一商品的购买意愿, 作为用户是否会进行购买的预测依据。
综上, 目前网络购物中信息行为研究大多以互联网为对象, 几乎没有针对移动互联网电子商务信息行为的研究。在购物决策方面, 也集中在传统消费者行为学所涉及的决策影响因素, 较少关注在购物过程中的信息浏览行为对购物决策的影响。
本文的数据来源是2015年之前注册的用户, 并且在2015年1月至2015年3月连续3个月均在某移动电商APP端下单的2 752名用户。日志数据是这批用户在3月份的APP行为日志记录, 共含44 932 715条行为日志记录, 包括日期、时间、用户编号、对应请求、请求参数、设备信息、历史访问路径等信息。通过说明文档等对行为日志的含义进行识别, 并清理系统行为产生的日志, 最终获得用户使用日志记录共有35 661 566条。
数据处理主要包括以下重要步骤: 会话切分、购物过程切分、购物任务识别。
(1) 用户会话是用户日志分析中常涉及到的概念, 会话是用户与服务器之间的连续请求响应序列[24], 在购物APP中, 一个用户会话代表用户一系列连续的网络购物行为。本文以10分钟作为会话的分隔界限[25], 对用户使用日志记录进行会话切分。切分后共得到221 517个会话。对于每个用户会话, 均提取其对应的用户ID、起始时间、结束时间、记录数等属性, 并赋予唯一的会话ID。
(2) 会话代表用户一系列连续的网络购物行为。用户关于一个购物任务的信息获取和处理可能会跨越多个会话, 尤其是移动APP使用时间具有碎片化的特征, 用户可能需要通过多个会话才能完成信息获取和处理, 进而产生购买行为。因此如果需要考量用户一个较为完整的购物过程, 需要对会话进行一定的处理, 将若干个会话归到一个购物过程中。本文将购物过程定义为上一次购买结束后第一个会话开始, 到本次购买完成的会话之间的所有会话。依照这一定义进行处理, 最终得到38 609个购物过程。每个购物过程所含会话数分布如表1所示。
表1 购物过程所含会话数分布
| 购物过程所含会话数 | 购物过程数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| 1 | 11 516 | 29.83% | 29.83% |
| 2 | 6 984 | 18.09% | 47.92% |
| 3 | 4 771 | 12.36% | 60.27% |
| 4 | 3 359 | 8.70% | 68.97% |
| 5 | 2 355 | 6.10% | 75.07% |
| 6 | 1 850 | 4.79% | 79.86% |
| 7 | 1 316 | 3.41% | 83.27% |
| 8 | 1 076 | 2.79% | 86.06% |
| 9 | 869 | 2.25% | 88.31% |
| ≥10 | 4 513 | 11.69% | 100.00% |
(3) 一般认为购物任务由用户所购买的商品种类决定[26]。本研究将用户在购物过程中购买的某一商品种类定义为一个购物任务, 对各个购物过程中的购物任务进行识别。结果显示, 在38 609个购物过程中, 共识别出79 480个购物任务。平均每个购物过程中, 用户会完成2.06个购物任务。购物过程所含购物任务数分布如表2所示。
表2 购物过程所含购物任务数分布
| 购物过程所含任务数 | 购物过程数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| 1 | 20 948 | 54.26% | 54.26% |
| 2 | 8 397 | 21.75% | 76.01% |
| 3 | 4 011 | 10.39% | 86.39% |
| 4 | 2 104 | 5.45% | 91.84% |
| 5 | 1 199 | 3.11% | 94.95% |
| 6 | 760 | 1.97% | 96.92% |
| 7 | 421 | 1.09% | 98.01% |
| 8 | 255 | 0.66% | 98.67% |
| 9 | 175 | 0.45% | 99.12% |
| 10 | 339 | 0.88% | 100.00% |
首先分析用户在会话中浏览复杂度的特征及对购买行为的影响。将用户在会话中的浏览行为的复杂度分为两个维度: 一是内容复杂度, 即一次购物过程中浏览的商品详情页的数量, 二是渠道复杂度, 即一次购物过程中访问的页面的来源渠道数量。用户在会话中浏览商品详情页的数量分布如表3所示。
表3 会话浏览商品详情页数分布
| 浏览商品详情页数 | 会话数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| 1 | 18 056 | 19.11% | 19.11% |
| 2 | 9 209 | 9.75% | 28.86% |
| 3 | 11 467 | 12.14% | 41.00% |
| 4 | 5 380 | 5.69% | 46.69% |
| 5 | 4 225 | 4.47% | 51.16% |
| 6-10 | 16 454 | 17.42% | 68.58% |
| 11-20 | 14 006 | 14.83% | 83.41% |
| 21-30 | 6 384 | 6.76% | 90.16% |
| 31-50 | 5 499 | 5.82% | 95.98% |
| >50 | 3 795 | 4.02% | 100.00% |
从表3可以看出, 有将近20%的用户在单一会话中只浏览了一个商品, 有超过一半的用户在单一会话中浏览了不多于5个商品, 只有不到10%的用户在单一会话中浏览了超过30个商品。用户平均在单一会话中浏览的商品数为11.81个。这说明用户在单一会话内可能会浏览一定量的商品详情页, 获取一定的商品信息, 但内容复杂度不会过高, 复杂度较高的商品信息浏览任务可能会分散在多个会话中进行。
对会话内浏览的不同商品详情页数和会话内是否产生购买行为(以1和0标识, 1为会话内产生购买行为, 0为会话内未产生购买行为)进行相关分析, 二者之间的Spearman相关度为0.479(p<0.01), 呈弱相关关系。
追溯页面的来源渠道, 此APP中共涉及6种来源, 即: 促销活动、分类浏览、店铺浏览、频道浏览、社区交流和搜索。图1展示了该APP内的6类渠道的会话数量分布(一个会话中可能有多个渠道来源)。
如图1所示, 在所有会话中, 用户访问渠道占比最多的是社区交流、促销活动, 其次依次是频道浏览、店铺浏览、分类浏览和搜索。分析这6种信息获取途径对于用户购买行为的相关性, 结果显示店铺浏览渠道(相关系数0.45, p<0.01)和搜索渠道(相关系数0.337, p<0.01)与购买成弱相关关系。
上述分析结果显示, 用户所浏览的不同商品详情页数量越多, 用户越有可能产生购买行为。用户通过店铺浏览和搜索两种渠道访问的页面数量越多, 越有可能进行购买。这是因为用户浏览过更多不同的商品详情页之后, 所获取的商品信息更加丰富, 为用户提供了更多选择, 从而用户更有可能选中最为中意的商品, 所以产生购买行为的概率就越高。因此, 用户在即将产生购买决策时, 浏览的商品信息更多、但渠道更集中在搜索和店铺上, 以为决策提供依据。而在决策前的需求触发等阶段的会话中, 进行的商品信息浏览也较为简单随意。
用户在会话内进行商品信息浏览时, 一般会按照一定的维度进行。用户浏览的维度一般会有两个: 按店铺浏览或是按商品种类浏览。用户在这两种维度下浏览商品信息, 其广度具有什么样的特征, 用户商品信息浏览广度与会话内是否产生购买行为之间的关系如何, 是需要探讨的问题。
为了进行研究, 需要衡量用户商品信息浏览广度。在按照店铺浏览下, 将用户浏览的所有商品对应的不同店铺数作为衡量用户商品信息浏览广度的指标; 同样地, 按照商品种类浏览下, 将用户浏览的所有商品对应的不同商品种类数作为衡量用户商品信息浏览广度的指标。本文基于这样的处理, 展开后续研究。
按照店铺浏览维度下, 首先统计会话内用户浏览的所有商品对应的不同店铺数的分布, 如表4所示。
表4 会话浏览商品对应店铺数分布
| 浏览店铺数 | 会话数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| 1 | 21 395 | 22.65% | 22.65% |
| 2 | 10 212 | 10.81% | 33.46% |
| 3 | 11 602 | 12.28% | 45.74% |
| 4 | 5 633 | 5.96% | 51.70% |
| 5 | 4 381 | 4.64% | 56.34% |
| 6 | 5 094 | 5.39% | 61.73% |
| 7 | 3 075 | 3.25% | 64.98% |
| 8 | 2 659 | 2.81% | 67.80% |
| 9 | 3 006 | 3.18% | 70.98% |
| 10 | 2 064 | 2.18% | 73.16% |
| 11-20 | 12 985 | 13.74% | 86.91% |
| >20 | 12 369 | 13.09% | 100.00% |
从表4可以看到, 20%以上的会话只浏览了一个店铺的商品, 将近60%的会话浏览的店铺不超过5个, 同时也有超过四分之一的会话浏览了10个以上店铺的商品。平均每个会话内用户浏览9.66个店铺的商品。
为了研究会话内用户浏览的所有商品对应的不同店铺数与会话内是否产生购买行为的关系, 利用SPSS计算两个变量之间的Spearman相关度, 结果显示二者相关度为0.446(p<0.01), 呈弱相关关系。分析结果说明用户浏览过的店铺数越多, 在店铺这一维度上浏览广度越广, 则用户更容易产生购买行为。其背后的原因可能是用户的店铺浏览广度更广, 则能了解到更多店铺的情况, 如商品质量、售后服务等, 为用户提供更多选择, 从而使用户更有可能做出较为划算的选择, 从而推动用户产生购买行为。
同样的思路, 本文对按商品种类浏览下用户商品信息浏览广度的特征及对购买行为影响做出分析, 统计会话内用户浏览的所有商品对应的不同商品种类数的分布, 如表5所示。
表5 会话浏览商品对应商品种类数分布
| 浏览商品种类数 | 会话数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| 1 | 20 059 | 21.23% | 21.23% |
| 2 | 11 753 | 12.44% | 33.67% |
| 3 | 11 802 | 12.49% | 46.16% |
| 4 | 7 103 | 7.52% | 53.68% |
| 5 | 6 059 | 6.41% | 60.10% |
| 6 | 5 550 | 5.87% | 65.97% |
| 7 | 4 327 | 4.58% | 70.55% |
| 8 | 3 670 | 3.88% | 74.44% |
| 9 | 3 225 | 3.41% | 77.85% |
| 10 | 2 708 | 2.87% | 80.72% |
| 11-20 | 13 264 | 14.04% | 94.76% |
| >20 | 4 955 | 5.24% | 100.00% |
从表5可以看出, 20%以上的会话只浏览了一个种类的商品, 约60%的会话浏览的商品种类不超过5个, 有不足20%的会话浏览了10个以上种类的商品。平均每个会话内用户浏览6.54个种类的商品。
为了研究会话内用户浏览的所有商品对应的不同商品种类数与会话内是否产生购买行为的关系, 利用SPSS计算两个变量之间的Spearman相关度, 结果显示二者相关度为0.459(p<0.01), 呈弱相关关系。分析结果说明用户浏览过的商品种类数越多, 在商品种类这一维度上浏览广度越广, 则用户更容易产生购买行为。其背后的原因可能是用户的商品种类浏览广度更广, 反映用户可能在更多的商品种类上有所需求, 而更多的需求下用户可能在会话内产生购买行为。
本文将探讨在按店铺浏览和按商品种类浏览两种模式下, 用户商品信息浏览深度的特征及对购买行为的影响。首先需要衡量用户商品信息浏览深度。在按店铺浏览下, 将用户平均在每一个店铺下浏览的商品数量作为衡量用户商品信息浏览深度的指标; 同样地, 在按商品种类浏览下, 将用户平均在每一个商品种类下浏览的商品数量作为衡量用户商品信息浏览深度的指标。
基于这样的定义, 首先了解按店铺浏览下用户商品信息浏览深度的特征, 统计各个会话内每个店铺平均浏览商品数量的分布, 如表6所示。
表6 会话内店铺平均浏览商品数分布
| 每个店铺平均浏览商品数 | 会话数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| n≤1 | 59 918 | 63.42% | 63.42% |
| 1<n≤2个 | 28 556 | 30.23% | 93.65% |
| 2<n≤3个 | 2 987 | 3.16% | 96.81% |
| n>3 | 3 014 | 3.19% | 100.00% |
从表6可以看到, 超过60%的会话内, 用户在每个店铺平均浏览的商品个数不大于1个, 而约三成的会话内, 用户在每个店铺平均浏览的商品个数超过1个但在2个以内, 只有约3%的用户在每个店铺平均浏览的商品个数超过3个。所有会话中, 每个店铺平均浏览1.33个商品。
为了研究会话内平均每个店铺浏览商品数量与会话内是否产生购买行为的关系, 利用SPSS计算两个变量之间的Spearman相关度, 结果显示二者相关度为0.305(p<0.01), 呈弱相关关系。分析结果说明会话内每个店铺平均浏览商品数量越多, 浏览深度越深, 则会话内用户越容易产生购买行为。用户在每个店铺浏览的商品越多, 一方面用户对店铺的商品特性了解越透彻, 另一方面也可能体现用户对店铺的兴趣越高, 因此更容易产生购买行为。
同样的思路, 本文了解按商品种类浏览下用户商品信息浏览深度的特征, 统计各个会话内每个店铺平均浏览商品数量的分布, 如表7所示。
表7 会话内商品种类平均浏览商品数分布
| 平均每个商品种类浏览商品数 | 会话数 | 所占百分比 | 累计百分比 |
|---|---|---|---|
| n≤1 | 43 861 | 46.43% | 46.43% |
| 1<n≤2个 | 36 424 | 38.55% | 84.98% |
| 2<n≤3个 | 9 782 | 10.35% | 95.33% |
| n>3 | 4 408 | 4.67% | 100.00% |
从表7可以看到, 约50%的会话内, 每个商品种类下浏览的平均商品数量不大于1个, 将近40%的会话, 每个商品种类下平均浏览的商品个数超过1个而小于等于2个, 不足5%的会话内每个商品种类下平均浏览的商品数超过3个。所有会话中, 用户每个商品种类下平均浏览1.50个商品。
为了研究会话内每个商品种类平均浏览商品数量与会话内是否产生购买行为的关系, 利用SPSS计算两个变量之间的Spearman相关度, 结果显示二者相关度为0.384(p<0.01), 呈弱相关关系。分析结果说明会话内平均每个商品种类下浏览商品数量越多, 浏览深度越深, 则会话内用户越容易产生购买行为。这是由于用户在各个商品种类下浏览的商品数量越多, 更可能说明用户对这一商品种类有购物需求, 所以会浏览更多商品作为购物的备选, 而有购物需求则会使用户更有可能产生购买行为。
本节主要讨论对象是购物过程, 分析购物过程中用户浏览复杂度方面存在的特征, 并从两个方面分析浏览复杂度。一是内容复杂度, 即一次购物过程中浏览的商品详情页的数量; 二是渠道复杂度, 即一次购物过程中访问的页面的来源渠道数量。笔者将分析重点放在对比单会话购物过程和多会话购物过程中, 会话浏览复杂度是否存在差异; 以及单任务购物过程和多任务购物过程中, 会话浏览复杂度是否存在差异。
(1) 单会话购物过程和多会话购物过程中, 会话浏览复杂度是否存在差异。
独立样本T检验显示, 单会话购物过程中会话商品信息浏览的内容和渠道复杂度都显著高于多会话购物过程(p<0.001)。造成这一结果的原因是: 用户在单会话购物过程中完成购物任务, 就需要在该会话中完成所有的商品信息浏览工作, 比起在多会话购物过程中可以将商品信息浏览任务分散在各个会话中完成来说, 需要浏览更多的商品和访问更多的渠道。
(2) 单任务购物过程和多任务购物过程中, 会话浏览复杂度是否存在差异。
独立样本T检验显示, 多任务购物过程中会话商品信息浏览内容和渠道复杂度都显著高于单任务购物过程中浏览复杂度(p<0.001)。造成这一结果的原因是: 用户需要完成多个购物任务时, 自然需要浏览关于多个购物任务的相关商品信息, 因此浏览的商品信息较之单个购物任务要更为复杂。
本文还关注购物过程中会话的变化趋势。每个会话都有其浏览复杂度这一属性, 而研究整个购物过程中浏览复杂度变化趋势, 可以了解用户在购物时商品信息浏览任务的前后变化, 从而更能理解用户在商品信息浏览方面的行为模式。
对于购物过程中浏览复杂度变化趋势的判断, 本研究引入时间序列分析的逆序检验法, 过程如下:
①由时间序列求出一个序列项之间大致不相关的复杂度均值的序列。将所得序列记为y1, y2,…, yM;
②计算序列的逆序总数。对于yi(i=1,2, …, M-1)来说, 若后边有一个值大于它, 即yj( j>i), 则称为一个逆序, 记yi的逆序数为Ai(即后边有Ai个值大于它), 整个序列逆序总数为:
$A=\sum\limits_{i=1}^{M-1}{{{A}_{i}}}$ (1)
③运用统计量A进行统计检验。可以证明, 一个随机序列的逆序总数A具有以下的期望和方差:
$E(A)=\frac{1}{4}M(M-1),\ \ \ D(A)=\frac{M(2{{M}^{2}}+3M-5)}{72}$ (2)
其中M为数据分段数, 并且统计量Z:
$Z=\frac{A+\frac{1}{2}E(A)}{\sqrt{D(A)}}\tilde{\ }N(0,1)$ (3)
因此, 对于序列y1,y2,…, yM, 可以根据公式(1)至公式(3)求出统计量Z的值, 在显著性水平α=0.05情况下, 若|Z|<1.96, 则认为序列无明显的趋势, 否则认为序列是非平稳的。若Z≥1.96(A过大), 则表明序列有上升趋势; 若Z≤-1.96(A过小), 表明序列有下降趋势。
由逆序检验法, 将所有购物过程按照会话浏览复杂度变化趋势不同分为三类, 如表8所示。
表8 浏览复杂度变化趋势分布
| Z | 序列趋势 | 购物过程数 | 占比 |
|---|---|---|---|
| Z≤-1.96 | 下降趋势 | 2 324 | 8.15% |
| -1.96<Z<1.96 | 无明显趋势 | 18 501 | 64.86% |
| Z≥1.96 | 上升趋势 | 7 698 | 26.99% |
从表8可以看到, 购物过程中, 浏览复杂度随时间下降的比例占不足10%, 浏览复杂度随时间上升的比例超过四分之一, 而浏览复杂度前后无明显变化趋势的占到60%以上。
通过浏览复杂度变化趋势, 可以将购物过程分为三类, 即复杂度下降、复杂度上升和复杂度无明显趋势。为了具体了解三类购物过程之间的关系, 分析三类购物过程中, 购物过程内浏览的不同商品详情页数量及购物过程所花费时间这两个指标是否存在差异。
运用SPSS软件进行单因素方差分析, 首先分析三类购物过程间浏览商品详情页数量是否有差异, 结果显示三类购物过程间浏览商品详情页数量有显著差异(p<0.001), 浏览复杂度呈下降趋势的购物过程中, 所浏览的商品详情页数量要显著高于浏览复杂度无明显趋势和呈上升趋势的购物过程。而浏览复杂度无明显趋势的购物过程中, 所浏览的商品详情页数量要显著高于浏览复杂度呈上升趋势的购物过程。
同样地, 运用SPSS软件进行单因素方差分析, 分析三类购物过程间购物过程持续时间是否有差异, 结果显示三类购物过程间购物过程持续时间有显著差异(p<0.001), 浏览复杂度呈下降趋势的购物过程的购物过程持续时间要显著多于浏览复杂度无明显趋势和呈上升趋势的购物过程。而浏览复杂度无明显趋势的购物过程的购物过程持续时间要显著多于浏览复杂度呈上升趋势的购物过程。
本文通过分析某移动电商APP的用户日志, 对用户商品信息浏览的特征及商品信息浏览对购买的影响做出研究, 得到如下结论:
(1) 会话内浏览复杂度、商品信息浏览广度、商品信息浏览深度都对用户最终是否购买有一定的影响;
(2) 单会话购物过程中浏览复杂度高于多会话购物过程, 多任务购物过程中浏览复杂度高于单任务购物过程;
(3) 根据购物过程的浏览复杂度变化趋势可以将购物过程分为三类, 且在购物过程所浏览商品详情页数量和购物过程持续时间上, 都存在“复杂度下降的购物过程>复杂度无明显趋势的购物过程>复杂度上升的购物过程”的规律。
未来可进一步拓展研究内容, 针对用户所获取的所有信息内容进行分析, 了解不同信息获取内容对用户购买行为的影响, 如浏览的活动内容对用户购买行为的影响, 浏览的社区信息、其他用户的评论等对用户购买行为的影响。全方位地了解各种信息对用户的影响, 有助于把握用户获取信息的偏好。另外还可以综合考量用户的整个购物决策过程, 从用户产生需求开始到用户获取信息、评估信息, 并考察用户评估信息的结果对用户购物决策带来的影响, 例如何种信息对用户产生购买行为的推动最大, 何种信息又会成为用户不产生购买行为的原因。了解用户整个购物过程中的各个环节, 有助于改进对用户提供的服务。
周翔: 进行实验, 采集、清洗和分析数据, 起草论文初稿;
张鹏翼: 设计研究方案, 修改论文;
王军: 提出研究思路, 论文最终版本修订。
所有作者声明不存在利益冲突关系。
支撑数据由作者自存储, E-mail: pengyi@pku.edu.cn。
[1] 张鹏翼, 王军. 移动电商用户日志201501-03.sql. 2015年1月至3月用户访问日志.
[2] 张鹏翼, 王军. 移动电商订单数据201501-03.sql. 2015年1月至3月用户订单数据.
| [1] |
第39次中国互联网络发展状况统计报告 [EB/OL]. [The 39th China Internet Network Development State Statistic Report [EB/OL]. [ |
| [2] |
2017中国移动电商行业研究报告 [EB/OL]. [2017 China Mobile Commerce Industry Report [EB/OL]. [ |
| [3] |
A Large-Scale Study of Online Shopping Behavior [OL].https://doi.org/10.1145/2938503.2938534 URL [本文引用: 1] 摘要
The continuous growth of electronic commerce has stimulated great interest in studying online consumer behavior. Given the significant growth in online shopping, better understanding of customers allows better marketing strategies to be designed. While studies of online shopping attitude are widespread in the literature, studies of browsing habits differences in relation to online shopping are scarce. This research performs a large scale study of the relationship between Internet browsing habits of users and their online shopping behavior. Towards this end, we analyze data of 88,637 users who have bought more in total half a milion products from the retailer sites Amazon and Walmart. Our results indicate that even coarse-grained Internet browsing behavior has predictive power in terms of what users will buy online. Furthermore, we discover both surprising (e.g., "expensive products do not come with more effort in terms of purchase") and expected (e.g., "the more loyal a user is to an online shop, the less effort they spend shopping") facts. Given the lack of large-scale studies linking online browsing and online shopping behavior, we believe that this work is of general interest to people working in related areas.
|
| [4] |
Understanding Online Purchase Decision Making: The Effects of Unconscious Thought, Information Quality, and Information Quantity [J].https://doi.org/10.1016/j.dss.2012.05.011 URL [本文引用: 1] 摘要
The prosperity of online shopping has led e-commerce vendors to provide increasingly rich information, particularly for experience products, to enhance consumers' shopping experience and satisfaction. However, there is little awareness that consumers may not be able to process all the information available because of human beings' limited information processing capacity. Online shoppers could be easily confused when facing rich information, particularly when the amount of information greatly exceeds their processing capacity. In contrast to previous research which has focused on the formatting of information or user interfaces to solve the information overload problem, this study explores a new solution based on the role of unconscious thought. Integrating information processing theory and the unconscious thought theory, the current study examines the different roles of information quantity, information quality and thought mode in consumers' decision satisfaction, in the presence of rich information. Our results show that unconscious thought moderates the relationship between information quality and consumer satisfaction towards their decision making when shopping experience products online, and is thus worthy of special attention in the design of e-commerce websites. The study contributes to both unconscious thought theory and information processing theory by exploring the interaction effect of the quantity and quality of information with thought mode in affecting the quality of purchasing decisions.
|
| [5] |
网络消费者购买决策的信息行为研究 [J].Information Behavior Research of Online Consumer Purchasing Decisions [J]. |
| [6] |
消费者在线购物决策中的商品参数浏览偏好分析——以数码相机为例 [J].Analysis of Commodity Parameters Browsing Preference in Consumer’s Online Shopping Decision-making——Taking Digital Camera for Example [J]. |
| [7] |
Identifying Key Factors Affecting Consumer Purchase Behavior in an Online Shopping Context [J].https://doi.org/10.1108/09590550310457818 URL [本文引用: 1] 摘要
While interactions in the real world shopping are mainly based on face-to-face activities between consumers and service personnels, interactions in electronic commerce take place mainly through the retailer's Web site. This study investigated the relationship between various characteristics of online shopping and consumer purchase behavior. Results of the online survey with 602 Korean customers of online bookstores indicate that information quality, user interface quality, and security perceptions affect information satisfaction and relational benefit, that, in turn, are significantly related to each consumer's site commitment and actual purchase behavior.
|
| [8] |
Buying, Searching, or Browsing: Differentiating Between Online Shoppers Using In-Store Navigational Clickstream [J].https://doi.org/10.1207/S15327663JCP13-1&2_03 URL [本文引用: 1] 摘要
In the bricks-and-mortar environment, stores employ sales people that have learned to distinguish between shoppers based on their in-store behavior. Some shoppers appear to be very focused in looking for a specific product. In those cases, sales people may step in and help the shopper find what they are looking for. In other cases, the shopper is merely "window shopping." The experienced sales person can identify these shoppers and either ignore them and let them continue window shopping, or intercede and try and stimulate a purchase in the appropriate manner. However, in the virtual shopping environment, there is no sales person to perform that role. Therefore, this article theoretically develops and empirically tests a typology of store visits in which visits vary according to the shoppers' underlying objectives. By using page-to-page clickstream data from a given online store, visits are categorized as a buying, browsing, searching, or knowledge-building visit based on observed in-store navigational patterns, including the general content of the pages viewed. Each type of visit varies in terms of purchasing likelihood. The shoppers, in each case, are also driven by different motivations and therefore would respond differentially to various marketing messages. The ability to categorize visits in such a manner allows the e-commerce marketer to identify likely buyers and design more effective, customized promotional message.
|
| [9] |
基于点击流的电商用户会话建模 [J].https://doi.org/10.13266/j.issn.0252-3116.2015.01.016 URL [本文引用: 1] 摘要
[目的/意义]鉴于已有基于点击流的用户模型大多简单地采用页面类型序列代替行为序列,提出一种根据点击流访问页面序列到用户行为的映射方案,解决用户行为建模的问题。[方法/过程]本文在分析网页URL参数、页面内容等特征的基础上,以81 759个电商用户会话为测试样本,提出并实现从页面到用户行为的映射方法,给出一种依据原始日志建立用户行为序列来描述会话的方案。[结果/结论]分析反映出在会话层面上已有研究不易得到的行为特征,得到6类具备不同行为模式的会话:功能探索会话、卖家管理会话、营销推动会话、资料管理会话、商品浏览会话、检索依赖会话。基于点击流对用户会话建模,可以得出用户会话中行为序列特征,对实现准确营销与推荐具有重要价值。
Modeling E-commerce User Session Behaviors Based on Click-through Sequences [J].https://doi.org/10.13266/j.issn.0252-3116.2015.01.016 URL [本文引用: 1] 摘要
[目的/意义]鉴于已有基于点击流的用户模型大多简单地采用页面类型序列代替行为序列,提出一种根据点击流访问页面序列到用户行为的映射方案,解决用户行为建模的问题。[方法/过程]本文在分析网页URL参数、页面内容等特征的基础上,以81 759个电商用户会话为测试样本,提出并实现从页面到用户行为的映射方法,给出一种依据原始日志建立用户行为序列来描述会话的方案。[结果/结论]分析反映出在会话层面上已有研究不易得到的行为特征,得到6类具备不同行为模式的会话:功能探索会话、卖家管理会话、营销推动会话、资料管理会话、商品浏览会话、检索依赖会话。基于点击流对用户会话建模,可以得出用户会话中行为序列特征,对实现准确营销与推荐具有重要价值。
|
| [10] |
电商用户“状态-行为”建模及其在商品信息搜索行为分析的应用 [J].“State-Behavior” Modeling and Its Application in Analyzing Product Information Seeking Behavior of E-commerce Websites Users [J]. |
| [11] |
多会话商品信息搜寻行为、情境及影响因素研究 [J].
【目的】研究电商用户在多会话网购过程中的商品信息搜寻的行为特征、会话时间间隔特征以及购物网站使用特征,并探究行为背后的情境、原因和动力。【方法】基于某电商网站4 285个用户的1 409 160条访问日志,利用顺序分析和聚类分析方法挖掘用户信息搜寻行为特征,结合访谈研究行为背后的情境、原因等影响因素。【结果】多会话网购用户信息需求并不急切,较之搜索更倾向于查看商品详情;平均会话时间间隔为3-4天;继续原来购物任务的动力包括个人偏好、需求状态、支付能力、时间等方面的因素;用户主要通过搜索、购物车、收藏夹、同店或同款商品浏览、商品个性化推荐等途径回到原来购物任务。【局限】访谈结果受样本数量限制,不具有普适性。【结论】有助于理解用户的复杂网购行为,指导购物网站提高服务质量,改善用户体验。
Multi-session Product Information Seeking Behaviors, Motivation, and Influencing Factors [J].
【目的】研究电商用户在多会话网购过程中的商品信息搜寻的行为特征、会话时间间隔特征以及购物网站使用特征,并探究行为背后的情境、原因和动力。【方法】基于某电商网站4 285个用户的1 409 160条访问日志,利用顺序分析和聚类分析方法挖掘用户信息搜寻行为特征,结合访谈研究行为背后的情境、原因等影响因素。【结果】多会话网购用户信息需求并不急切,较之搜索更倾向于查看商品详情;平均会话时间间隔为3-4天;继续原来购物任务的动力包括个人偏好、需求状态、支付能力、时间等方面的因素;用户主要通过搜索、购物车、收藏夹、同店或同款商品浏览、商品个性化推荐等途径回到原来购物任务。【局限】访谈结果受样本数量限制,不具有普适性。【结论】有助于理解用户的复杂网购行为,指导购物网站提高服务质量,改善用户体验。
|
| [12] |
多会话网络购物商品信息搜寻行为研究 [J].https://doi.org/10.13266/j.issn.0252-3116.2015.14.017 URL [本文引用: 1] 摘要
[目的／意义]研究用户在多会话网购过程中的信息浏览、检索行为及其行为序列特征，以期更好地理解用户的复杂网购行为，指导购物网站提高服务质量，改善用户体验。[方法／过程]基于某电商网站1993名用户的11514个购物任务的网购访问日志，在识别多会话网购任务的基础上，对用户在经多个会话进行网购过程中的信息搜寻行为进行统计分析，并利用顺序分析和聚类分析方法挖掘其典型的行为模式。[结果／结论]当会话数量为8个及以下时，用户的浏览和搜索行为呈现出明显的规律性变化，且前4个会话发生时是用户做出购物决策的关键阶段；用户在多会话网购过程中存在6种典型的信息搜寻行为模式，分别有不同的信息搜寻行为特征。理解用户的复杂网购行为，可为电商网站设计导航和推荐策略、制定营销方案提供依据。
Product Information Seeking Behavior of Multi-session Online Shopping Tasks [J].https://doi.org/10.13266/j.issn.0252-3116.2015.14.017 URL [本文引用: 1] 摘要
[目的／意义]研究用户在多会话网购过程中的信息浏览、检索行为及其行为序列特征，以期更好地理解用户的复杂网购行为，指导购物网站提高服务质量，改善用户体验。[方法／过程]基于某电商网站1993名用户的11514个购物任务的网购访问日志，在识别多会话网购任务的基础上，对用户在经多个会话进行网购过程中的信息搜寻行为进行统计分析，并利用顺序分析和聚类分析方法挖掘其典型的行为模式。[结果／结论]当会话数量为8个及以下时，用户的浏览和搜索行为呈现出明显的规律性变化，且前4个会话发生时是用户做出购物决策的关键阶段；用户在多会话网购过程中存在6种典型的信息搜寻行为模式，分别有不同的信息搜寻行为特征。理解用户的复杂网购行为，可为电商网站设计导航和推荐策略、制定营销方案提供依据。
|
| [13] |
Portrait of an Online Shopper: Understanding and Predicting Consumer Behavior [C]// |
| [14] |
Web Services and e-Shopping Decisions: A Study on Malaysian e-Consumer [J].
The trend of the new world starts with online purchasing that caters today68s modern business and technological world. E-consumers are increasing tremendously around the world as the ways of purchasing become more user-friendly and the need for e-shoppers becomes more intense. The study focuses on perceptive and manipulating the decision of e-shoppers to create a base for marketers and consumers involved with Malaysian e-business market. Although Malaysia has been improving its E-commerce and the IT industry, most of the citizens still maintain a certain degree of thought when it comes to online purchasing. The researchers used comprehensive survey data to collect and analyze the e-consumers 68 perspective of shopping decisions. A total of 230 valid feedbacks were obtained from the respondents with the study proves that there are many factors affecting online purchasing decision. As a result internet purchasing will still be a strong upcoming upon the synchronization and understanding of the issues by both e-marketers and e-consumers. Keywords- e-consumers; online purchasing; e-marketing
|
| [15] |
Age, Gender and Income: Do They Really Moderate Online Shopping Behaviour? [J].https://doi.org/10.1108/14684521111113614 URL [本文引用: 1] 摘要
Purpose – The objective of this paper is to analyse whether individuals' socioeconomic characteristics – age, gender and income – influence their online shopping behaviour. The individuals analysed are experienced e‐shoppers i.e. individuals who often make purchases on the internet.Design/methodology/approach – The technology acceptance model was broadened to include previous use of the internet and perceived self‐efficacy. The perceptions and behaviour of e‐shoppers are based on their own experiences. The information obtained has been tested using causal and multi‐sample analyses.Findings – The results show that socioeconomic variables moderate neither the influence of previous use of the internet nor the perceptions of e‐commerce; in short, they do not condition the behaviour of the experienced e‐shopper.Practical implications – The results obtained help to determine that once individuals attain the status of experienced e‐shoppers their behaviour is similar, independently of their socioeconomic charact...
|
| [16] |
An Analysis of Factors Affecting on Online Shopping Behavior of Consumers [J].
The purpose of this study is to analyze factors affecting on online shopping behavior of consumers that might be one of the most important issues of e-commerce and marketing field. However, there is very limited knowledge about online consumer behavior because it is a complicated socio-technical phenomenon and involves too many factors. One of the objectives of this study is covering the shortcomings of previous studies that didn't examine main factors that influence on online shopping behavior. This goal has been followed by using a model examining the impact of perceived risks, infrastructural variables and return policy on attitude toward online shopping behavior and subjective norms, perceived behavioral control, domain specific innovativeness and attitude on online shopping behavior as the hypotheses of study. To investigate these hypotheses 200 questionnaires dispersed among online stores of Iran. Respondents to the questionnaire were consumers of online stores in Iran which randomly selected. Finally regression analysis was used on data in order to test hypothesizes of study. This study can be considered as an applied research from purpose perspective and descriptive-survey with regard to the nature and method (type of correlation). The study identified that financial risks and non-delivery risk negatively affected attitude toward online shopping. Results also indicated that domain specific innovativeness and subjective norms positively affect online shopping behavior. Furthermore, attitude toward online shopping positively affected online shopping behavior of consumers.
|
| [17] |
消费者在线购物车放弃行为影响因素的实证研究 [J].
网络购物的迅速发展，带来消费者在线购物车放弃行为的盛行。这一放弃行为，受到成本、商品、流程、服务、安全和经验等因素的影响，并据此提出研究假设与模型。实证研究表明，当网购成本、网购商品、网购流程、网购服务、网购安全与消费者心理预期越不相符时，当消费者网购经验越丰富时，消费者在线购物车放弃行为的可能性越大。
An Empirical Research on the Determinants of Consumers’ Online Shopping Cart Abandonment [J].
网络购物的迅速发展，带来消费者在线购物车放弃行为的盛行。这一放弃行为，受到成本、商品、流程、服务、安全和经验等因素的影响，并据此提出研究假设与模型。实证研究表明，当网购成本、网购商品、网购流程、网购服务、网购安全与消费者心理预期越不相符时，当消费者网购经验越丰富时，消费者在线购物车放弃行为的可能性越大。
|
| [18] |
第三方信息对网络购物决策的影响分析——以淘宝网为例 [J].
网络交易本质是一个信息对接、 信息选择的过程。交易信息化情境下,来自第三方信息支持不仅弥补了买卖双方信息不对性,而且提高了买家的交易市场地位,具有高效低成本、实时快速更新、双 向互动性三个特征。第三方信息成为影响消费者购买决策的重要参考信息。本文通过问卷调查,进行多元回归模型分析,检验了第三方信息对购买决策的影响程度。
Influence of Third-party Information on Purchase Decisions: An Analysis of Taobao [J].
网络交易本质是一个信息对接、 信息选择的过程。交易信息化情境下,来自第三方信息支持不仅弥补了买卖双方信息不对性,而且提高了买家的交易市场地位,具有高效低成本、实时快速更新、双 向互动性三个特征。第三方信息成为影响消费者购买决策的重要参考信息。本文通过问卷调查,进行多元回归模型分析,检验了第三方信息对购买决策的影响程度。
|
| [19] |
影响网上购物的不确定性因素分析 [J].https://doi.org/10.3778/j.issn.1002-8331.1212-0148 URL Magsci [本文引用: 1] 摘要
近几年逐渐掀起了网上购物热潮，网上购物确实快捷方便，但是消费者在进行网上购物时往往受到一些不确定性因素的影响。利用粗糙集理论对影响消费者网上购物的各种因素进行分析。结合实际交易过程收集影响消费者购买决策的各种因素建立网上购物模型，并对其做数据预处理构造网上购物目标信息系统。基于粗糙集理论对网上购物目标信息系统进行属性约简，得到约简集。详细分析了网上购物的隐含信息以及影响商家销售结果的关键因素，从而更好地指导商家进行销售。
Analysis of Uncertain Influence Factors of Online-shopping [J].https://doi.org/10.3778/j.issn.1002-8331.1212-0148 URL Magsci [本文引用: 1] 摘要
近几年逐渐掀起了网上购物热潮，网上购物确实快捷方便，但是消费者在进行网上购物时往往受到一些不确定性因素的影响。利用粗糙集理论对影响消费者网上购物的各种因素进行分析。结合实际交易过程收集影响消费者购买决策的各种因素建立网上购物模型，并对其做数据预处理构造网上购物目标信息系统。基于粗糙集理论对网上购物目标信息系统进行属性约简，得到约简集。详细分析了网上购物的隐含信息以及影响商家销售结果的关键因素，从而更好地指导商家进行销售。
|
| [20] |
Capturing Evolving Visit Behavior in Clickstream Data [J].https://doi.org/10.1002/dir.10074 URL [本文引用: 1] 摘要
Many online sites, both retailers and content providers, routinely monitor visitor traffic as a useful measure of their overall success. However, simple summaries such as the total number of visits per month provide little insight about individual-level site-visit patterns, especially in a changing environment such as the Internet. This article develops an individual-level model for evolving visiting behavior based on Internet clickstream data. We capture cross-sectional variation in site-visit behavior as well as changes over time as visitors gain experience with the site. In addition, we examine the relationship between visiting frequency and purchasing propensity at an e-commerce site. We find evidence supporting the notion that people who visit a retail site more frequently have a greater propensity to buy. We also show that changes (i.e., evolution) in an individual's visit frequency over time provides further information regarding which customer segments are likely to have higher purchasing conversion rates.
|
| [21] |
Predicting Online Purchasing Behavior [R]. |
| [22] |
Consumers’ Travel Website Transferring Behaviour: Analysis Using Clickstream Data-time, Frequency, and Spending [J].https://doi.org/10.1080/02642060903026254 URL [本文引用: 1] 摘要
Using clickstream data, this research aims to predict e-travellers' purchasing behaviours by observing websites transferring phenomena. Clickstream data are useful in predicting e-travellers' behaviours, in that they provide the detailed transactional information that is tracked and recorded [Bucklin, R.E., Lattin, J.M., Ansari, A., Gupta, S., Bell, D., Coupey, E., et al. (2002). Choice and the Internet: From clickstream to research stream. Marketing Letters, 13(3), 245 258]. This research proposes that an e-traveller's purchasing behaviour is explained as a function of search motivation and on-site involvement. An e-traveller who deliberately enters a travel website in a direct access manner (i.e. typing the URL) is hypothesized to be linked with a goal-directed search motivation, whereas a referring website transferred consumer (i.e. transferred from other websites) is associated with an exploratory search motive. An e-traveller who approaches a travel website in direct access manner is expected to purchase more in comparison with a website transferred e-traveller. Subsequently, the relationship between situational involvement level and purchasing behaviour as an on-site effect is examined. The website duration and the number of pages viewed within a travel website are linked to the involvement levels (i.e. high vs. low) by the dual cognitive paths (i.e. central route vs. peripheral route). Lastly, the interaction effect between website transfer and the website duration, the number of pages viewed on the purchased amount, is examined. Using 1190 online panels, hierarchical regression analysis is performed to test the proposed research questions. The results reveal the referring website transferred consumers purchase less than non-site transferred e-travellers. The longer an e-traveller stays on the website and the fewer pages viewed, she or he is more likely to purchase. However, this effect is reversed for the website transferred group of e-travellers.
|
| [23] |
Browsing2purchase: Online Customer Model for Sales Forecasting in an E-Commerce Site [C]// |
| [24] |
电商用户需求状态的聚类分析——以淘宝网女装为例 [J].
[Objective] It's vital to detect the consumers' shopping needs in the e-commerce environment by mining clickstream logs so as to achieve effective shopping guidance. [Methods] This paper first marks page types that users visit in Taobao.com, then uses K-means cluster to analyse the visit session data. Two clustering indexes are used, that are page-type and page-complexity. [Results] Based on page types, the visit sessions are clustered to four user need states, including direct management, continuous searching, product browsing and information seeking. The four types are then categorized into nine detailed ones based on page complexity. [Limitations] The effectiveness of the user need state analysis needs to be further validated in real-world environment. [Conclusions] It is an effecitve and operable method to detect and denote the e-shopper's need states by clustering analysis of the visiting sessions.
The Probing of E-commerce User Need States by Page Cluster Analysis——An Empirical Study on Women’s Clothes from Taobao.com [J].
[Objective] It's vital to detect the consumers' shopping needs in the e-commerce environment by mining clickstream logs so as to achieve effective shopping guidance. [Methods] This paper first marks page types that users visit in Taobao.com, then uses K-means cluster to analyse the visit session data. Two clustering indexes are used, that are page-type and page-complexity. [Results] Based on page types, the visit sessions are clustered to four user need states, including direct management, continuous searching, product browsing and information seeking. The four types are then categorized into nine detailed ones based on page complexity. [Limitations] The effectiveness of the user need state analysis needs to be further validated in real-world environment. [Conclusions] It is an effecitve and operable method to detect and denote the e-shopper's need states by clustering analysis of the visiting sessions.
|
| [25] |
Detecting Session Boundaries from Web User Logs [J].https://doi.org/10.3406/psy.2000.28665 URL [本文引用: 1] |
| [26] |
The Effects of Web Site Aesthetics and Shopping Task on Consumer Online Purchasing Behavior [C] // |
/
| 〈 |
|
〉 |
