浅析团购网站的商品选择策略

网络团购这种新型的消费模式正日渐渗透到人们的日常生活,挑战消费者的消费观念。如何在众多团购网站中脱颖而出,如何使网站常胜不败,最重要一环是团购网站应该对开团商品进行合理选择。文章通过对团购数据的整理和分析,总结出了团购网站商品选择的一般性策略。开团商品最为重要的是餐饮美食团购,其次依次是精品购物、休闲娱乐、生活服务、酒店旅游和其他。本文从服务商品边际成本低、能实现薄利多销、团购网站的广告作用三个方面对团购网站商品选择策略的成因进行了分析。     

基于网络购物的服务质量与顾客满意及忠诚度研究

网络购物改变了人们的传统购物模式。随着越来越多的顾客参与网络购物,网络购物服务商必须改进服务质量、提高顾客满意度来吸引顾客。文章根据SERVQUAL模型,研究基于网络购物的服务质量各维度与顾客满意和服务忠诚度之间的关系。结果表明,服务质量与顾客满意、服务质量与顾客忠诚及顾客满意对顾客忠诚有着显著相关,但服务质量各维度对顾客满意和服务忠诚度有着不尽相同的影响。     

移动通信业的客户细分和保持策略

文章在考虑到客户的过去利润贡献、未来收益和客户流失率的情况下,针对电信运营商的客户特点,给出了客户当前价值、客户潜在价值和客户忠诚度的计算方法和过程,提出一个基于客户当前价值、客户潜在价值和客户忠诚度三维移动客户细分模型,并针对不同的细分群体提出相应的客户保持策略,为电信运营商有针对性地开展客户维系和新业务开拓工作提供科学的方法。     

基于Logistic模型的市场细分——以手机为例

市场细分在战略营销中占据着极其重要的地位。营销大师Kotler等（1999）把市场细分定义为“将市场划分为有着显著需求、特征或行为差异的不同群体的消费者，每一群体的消费者对产品或营销组合有着同质的需求”。Dibb等（2001）认为，市场细分就是将具有异质特征的消费者进行聚类的过程，细分后的每一类消费者具有相似的需求或购买特征。企业则根据自身的资源和外部竞争情况从中选择自己具有比较优势或认为更具有投资价值的细分市场作为企业的目标市场。     

基于新三维客户细分模型的线上会员客户价值研究

从客户的当前价值、潜在价值、忠诚度价值三个方面出发,建立适用于线上企业的会员客户价值评价指标体系。同时,在传统RFM模型的基础上构建了新三维的客户细分模型,并根据改进的客户价值细分维度进一步细分客户,利用主成分分析法计算每个客户群的价值得分。最终选取某网站的会员客户数据进行算例分析,通过识别不同客户群体、价值和状态,为企业实施精准营销提供更加细致的客户细分依据。     

基于畅体验的消费者网络购物行为的实证研究

在电子商务环境下更需要了解人们的购物心理和影响消费者参与网上购物的原因。文章以消费者畅体验为研究网络购物意愿的切入点,讨论了网站特征和消费者特征对消费者畅体验的影响机制,以及畅体验和消费者网络购买意愿的关系。通过实证调查和统计分析,验证了网站的互动性、娱乐性、网站服务品质、消费者网络密切度、个体认知新奇性等对消费者畅体验有正向影响。网站可通过提高与消费者的互动性、娱乐性等来提升消费者的网络购买意愿。     

消费者对移动支付服务商的信任维度实证研究

移动支付作为关键技术环节制约着移动商务的发展,而消费者对移动支付服务商的信任是影响消费者是否采纳移动支付的主要障碍。首先,通过文献回顾形成消费者移动支付信任构成初始量表,然后对在线收集的425份样本进行主成分因子分析,萃取出能力、正直和善意三个信任维度,累计解释了76.085%的方差,信度检验显示三个信任维度Cronbach'sα值均大于0.8,一阶和二阶验证性因子分析表明量表建构效度理想。研究结果表明,三个维度中正直信任对消费者总体信任水平影响程度最大,其次分别是善意信任和能力信任。     

“滴滴出行”服务质量对顾客满意度和忠诚度影响的实证研究

运用SERVQUAL量表和转换成本的理念,从服务质量、转换成本、乘客满意度和忠诚度四个维度,建立"滴滴出行"的服务质量-转换成本-顾客满意度-忠诚度的结构方程模型,并结合南昌市实际调查数据,运用二阶验证性因子分析和路径分析方法定量研究各变量对乘客满意度和忠诚度的影响。研究显示,"滴滴出行"服务质量包括安全性、有形性、可靠性、响应性和移情性5个维度;服务质量、转换成本正向影响乘客满意度和忠诚度,且服务质量的影响最为明显。对此,提出制定切实可行的网约车服务质量控制标准,有序规范市场环境;提升可靠性和响应性,增加安全性、移情性和有形性;提高平台治理能力,继续推进优惠政策等建议。     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

基于购买行为RFM及评论行为RFMP模型的客户终身价值研究

在Web2.0时代,越来越多的消费者在购物网站、点评类网站以及社交类网站上发表自己对产品或服务的相关看法,由此对企业产生了巨大的影响。针对用户在线评论行为所产生的价值,以传统的RFM模型为基础构建了基于评论行为的RFMP模型。同时将购买RFM和评论RFMP模型进行结合,提出了适用于线上企业的客户终身价值评价方法,采用熵值法进行了指标权重的确定,并最终选取大众点评网的实际用户数据进行了传统客户终身价值与改进客户终身价值的对比。通过对用户群进行细分,为企业提供了更加精准的营销决策及管理建议。