基于在线数据的电商促销影响因素分析

赵兵兵 王兴芬

内容摘要：本文在分析電商平台信用评价模型的基础上，结合现有促销问题的实证研究，通过八爪鱼、excel等工具收集和整理淘宝平台促销期间和非促销期间的交易数据，并从商家基本信息和交易信息两个方面获取商家信用影响因素，利用熵权法和GRA-Dematel模型并结合matlab软件对各因素的影响程度进行量化，最后从计算结果对各因素的重要程度进行排序，以此为商家的促销活动做出指导。同时文章还指出平台在进行信用评价时还要考虑商品价格和店铺时长等因素，这有利于改进电子商务促销活动现状，使其健康发展。

关键词：电子商务   促销   熵权法   GRA-Dematel

中图分类号：F713   文献标识码：A

近年来，电子商务发展迅速。2009年淘宝为提高销量举行了“双十一”促销活动，这为其带来了巨大收益。如图1所示，淘宝“双十一”的交易额逐年增长，其占全年交易额的比重也逐年上升。但在网络促销背景下，消费者的相关投诉也越来越多，其暴露的问题包含了商品质量、售后服务、物流运输等各个方面，这严重制约了电子商务促销活动的健康发展。“双十一”网购节综合信用评价报告指出：2015年52.99%的电商促销商品出现先提价后降价问题;2016年有62%的电商促销商品被消费者投诉促销不实;2017年促销电商商品价格先涨后降现象依然普遍。2017年的“315”报告中指出电商投诉案件增长为48.02%，创下了历史新高。这种现象的出现与“双十一”、“黑五”等电子商务促销活动关系密切。除此之外，刷单、刷好评率、货不符实等问题也严重影响了促销活动的发展，这些问题亟待解决。

研究现状

针对电商促销活动，各界学者纷纷做出研究。张欣（2016）认为影响电子商务促销的因素有促销内容的渲染力、产品和服务的质量、促销的公开性等，其提出进行促销活动时要注意产品与服务的质量以及构建安全可靠的促销体系;孙钰（2017）从商家角度利用促销历史数据对促销活动的短期效应进行分析，认为促销活动会引起促销时期和非促销时期商品交易量的巨大差额，商家在进行促销活动时要考虑巨大的交易差对店铺的长期效应;林巧妍（2018）通过分析“双十一”发展原因，得出“双十一”的促销策略包括广告营销、优惠券促销、尝鲜预售和提前透漏促销价格、饥饿营销等，但是也指出了促销活动存在商家不诚信行为，最终得出“双十一”促销成功来源于促销策略的正确性;孙依婷（2017）基于“刺激-机体-反应”的模型研究促销策略对消费者冲动性购买的作用，利用分层回归得出价格折扣、时间压力和销售氛围等因素对消费者冲动型购买有显著影响;谢琦（2018）从“双十一”销售数据入手，利用因子分析和回归分析等方法研究影响促销商品销量的因素，其研究表明折扣、价格、销量及差评等会影响商品销量;邱森晖（2018）在文章中指出，商场价格促销对消费者购买意愿有较大影响，因此商家要通过对不同类型消费人群分析制定营销策略，从而提高促销效果。而针对电子商务信用评价指标体系，各学者也纷纷提出自己的意见。张瑞玉（2015）从店铺时长、收藏量等因素探究其对商家信用变化的影响，从店铺信息、商品、卖家服务等方面建立C2C电商信用评价体系，利用matlab计算得出信用值，从而客观而准确的反应商家的信用变化;傅晓锋（2012）认为现有的信用评价模型存在严重漏洞，不仅要改变现有的评价规则，还应该考虑交易金额和买家好评等因素对信用变化影响;金敏力（2012）在研究中指出，现有的评价体系中商品的信用评价没有考虑到店铺时长与商品价格对评价的影响，从而导致了部分商家利用这些漏洞进行不诚信行为。通过电商促销现状调查研究显示，现有的信用评价模型在大型促销时存在以下问题：一，促销活动的降价政策不利于消费者正确认识商家的真实信用水平;二，现有评分机制难以保证其评价的真实性;三，电商促销活动依赖于线上网络平台，消费者所掌握的信息均由商家提供，这造成了信息不对称。文章在此背景下提出，目的是通过分析大型促销活动期间商家的促销行为，找出影响商家信用评价的因素，并利用数据分析工具对商家交易信息进行研究分析，找出影响信用评价的重要因素，以期为电子商务促销活动做出指导。本文利用在促销活动前后获取的电商网站交易数据，通过matlab等工具对其进行数据处理和数据分析，同时在文献阅读和实例分析的基础上加入店铺基本信息和店铺交易信息等影响因素，最后利用熵权法和GRA-Dematel方法对比分析其影响因素的重要程度，从而为商家管理决策与消费者购买提供数据支持。

促销期间信用影响因素分析

（一）数据收集

根据《2016年“双十一”网购节综合信用评价报告》显示，消费者对服装类商品的偏好占43%，稳居第一。并且在消费者投诉中，“双十一”促销活动中消费者投诉最多的商品也是服装类。因此本文选择服装类商品作为研究对象，首先在服装类别下选取“618大促”的夏季类商品并获取其淘宝链接，然后利用八爪鱼自定义抓取商品的详细情况链接，之后根据商品详情链接再利用八爪鱼获取店铺基本信息和店铺交易数据，最后导出数据将其储存在excel表中。本次研究文章通过八爪鱼收集到淘宝“618”服装类商品促销数据近两千条，商品详情页采集的情况包括商品地址链接、商品价格、交易成功数、店铺名称、收藏数、商品好评、商品名称、店铺时长和卖家信用，其中商品交易数据均以月为时间单位。本文在促销结束后，利用商品地址链接重新收集非促销期间的商品详情页数据作为比较数据，数据收集完成后计算其促销前后的店铺数据以及交易数据的对比值，其包括促销时期和非促销时期的交易差、好评差以及收藏差。

（二）评价指标

由于促销期间的优惠活动会促使消费者加大购买力度，店铺的一系列交易数据将产生较大变化，故本文将店铺交易信息的变化作为促销期间评价指标以反映促销期间店铺真实信用。基于金敏力和孙钰的研究，结合电子商务促销交易流程研究，本文选取以下几个因素分析研究：一，店铺基本信息。其包括店铺信用与注册时长。注册时间短的店铺为了达到与其他店铺相同的信赖度，有更大的可能会依靠双十一活动获得销售量和信用的提升。注册时长以店铺注册之日到数据收集时刻;二，店铺交易信息。其包括商品价格、店铺交易量变化、店铺收藏量变化、商品好评量变化、商品差评量变化。店铺交易数据的变化均为促销前一个月的交易数据和促销后一个月的交易数据的对比。促销活动的优惠可带来大量的交易量，通过店铺收藏数据和交易量可以判断商品的受欢迎程度，而好评的多少则反映消费者的售后体验。由于促销活动的交易量巨大，本文选用促销时期和非促销时期的交易量数据变化等作为因素研究，这一方面能够降低数据过大带来的处理难度，另一方面通过交易量变化可以展现促销带来的巨大效益。

（三）熵权法评价指标

在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小;信息量越小，不确定性越大，熵也越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个因素的离散程度，因素的离散程度越大，该因素对综合评价的影响（权重）越大。比如样本数据在某因素下取值都相等，则该因素对总体评价的影响为0，权值为0。熵权法是一种客观赋权法，因为它仅依赖于数据本身的离散性。利用熵权法对影响因素赋权可以避免人为因素的影响，从而使评价结果更符合实际。通过对各因素熵值的计算，可以衡量出影响因素信息量的大小，从而确保所建立的影响因素整体能反映绝大部分的原始信息。文章中的原始信息为促销活动的交易数据，熵权法的结果可以直观的展示促销活动数据包含的信息。本文通过八爪鱼抓取到淘宝促销前后店铺的交易数据，根据促销报告和实际研究选取评价因素为店铺时长、商品价格、促销期间和非促销期间交易变化、好评变化、收藏变化、差评变化、卖家信用并利用熵权法对其进行数据分析，最后通过matlab计算得出各因素的权重值如表1所示。

熵权法的权重反应的是每个影响因素对整体影响作用的大小，结果显示，在整体影响因素中所占权重最大的是交易变化为0.2443，其次是差评变化，第三是商品价格变化，第四是店铺时长，第五是好评变化，第六是卖家信用，第七是收藏变化。

（四）基于灰色关联分析的Dematel模型

灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度，其代替传统的专家打分法通过数据分析和处理来确定因素间的相关性和影响程度。Dematel模型是一种用来筛选复杂的主要要素，简化系统结构分析的过程而提出的方法论，这种方法是充分利用专家的经验和知识来处理复杂的社会问题，尤其是对那些要素关系不确定的系统更为有效。文章用改进的GRA-Dematel方法对相关数据分析和处理，用灰色关联分析代替打分，从而排除人为因素的干扰以确定各因素的影响程度。本文利用matlab计算得出影响因素的影响度、被影响度，并根据影响度和被影响度得出中心度和原因度。中心度是影响度和被影响度的和，表明该因素在整体评价中所起作用的大小;原因度是影响度和被影响度之差，表示此因素对其它因素的影响程度。为了直观展示分析结果，本文根据表2的中心度和原因度数值和表3绘制出各影响因素分析图如图2所示。

从中心度结果可以看出，在整个评价体系中对信用评价影响最大的因素是交易量变化，其次是差评变化以及商品价格和店铺时长;从原因度可以看出A3、A5的原因度最低，说明收藏变化受其他因素的影响较大。A1的原因度较高，说明交易变化其他因素的影响较大。因此，只有综合考察各影响因素，才能在一定程度上得到较公正的商家行为评价。

（五）結果分析

通过熵权法的权重和GRA-Dematel的中心度、原因度对比分析可以看出，在商家信用变化的影响因素中两种方法得出的影响因素排序是相同的，最大的影响因素是商家促销期间和非促销期间的交易变化，其次是差评变化，店铺时长和商品价格。其中交易变化对其他因素的影响程度最大，收藏变化受其他因素的影响较大。现有平台的电子商务信用评价仅根据消费者的好评和差评量进行计量，这种方式在交易量巨大的情况下商家很容易获取信用值的增长，因此，平台在对商家进行信用评价时要考虑多方面因素，只有综合评价才能得到相对公正的结果，这样得出的商家信用才能正确地指导消费者的购买活动。

结论

文章从商家促销活动出发，从促销实际情况以及电商研究报告得出虽然现阶段电商促销活动比较繁荣，但是通过消费者投诉也可以看出电商促销活动中也存在严重的问题，这些问题的长期存在不利于促销活动的健康发展。因此本文通过熵权法和GRA-Dematel方法对交易数据对比分析研究促销影响因素的重要程度，结果表明商家交易活动中影响因素较大的是交易变化和差评变化，因此商家在促销活动中要从差评因素出发，研究差评出现原因，并收集消费者的建议，从促销各个环节改进，提高消费者的购买体验，从而减少差评，保证促销活动的发展;并且电商平台在信用度量时也要考虑相关因素的影响，从而客观的评价信用值。此外，文章在研究中还存在一些不足，首先，选取的电商促销影响因素还不够全面，在之后的研究中应加以丰富;其次，本文的数据有局限性，后续要综合连续几年和多个平台的促销数据进行研究。

参考文献：

1.信用中国.2017年“双十一”网购综合信用评价报告.http：//www.creditsd.gov.cn/21.news.detail.dhtml？news_id=67515

2.张欣.浅析电子商务环境下促销手段的创新[J].科技创新与应用，2016（20）

3.孙钰，董平军.电商促销活动效应分析-以聚划算为例[J].品牌建设，2017（4）

4.林巧妍.小议“双11”天猫品牌店铺促销策略[J].市场营销，2018

5.孙依婷.电商促销策略对消费者冲动性购买行为的影响机制——冲动性购买意愿的中介作用[J].黎明职业大学学报，2017（2）

6.谢琦，邵晓峰.电商大型促销活动下商品销量的影响因素研究[J].上海管理科学，2018（3）

7.邱森晖.商场价格促销对消费者心理和行为的影响[J].商业流通，2018（17）

8.张瑞玉，刘健，左敏.BP神经网络的C2C电子商务信用评价模型的建立[J].探索研究，2015（2）

9.傅晓锋.C2C电子商务网站的信用评价初探——以淘宝网为例[J].电子商务，2012（10）

10.金敏力，张晨.C2C电子商务信用评价体系改进研究[J].电子商务，2012（5）

11.信用中国.2016年“双十一”网购节综合信用评价报告.http：//www.creditsd.gov.cn/21.news.detail.dhtml？news_id=67515

12.李若愚，王兴芬.GRA-Dematel 在网络零售商家信用评价影响因素分析中的应用[J].商业经济研究，2017（22）