大数据视角下健康监测类商品销量影响因素研究

摘 要：随着经济的快速发展，愈来愈多人关注自身的健康状况，智能手环作为人们主动进行健康管理的标配，愈发受到关注。然而网络零售平台门槛较低，使其同质化严重。而缓解这一问题的有效途径，就是要充分了解消费者购买手环的关注点，而数据分析可为其提供解决方法。因此，本文构建了商品销量影响因素模型。首先，采用Python语言抓取淘宝网智能手环的销量数据；其次，对数据进行预处理；最后，建立模型，并进行异方差检验、残差检验、多重共线性检验、稳健性检验，进一步修正模型，确定手环销量的影响因素：手环累计评价数、品牌知名度、赠送运费险、具有监测心率功能对手环销量有显著正向影响。

关键词：健康监测；影响因素；智能手环；回归分析

一、引言

目前，我国疫情时代已然过去，然而短时间内疫情影响很难消散，医疗健康成为影响最大、最紧迫、最受人们关注的问题。研究表明，由于人们对医疗资源的需求急剧上升导致医疗资源面临巨大压力，同时又陷入医疗资源短期内无法大幅度增加的窘境，而有效缓解这一矛盾的关键在于提供更多途径、更高质量的医疗健康服务。智能手环作为最受关注的智能穿戴设备之一，已成为人们主动进行健康管理的标配。然而，由于电商平台的透明化，导致其准入门槛较低，智能手环也面临同质化严重、用途局限等问题。由此可见，智能手环面临巨大挑战，而分析智能手环的销量影响因素，是依据消费者的消费行为洞悉消费者的需求，更有助于明晰改进方向。本文通过分析智能手环的销量影响因素，深挖消费者的需求，从而推动智能手环的改革，以提升消费者体验。

智能手环因其易于携带已成为炙手可热的可穿戴产品之一，在运动监测、老年人健康管理、预防医学等领域应用广泛。目前，很多国内外学者通过数据分析对智能手环的需求以及销量影响因素展开了研究，并已取得丰硕的成果。任琦等采用实地抽样的方法，调研老年用户对智能手环的需求，得出其对健康检测、跌倒警报等自身安全的功能需求较大。莫庆民，杨婷通过构建技术接受与整合理论模型，认为具备运动记录以及健康检测功能，对用户持续使用健康手环意愿有正向影响作用。王冰飞等提出智能手环需根据用户的生理特征，设计相应的功能，从而实现个性化服务。然而，除了要在设计方面满足消费者的需求，还需关注智能手环的营销方式，了解影响其销量的主要因素，从而据此调整店铺的营销策略。史晓通过集搜客爬取相关信息，并基于灰色关联度分析，得出影响网络零售平台销量的因素主要包括：价格、信誉、服务质量等。Bertarelli认为，对掌握信息不充分的消费者来说，在线信誉是卖家质量的重要信号。庞鑫建立了动态评分与卖家销量之间的影响模型，得出信誉、描述相符得分、卖家服务得分、物流服务，以及好评率对卖家销量有显著的正向影响。

鉴于此NK9V7oqgym19gUYY74YWOw==，本文采用数据挖掘技术，全面分析影响智能手环销量的主要因素，深入挖掘消费者需求，从而能够依据消费者需求制定针对性的营销策略，促进智能手环产品的持续发展。

二、智能手环销量影响因素模型构建

通过文献研究法，得知影响消费者购买决策的因素主要为三大类：产品价格、信誉、服务质量。又通过线下访谈的方法，发现用户在购买手环时更加倾向于选择店铺销量大、评价数多、提供运费险等服务、店铺评分高、手环的功能多样且更加钟爱华为、小米等这些知名品牌的手环。

1.本文分析模型的建立

（1） 特征选择

本文采用Python共抓取了价格、促销价、累计评价、功能等15个与销量有关的自变量，为确保模型构建的准确性，以Pearson相关系数预测变量的重要性，从而选择对销量影响较大的因素作为本文的解释变量。

根据特征选择结果确定本文研究的自变量为：价格、促销价、评价数、人气、品牌、赠送运费险、服务评分、是否具有计步、蓝牙、心率功能。

（2） 回归分析

把手环销量作为因变量Y，价格、促销价、累计评价、人气、服务评分、是否赠送运费险、品牌、是否具有防水功能、是否具有蓝牙功能、是否具有监测心率功能、是否具有计步功能为自变量。建立的虚拟变量模型为：

lny=β0+β1lnx1+β2lnx2+β3lnx3+β4lnx4+β5lnx5+α1D1+α2D2+α3D3+α4D4+α5D5+α6D6+e

通过回归分析，能够确定因变量与自变量之间的数量关系，运用Stata得到的回归结果如表1所示。

由表1可以看出，手环的价格、促销价、服务评分、是否具有蓝牙功能、是否具有计步、防水功能不显著，累计评价、人气、是否赠送运费险、是否为知名品牌显著、是否能够监测心率显著。

2.模型估计

（1） 多重共线性检验

从相关性分析得知，价格和促销价、是否支持花呗分期的相关性极高，为了验证变量间是否存在多重共线性，对变量进行VIF检验。结果如表2所示。

从表2可以看出，所有变量的VIF值均在0-10之间，说明各解释变量间不存在完全或严重多重共线性。

（2） 异方差检验

当存在异方差问题时，估计值的标准差会有偏差。所以，本文采用White检验法，进行异方差检验，设H0为不存在异方差问题，H1为不受限制的异方差性。异方差检验结果如表3所示。

从表4可以看出，P值为0.000<0.05，所以，拒绝原假设，也即是模型存在异方差问题。因为异方差的形式未知，所以本文采用White稳健标准误估计进行模型调整，运用Stata软件得到结果如表6所示。

由表4可以看出，该模型的R2和调整的R2为0.5128和0.5103，可决系数变大，也即是手环销量约有51%的变化可由累计评价51%等五个因素的变化解释，且F值为86.17，P值=0.000<0.05，说明所建立的回归模型是显著的，异方差问题被修正，得到了更有效的估计。

从表5可以看出，手环的累计评价数、人气、是否赠送运费险、是否为知名品牌、是否具有监测心率功能五个变量P值都小于0.05，则回归模型为：

lny=0.5131lnx3+0.1519lnx4+0.3505D1+0.68106D2+

0.2822D5

（30.76） （7.79） （3.43） （5.85） （2.45）

（3） 稳健性检验

为了进一步确定所建立模型和所选取智能运动手环销量影响因素指标解释能力的稳定性，本文从数据的角度出发，运用Stata软件，从获取的手环数据中随机抽取了1166条数据，对抽取的样本数据进行回归，对比抽取手环样本与总体的回归结果，探究模型建立的正确性及回归结果的可靠性，结果如表6所示。

由表6可知，在这两种模型中，各变量回归系数的显著性并未发生改变，且各变量的符号也未发生变化，说明各变量对手环销量的作用没有发生变化。在随机抽样模型中，累计评价的系数为0.153，与总体模型累计评价的系数几乎相同，手环人气的系数为0.146，与总体回归模型手环人气的系数0.152相比，变化非常小。说明本文所采用的模型具有稳健性，回归结果可靠性很高。

综上所述，本文所设立的模型不存在异方差、多重共线性等问题，模型具有较好的稳健性。因此，所建立模型比较合理。

3.数据处理结果分析

（1） 拟合优度

回归方程调整的R2为0.5103，说明手环销量约51%的变化可由累计评价、人气、品牌、是否赠送运费险、是否具有监测心率功能这五个因素的变化解释，拟合优度中等。

（2） 方程显著性检验

设原假设H0：β1，β2，β3，β4=0，备择假设H1：至少有一个不为0。本文在给定显著性水平α=0.05的基础上，检验两个回归方程的显著性，在给定显著性水平α=0.05下，Prob > F=0.000，所以拒绝原假设，回归方程显著，也即是手环的累计评价数、人气、是否赠送运费险、品牌和是否具有监测心率功能联合起来对手环的销量有一定影响。

（3） 变量显著性检验

设H0：β3=0，β4=0，α1=0，α2=0，α5=0，H1：β3≠0，β4≠0，α1≠0，α2≠0，α5≠0，累计评价的P值=0.00<0.05，手环人气的P值=0.00<0.05，收藏量的P值=0.000< 0.05，品牌知名度的P值为0.000<0.05，监测心率功能的P值= 0.038<0.05，说明累计评价数、手环人气、提供运费险、品牌的知名度、具有监测心率功能对均销量有正向影响。

三、结语

根据本文研究，得知累计评价数、人气、品牌、赠送运费险、是否具有监测功能是影响淘宝网智能运动手环销量的重要因素。根据研究结论，本文提出吸引用户进行商品收藏及购后评价、在控制成本的基础上，为用户提供增值服务、丰富产品功能，优化产品标题以吸引用户购买三条针对淘宝商家运营的建议，提升其竞争力，帮助其更好地运营。然而本文的研究在数据采集以及平台数据的可获性方面存在这些局限，后续可以进行深入研究。

参考文献：

[1]夏恩君，张真铭.预防性技术采用元分析及其对创新鸿沟跨越的启示——以可穿戴医疗健康设备为例[J].技术经济，2020，39（2）：134-143+163.

[2]陈超举.中学生运动手环使用习惯和锻炼行为调查研究[J].体育科技文献通报，2022，30（4）：209-213.

[3]何泳雯，李明丽，卢幼巧，等.社区老年人对使用智能手环的意愿程度分析：以柳州市鱼峰区白莲街道为例[J].智库时代，2019（17）：267-268.

[4]任琦，王娟娟，李晨，等.老年人对智能手环的需求调查及分析[J].智能建筑与智慧城市，2022（11）：31-34.

[5]金添，叶庆，吴翔.中老年人对心血管健康管理类智能手环的使用意向研究[J].中国社会医学杂志，2022，39（5）：544-547.

[6]莫庆民，杨婷.智能手环用户持续使用意愿影响因素研究：运动时间的调节作用[J].绿色科技，2022，24（19）：273-280.

[7]王冰飞，蒋睿，何思源，等.浅谈社区老年人对便携式可穿戴设备的需求——以智能手环为例[J].中国老年保健医学，2020，18（4）：21-26.

[8]史晓.基于灰色关联度网络购物商品销量影响因素研究[D].昆明：云南财经大学，2017.

[9]BERTARELLI S.On the efficacy of imperfect public-monitoring of seller reputation in e-commerce[J].Electronic Commerce Research and Applications. 2015，14（2）：75-80.

[10]庞鑫.基于演化博弈的淘宝网动态评分对卖家销量的影响研究[D].济南：山东大学，2018.