网络购物中的统计学

张俊霞 吴淑芳

摘要：随着互联网的发展普及、国家拉动内需、刺激社会消费以及网络购物服务的深化，网络购物已经从一种新生事物迅速中成长为年轻人购物的重要方式，其时间灵活性、空间的无限延展性、价格的优惠、产品的丰富多彩吸引了越来越多的消费者，作为消费者在购物过程中可以用到大量的统计学知识。同时，随着网络購物的飞速发展，各家电商也在迅速发展壮大并进行着激烈的竞争，电商在建设网站提供产品、服务的过程中也用到大量的统计学知识。

关键词：网络购物；消费者；电商；购物篮分析

中图分类号：F713.36文献标识码：A 文章编号：1001-828X（2012）03-0-01

在国家拉动内需、刺激社会消费的大背景下，网络购物服务的深化带动了更多的网民通过网购实现日常消费，购物网站的频繁促销也激发了网民新的购买需求，带动了网络购物用户规模的稳健增长。在线交易的商品和服务类型更加丰富，带动了用户网络购物频次和金额的显著提升。根据中国互联网络信息中心统计报告，网络购物用户规模达到1.94亿人，较上年底增长20.8%。在蓬勃发展的网络购物行业中，电商企业进行着激烈的竞争，消费者在进行网络购物的过程中也需要处理大量庞杂信息，这都需要有专业的统计知识作为辅助，本文就尝试分析网络购物过程中我们使用着或者可以使用那些统计学知识。因为C2C网络购物淘宝网一家独大，本文就以淘宝网的设置为例分析网络购物中的统计学。

一、消费者在网络购物中的统计学

1.大量观察法

消费者网络购物中首先会使用的就是大量观察法，因为在出手购物之前消费者都会在网上进行无数次的浏览、观看、对比，多次、大量甚至是长时间的浏览观看以后才会去买一些自己认为划算合适的商品。

2.统计分组

消费者在网络购物的过程中，电子商务网站中拥有着大量庞杂的商品，统计分组的方法将这大量的商品按年龄、按性别、按价格、按地区、按品牌等等诸多标志进行统计分组，消费者可以轻松找出自己需要的某类商品。同时在各个店铺中消费者也可以看到各种各样的分类分组，对商品进行细化归类。统计分组的方法使得消费者避免了大海捞针式的商品浏览，节省了大量的时间和精力。

3.排序比较

某类商品甚至是图片一摸一样的商品价格都相去甚远，消费者清楚通常便宜没好货但是又想经济划算，而网络购物最大的缺点就是看不见摸不着，没有办法将这些商品放在一起充分比较。消费者可以对需要的商品进行筛选排序，对所有该类商品按销量降序排列或者按店铺信用降序排列等等，可以参考其他消费者的选择。比如按销量排序，我们找出的是该类产品成交量最大的产品，也就是众数，是消费者购买选择结果的代表，通常都具有可信性。而价格可以给定区间进行选择，在自己的心理价位中寻找合适的商品。不仅网站可以做排序，在店铺中消费者也可以将所有商品进行按销量、按价格、按收藏排序，通过这些分析消费者可以轻易找到店铺中的热门热销商品，为自己的选择提供帮助。

4.客户满意度分析

在网站中选择某款商品进入店铺以后，消费者可以看到各店铺的客户满意度评价结果，如宝贝与描述相符、卖家服务态度、卖家发货速度的得分，这是该店铺客户在完成网络购物以后反馈的满意度评价水平分析，是大量打分的算术平均值，可以较为准确的反应以往客户的满意度情况。将这些客户满意度水平与同行业平均水平进行比较，消费者能够更清楚的了解该店铺的商品在同行业的位置。

好评率是好评的顾客占所有顾客的比重，可以反应店铺客户满意度，但相对指标要与绝对指标联系起来分析，如某个新开店铺只有寥寥几笔成交量，即使好评100%也不能充分说明店铺信用良好。淘宝也累计计算了卖家信用进行了绝对指标的计算，即一次成交后获得一个好评可以累加一分，这样将卖家获得好评进行汇总并根据得分进行信用分级。这样可以使得消费者对店铺的交易信用有充分了解。消费者也可以对某一款商品进行客户满意度分析，其中成交记录与评价详情就可以辅助消费者了解该款商品的销售基本情况和客户满意度情况。

二、商家在网络购物中使用的统计学

1.购物篮分析

购物篮分析，是一种发掘商品关联购买关系的技术。它通过对消费者大量商品购买记录的系统分析，找出商品之间内在的关联。购物篮分析目前可以进行：商品配置分析，哪些商品容易被一起购买；客户需求分析：客户的购买习惯、购买时间、购买地点等；销售趋势分析：研究顾客购买趋势，分析季节性购买模式，以确定降价清仓商品等；改进商品或者研发新品。

网络购物中有大量的购物篮分析的结果，当消费将该款加入购物车以后网站会提醒“购买此宝贝的用户还购买了……”，这是商品配置分析，网站或者店铺在进行了购物篮分析以后发现一些商品会更容易被同时购买，所以在此时进行提醒不仅简化了消费者的搜索工作，也大大提高了这些商品被购买的机会。另外，电商网站也会提醒一系列“你可能感兴趣”的商品，这是电商网站对消费者的购买模式或者浏览模式进行购物篮分析以后获得的有用信息。

在店铺中，购物篮分析还有一项重要的用途就是组合销售，也就是搭配套餐，在商品购物篮分析以后将容易同时被购买的商品打包组合提供一定优惠，更容易促成销售。电商网站和店铺也会根据购物篮分析寻找客户的购买时间，网络购物的购买黄金时间是晚上，一箱纸尿裤即将用完的时候也会收到店铺的温馨提醒。

网络购物中消费者的需要意见可以通过客户或者评价直接搜集，比传统的销售模式能够更方便快捷准确的搜集客户意愿，对产品的质量或者包装改进以及新产品的研发都能够提供第一手信息。

2.客户忠诚度分析

电商网站可以通过用户访问频率、最近访问时间、平均停留时间、平均访问页面数等指标评价网站用户的忠诚度，更加精确地找到网站的忠实用户，并努力留住他们。从用户忠诚度变化趋势中发现一些可能正在流失的用户，分析他们流失的可能原因，并试图挽留流失用户；比较忠诚用户和流失用户在指标数值上的差异，寻找原因并优化网站在这些方面的表现。目前网络购物面临的问题有商品质量不能保证、物流配送不及时等，电商和店铺可以针对这些问题提高服务。

3.广告效果评估

消费者在购物过程中接触了大量的广告，电商网站和店铺对广告效果都将进行密切关注，因此广告成为网络购物中的一个重要内容，广告效果评估过程中应用大量的统计学方法。

网络购物过程中网络广告占据着举足轻重的地位。网络广告效果评估可以通过点击率、业绩增长率、回复率、转化率、有效到达率等一系列指标的计算进行。如点击率是指网上广告被点击的次数与被显示次数之比，该相对指标是网络广告最直接、最有说服力的评估指标之一。因为点击广告者很可能是那些受广告影响而形成购买决策的客户，或者是对广告中的产品或服务感兴趣的潜在客户，准确识别出这些客户，并针对他们进行有效的定向广告和推广活动，可以对业务开展提供很大帮助。

广告效果评价也可以通过广告效果指数的计算来进行，该指数可以测算出受广告影响而进行商品购买的客户所占的比重，算法如下：

AEI = [A - (A + C) * B / (B + D)] / (A + B + C + D)

其中：AEI = 广告效果指数"；A = 看过广告而购买的人数；B = 未看过广告而购买的人数；C = 看过广告而未购买的人数；D = 未看过广告而未购买的人数；

三、结语

本文梳理了几种网络购物中常用的统计学方法，这些统计方法对消费者和电商企业都提供了很大帮助。未来网络购物市场将迎来更为规范化的行业发展环境。电商企业在规模增长的同时，也需要从粗放式发展转向精细化挖掘，由做大转向做深，实现整体网络购物行业服务水平的全面提升。在此过程中电商企业需要用科学的现代的统计知识发现问题、找出问题根源、找到合理的办法解决问题，消费者也可以通过科学的统计学知识帮助自己做出科学的购物决策，以共同促进网络购物的健康蓬勃发展。

参考文献：

[1]马素萍.高洪波.基于统计学的网络购物消费者行为分析[J].价值工程,2011(22).

[2]中国互联网信息中心.第29次中国互联网络发展状况统计报告,2012.1.16．

[3]2011年中国网上购物消费者调查报告[EB/OL]．http://tech.sina.com.cn/z/2011consumer/．

[4]熊平.数据挖掘算法与Clementine实践[M].北京:清华大学出版社,2011,4.

作者简介：张俊霞（1982-），女，助教，浙江长征职业技术学院，浙江长征职业技术学院会计系，主要从事统计基本理论与方法及其应用研究方向研究。

吴淑芳（1984-），女，助教，浙江长征职业技术学院，浙江长征职业技术学院会计系。