在线口碑传播的意见领袖识别方法研究

Web2.0技术应用的不断深化,使得越来越多的用户在网络上发布对产品、服务、品牌或企业的评价,这些在线口碑极大影响着消费者的购买决策和企业的声誉、利润,如何识别出在线口碑传播中的意见领袖对企业有着重要价值。本文结合RFM模型和情感词自动判别方法,考虑情感(S)这一个新的指标,提出了RFMS模型来测量在线口碑发布者的影响力,应用人工神经网络识别出意见领袖,以程度中心性来评估识别结果的有效性。本文采用网络上获取的大众点评网的美食评论语料,对所提出的方法进行了数据实验,实验结果表明,该方法能够精确识别出意见领袖。     

网络商店的在线口碑传播:信任的中介及性别的调节作用

论文通过研究消费者关于网络商店商品价值和商业政策的感知对其信任及在线口碑传播的影响,并以信任-承诺理论为基础,探讨消费者的信任在感知价值、商业政策与在线口碑传播之间的中介作用。另外还探讨了不同性别消费者的信任对在线口碑传播影响的差异。实证研究结果表明,感知价值、商业政策有助于提升消费者对网络商店的信任,从而形成在线口碑传播,而信任在感知价值、商业政策与在线口碑之间起着完全中介作用。结果还显示性别对于信任与在线口碑传播之间关系的调节作用,男性消费者的信任对其在线口碑传播比女性具有更强的影响。     

口碑传播研究综述及其在网络环境下的研究初探

随着平民传播时代的到来,口碑传播研究再次兴起,尤其是电子口碑传播的研究,引起了实践界和理论界极大的关注。为此,从口碑传播的内涵、理论、主体、客体、效果、过程和研究方法等几个方面,通过对国内外有关经典口碑传播和电子口碑传播的研究进行系统性的梳理和评述,并在此基础上提出一个综合性理论框架解释电子口碑传播行为模式。     

消费者矛盾性对正面在线口碑信息处理的影响

在线购物的非实体性使消费者态度具有突出的矛盾性。通过两个实验针对不同消费者群体和目标商品,采用2(高矛盾性,低矛盾性)×2(主观性正面口碑,客观性正面口碑)的组间实验,探索消费者在线购物时初步态度矛盾性对于消费者进行正面口碑信息的处理方式和口碑说服力的影响。研究结果显示,初步态度高矛盾性的个体(相对于初步态度低矛盾性的个体)的信息量阈值更高,投入更多努力,采取更多系统式处理方式;面对相同的正面口碑信息,却更难以降低其矛盾性;对于正面口碑信息的主客观性特征更为敏感。同时,客观性正面口碑比主观性正面口碑对于降低个体态度矛盾性的作用更大。     

在线负面口碑处理的专家识别方法研究

现有专家识别大多建立在专家知识能力的基础上，然而在负面口碑处理的专家识别中，仅考虑知识能力并不能满足各主体的价值需求。本文从资源角度理解专家识别，建立了专家识别资源映射框架，并依据此框架分析了专家识别的显性资源映射和隐性资源映射过程。除了考虑直接体现用户专业水平的知识能力，还考虑了专家参与的情感抚慰能力和互动程度能力，以此构建的人工神经网络模型在实验中表现出了良好的性能。     

口碑传播对消费者态度的影响：一个理论模型

尽管大量有关口碑传播的文献论证了口碑的影响力，但很少有文献能够回答口碑通过什么途径发挥作用这一问题。本文认为口碑通过影响消费者的态度．进而影响实际的购买行为。为此，我们构建了一个理论模型，用以论证口碑对消费者态度的影响及其调节因素，指出了口碑信息对消费者态度的作用路径及方式。最后，讨论了这一理论模型对于企业营销实践的启示。     

网络口碑动机与口碑行为的关系研究

了解消费者网络口碑传播的动机与行为规律是企业制定针对性网络口碑营销策略的重要前提。本文在深入访谈和问卷调查的基础上,通过因子分析发现了消费者口碑传播的九种动机,并采用回归分析研究了动机与口碑传播行为的关系,发现社区兴盛、信息回报、情感分享、支持/惩罚商家、改进服务、提升形象和获得奖励这七种动机对口碑传播行为具有显著影响。     

企业营销中的口碑传播影响因素

口碑营销,是指企业或相关单位在买方市场条件下,对自己的产品或服务进行某一方面或几方面的口碑设计,让非生产人员（如消费者、经销商等）在消费或接触这些产品时所获得的实际利益超过他们的预期,并通过他们向其他人介绍并赞赏这些产品,进而增加产品销量的一种营销方式。口碑营销既是一种营销方法,又是一种营销思想,即通过提供有价值的产品和服务,利用消费者之间的主动传播来实现营销信息传递的目的。企业创造口碑不是目的,让口碑传播开并增加销量才是目的。但口碑传播不能仅仅依靠消费者自觉完成,企业应主动分析口碑传播的优势,采取有效策略,加速口碑的传播。     

网络口碑决定产品命运吗——对线上图书评论的实证分析

网络口碑通过什么机制来影响体验型产品的销售?它主要通过知晓效应还是说服效应来影响消费者的决策?网络口碑的内生性在其中又起到了什么样的影响?本文运用真实的线上消费者评论数据来研究网络口碑对图书销量的影响。我们发现,内生性对于分析结果有显著影响。在考虑内生性后,网络口碑中评论分数对销量的影响消失了,而其影响主要来自于评论数量。这说明网络口碑主要通过让更多消费者知晓产品来促进销量,而说服消费者购买的作用并不显著。     

基于Petri网的微博网络信息传播模型

微博网络中的信息传播模型是分析用户行为,找出传播路径,确定领袖人物,发现舆情热点等研究的基础。虽然多种不同角度的信息传播模型已经得到广泛研究,但缺乏对信息动态传播过程的直观描述。本文基于Petri网的结构和特征,针对微博网络信息传播过程,提出了一种简单直观的描述模型,该模型首先对微博网络的信息动态传播过程中的对象进行结构化描述。本文根据微博网络的用户结构关系,并利用Petri网的相关理论,形式化解释和定义信息传播基本对象,从而更加直接描述了微博网络中的转发、评论、回复等多种用户行为。在此基础上,本文利用Petri网能够描述信息流动问题的特征,结合颜色Petri网和时延Petri网,从Petri网系统的角度表示信息动态传播路径,并研究网络的动态性质和传播条件,使得信息传播模型更加真实地模拟信息传播情况。最后本文分析信息传播算例和新浪微博真实数据实验,验证了模型的有效性和可行性,为舆情态势分析以及用户行为的研究提供帮助和支持,同时也为其它社交网络信息传播的用户行为描述提供了新的思路。     

基于供应链绩效的网上逆向拍卖模型

市场经济下对于买方的卖方竞争越来越激烈,随之出现的网上逆向拍卖成为流行的交易方式,将网络逆向拍卖引入供应链交易环境中可以在很大程度上改变供应链上企业的行为和企业间关系,使合作和竞争的企业关系在供应链上共存,并降低信息、交易和参与成本,从而可以改善供应链的绩效.把VCG付费机制和网上逆向拍卖机制引入到供应链成本分析中,构建拍卖过程中考虑与不考虑运输成本影响时的供应链总成本模型,通过对多家企业的实际数据进行分析表明,在供应链交易环境中,如果拍卖人在拍卖过程中同时考虑生产成本和运输成本的影响,网上拍卖可以较大程度的降低供应链总成本,而且只会引起供应链上企业成本的小幅上涨,对整个供应链效益是有益的.     

基于“拆分-填充-分解-集成”的我国线上零售额预测研究

线上零售额的准确预测是政府制定零售政策和发展规划的依据,也是电商和物流企业确定发展战略的基础。由于我国线上零售额数据具有样本量小、波动性大、受节日影响大、存在缺失值等特征,准确预测变得十分困难。为解决这个问题,本文提出了一种“拆分-填充-分解-集成”的预测框架。具体而言,首先将数据集拆分为实物零售数据与非实物零售数据两部分。其次,分别根据实物零售与非实物零售数据不同的缺失特征对样条插值法做了改进,提出了基于“样条插值-二分调整”的分解填充法以及基于“分段线性函数拟合-样条插值”的分解填充法,对两组数据进行缺失值填充。继而基于两组数据的不同特征,分别提出“乘法分解-ARIMA-移动平均”以及“STL分解-BP神经网络-灰色波形”的预测方法对两组数据进行预测。最后将两组预测结果集成,得到我国线上零售额的预测值。实证结果表明,本文提出的预测框架能较好地捕捉我国线上零售额数据的特征,具有很高的预测精度,且较传统的缺失值填充和预测方法在性能上表现更好。本文提出的“拆分-填充-分解-集成”预测框架,丰富了现有的缺失值填充与预测方法,并为预测实践提供了解决方案。     

基于平衡计分卡的CRM有效性评价模型研究

客户关系管理(CRM)是二十一世纪的主导战略之一.由于CRM的复杂性,目前对CRM有效性评价的研究还很少.考虑到平衡计分卡(BSC)的优点,本文建立了一个基于BSC的CRM有效性评价模型,该模型包含四个视角:客户知识、客户交互、客户价值、客户感知价值.通过对四个视角的作用分析,构造了四个视角的评价矩阵,并通过一个案例研究验证了该模型的可行性和有效性.     

基于SERVQUAL的消费者网上重复购物行为研究

网站的服务质量(特别是售后服务质量)将决定消费者是否再次到该网站购物,已有的研究重视网站的技术方面(如安全)对消费者购物行为的影响,较少关注网站服务的作用.基于服务质量的重要性,提出了基于SERVQUAL的消费者网上重复购物行为模型.研究结果发现,服务质量的核心构件--服务水平(包括可靠性、响应性、保证性)是影响消费者对网站信任及满意度并进而决定其网上重复购物动机的重要因素,可见性和移情性对消费者信任没有显著作用,但二者对满意度具有显著作用.     

基于多源大数据的个性化推荐系统效果研究

  个性化推荐系统已成为各大电商向消费者提供个性化购物体验的重要工具之一,通过推荐系统,商家可以提高收入和消费者满意度。但传统推荐系统通常只利用消费者在当前网站的历史信息推荐个性化商品,无法获得消费者在其他网站的数据来优化推荐效果。大数据时代,一些第三方公司抓住机遇,利用不同公司的多源大数据提供更好的个性化推荐服务。然而,这种新型的推荐系统对消费者购物行为的影响存在极大的未知性。         探究基于多源大数据的个性化推荐系统对消费者购物行为的影响。为了建立推荐系统与消费者购物行为之间的因果关系,采用实地实验有效地避免传统研究方法存在的内生性问题,并具有较好的外部有效性。一方面,基于内部数据和外部数据构造解释性变量,探究内部数据特征和外部数据特征与推荐效果之间的关系;另一方面,通过检验消费者特征与内外部数据的推荐效果间的交互效应,进一步分析外部数据和内部数据的推荐效果如何随消费者的特征变化,帮助企业更好地利用多源大数据提升推荐效果。         研究结果表明,基于内部数据的推荐系统能够显著提升消费者点击个性化推荐商品的概率,可以降低消费者决策时间,激励消费者浏览更多的商品。外部数据的推荐效果不仅与外部公司网站的用户数量相关,也会受到外部网站与当前网站的关联程度的影响。消费者特征对基于内部数据和外部数据的推荐效果起调节作用,如果消费者是当前网站的老用户,利用该消费者在当前网站的内部数据提供个性化推荐的效果更佳。         通过分析基于多源大数据的推荐效果对消费者购物行为的影响,进一步完善个性化推荐领域的理论框架。研究结果对如何利用多源数据构建更加有效的推荐系统具有重要指导价值,并为不同网站之间的数据共享机制提供重要的管理建议。     

基于网络搜索信息的农村水环境质量灰色预测模型

针对农村水环境直接监测数据相对缺乏、间接数据难以有效引入的问题,综合灰色关联分析和预测模型,提出一种基于网络搜索信息的农村水环境质量灰色预测模型。首先,综合考虑数据重要性和可获得性,确定农村水环境相关的搜索关键词清单;然后,采用主成分分析法提取搜索关键词的主要特征,构建初始网络搜索变量,并利用灰色绝对关联度衡量各初始网络搜索变量与水环境质量之间的关联程度。在此基础上,构建不同频率数据的多变量离散灰色模型,将强关联变量的降频数据作为多变量离散灰色模型的驱动因素,从而构建基于网络搜索信息的农村水环境质灰色预测模型。实例分析结果表明,相对于传统灰色模型,引入网络搜索信息可以提高农村水环境预测精度,为农村水环境治理提供决策支持。