基于国网商场的用户消费行为及关键影响因素分析

蒋菱　唐新忠　闫泽　项添春　叶秋子

摘要：国网电子商城与普通的网购商城运营模式相似，但其主要商品为中大型电器商品，潜在用户的消费行为有一定特殊性，因此要对用户消费行为进行分析。文章首先了解消费行为的定义、分类和过程，并在此基础上研究其影响因素，建立用户模型算法和消费行为预测模型，以期在理论层面给商城的营销策略等提供可靠的方向和指导。

关键词：国网电子商城；消费行为；消费行为预测；网购商城；用户消费行为 文献标识码：A

中图分类号：F062 文章编号：1009-2374（2016）26-0003-02 DOI：10.13535/j.cnki.11-4406/n.2016.26.002

国网电子商城的业务主要有智能家居业务、新能源业务、电能替代业务和售电交易业务等，除此之外还有增值服务、合同能源管理、业扩工程、物流服务等拓展业务，具体平台业务构架如图1所示：

消费行为是指消费者个人或家庭为了满足自己物质和精神生活的需求，在某种动机的驱使和支配下，用货币换取商品或服务的实际活动。分析研究用户消费行为习惯是构建有效的电子商城业务推荐的基础和前提，而构建用户模型是用户行为分析的核心内容，要提供切合用户消费行为模式的业务功能，就需要准确把握用户的偏好等反映出的需求特点。

1 消费行为

1.1 消费行为类型

根据消费者的购买态度和要求可将购买行为分为疑虑型、斟酌型、冲动型、习惯型、情感型。

疑虑型购买行为是指消费者对于购买频率低的贵重物品，由于商品品牌差别大、购买风险大，消费者需要有一个了解产品的过程，最后再做购买决定。

斟酌型购买行是指为那些对品牌差异不大的产品，消费者不经常购买，而购买时又有一定的购买风险，所以消费者一般要对比同类商品，选择性价比较符合自己需求的商品购买。

1.2 消费行为过程

消费者的整个购买过程分为唤起需要、寻找信息、比较评价、购买决定、买后感受5个阶段，如图2所示：

消费行为的开端是消费者个人发现自己的需求，然后是开始寻找能满足自己需求的产品的信息，开始试着了解商品信息的时候，对同类的商品进行比较评价。当消费者个人对产品产生良好印象，并产生购买愿望后便转入购买阶段。

将商品买回家以后，消费者会在最初使用商品的过程中，以购前的期望为标准来对比与评价商品。

2 用户消费特征关键影响因素

2.1 消费者自身因素

消费者购买行为会受到自身的因素影响，包括其经济状况、职业地位、年龄性别、性格特点等。消费者的经济状况会强烈影响消费者的消费水平和消费范围，决定需求层次和购买能力。心理因素包括性格、过去经验和消息、价值观与态度等因素。

2.2 社会因素

人的生活是离不开社会的，所以消费者的购买行为将受到各种社会因素的影响。影响消费行为的社会因素有文化、社会阶层、家庭状况、相关群体等。

2.3 商品信息的刺激

消费者的购买行为还会受到生活中各处的商品广告信息影响，而商品信息产生的激励主要分为物理性和社会性两种。物理性激励是指消费者透过感觉接受器官所接受的刺激，而社会性激励则是消费者家庭的需求、社会的道德规范、所在团体或朋友的期望等引起的刺激。

3 用户模型的建立

用户模型是指根据用户的个人信息，针对各个不同用户建立一个面向算法的，具有特定数据结构的形式化的数学描述。本节主要介绍用户信息收集和用户模型的表示方法。

3.1 信息收集

收集用户消费数据主要是收集用户的人口统计学数据、历史消费记录等信息。建模的首要步骤是采集作为数据支撑，需要收集的数据包括能反映个体消费偏好和特殊需求等。

3.1.1 信息类型。用户信息的类型可分为基本身份信息和行为信息。基本身份信息如用户的姓名、性别、年龄等，当然还有一些关于职业、兴趣、爱好等方面的信息。而用户行为信息，如对某一商品的浏览时长、收藏商品等行为则能够直接反映用户的偏好。

3.1.2 信息收集。据参考文献[6]介绍，用户信息收集方法主要分为显式收集和隐式发掘。显示收集需要用户手动选择或给出关于自身喜好的信息，如给出清晰的需求描述、对商家拟出的一些项目排序、勾选或者对商品等进行反馈评价。但是这种方式会对用户造成一定的打扰，若用户提供不真实的信息，导致系统无法正确地进行筛选。除此以外，用户需求是随着时间动态变化的，难以及时对数据进行更新。

而通过隐式发现获取用户信息，则不会打扰用户正常使用。该方法主要利用用户的网页浏览动作进行信息挖掘，比如以网页搜索关键词和其频率等标记用户喜好，又或者运用数据挖掘技术分析用户操作记录，发现用户的行为模式，从而可以不需要用户给出信息，动态、及时并真实地获取用户的行为信息。因此相较之下，隐式发现有明显的优势。

3.2 用户模型的表示

获得用户信息后需要根据电子商务系统的具体要求，选择适当的模型表示方式和建立模型所使用的语言种类，并且需要明确模型的数据结构，以便于进一步进行分析。目前用户模型表示方法多种多样，常用的几种包括用户—项目评价矩阵、向量空间模型、语本体模型等。

3.2.1 基于用户—项目评价矩阵的表示。基于用户—项目评价矩阵主要通过建立一个m×n的二维矩阵来描述用户模型，其中m为用户数，n为项目数，而矩阵中的数值则表示用户的兴趣度，没有对项目做出评价时元素为空。对抽象的用户兴趣进行量化打分的形式能够直观地反映用户兴趣度，此种表示方法在协同推荐范围应用较为广泛。

3.2.2 向量空间模型。采用主题或关键字向量来表示文档和用户需求是现今最为广泛应用的用户模型表示方法，已有的系统包括Syskill&Webert、Fab、ifWeb等。该方法在获得能够代表用户兴趣的文字内容以后，将用户表示为一个N维的特征向量{（t1，w1），（t2，w2）……（tn，wn）}模型。其中ti（）为关键字，wi为该关键字的权重，表示用户的兴趣度。

3.2.3 本体模型。本体模型中用户感兴趣的领域由一个本体来表示，其中本体指的是行业内对概念模型达到共识后，进行文字化标准解释定义，主要是基于研究人员的经验和知识进行设计。该方法可将某个专业领域中的专业背景融入到模型中，从具体词义和专业知识的角度研究用户对商品、服务的喜好和特殊要求，并可以确定关键词之间在词义上的相连关系。

4 消费行为预测模型

消费行为预测是在消费者调查研究的基础上，对消费者的消费能力、消费水平和消费结构进行预测分析，判断消费者的购买习惯、消费倾向等有何变化。其目的在于为市场潜力测定、目标市场选择、产品研发和营销策略的制定提供依据。本章主要介绍基于马尔可夫链和基于人工神经网络的两种消费预测模型。

4.1 基于马尔可夫链的消费预测模型

电子商务客户在Web站点的行为是一个受多种因素相互交错影响的复杂过程，根据大量客户对Web站点的访问可获得客户访问行为的统计学参数，从而可以通过研究网页群体客户访问行为来预测客户访问的转移方法。采用马尔可夫链模型为建模工具，结合客户的Web访问日志数据进行状态转移概率矩阵计算，从而预测客户未来的兴趣走向，对消费进行预测。

马尔可夫过程是一个无后效性的随机过程。在马尔可夫链预测法中，假设下一个访问的状态仅与当下的状态有关，与前面访问的状态均无关。若是要建立一个相对简单的模型，寻找客户访问行为的规律，该模型可提供一个简单、相近、有效的框架来表示这种状态转移过程。

4.2 基于人工神经网络的消费预测模型

电子商务环境中商品销售受到多种要素的影响，并且这些要素中包含有非线性的要素，若应用于利用线性模型进行分析的系统，并且非线性因素对系统影响较大时，会造成由于非线性成分丢失，显著降低预测精度。而人工神经网络具有自组织、自获得能力，还有良好的非线性逼近能力，通过对样本的学习可以改变网络结构和连接的权值解决上述问题。

5 结语

要对用户消费行为进行分析，要了解消费行为的定义、分类和过程，并在此基础上研究其影响因素，建立用户模型算法和消费行为预测模型，以期在理论层面给商城的营销策略等提供可靠的方向和指导。

国网电子商城与普通的网购商城运营模式相似，但商品主要与中大型电器商品有关，其潜在用户的消费行为与普通网购商城有着一定的差别。因此正确评估和分析用户消费行为，并适当建立模型为用户推荐更有效的信息，对国网电子商城的业务发展有着指导性意义。

参考文献

[1] 王云川.消费者行为的类型及消费者的地位[J].西南民族大学学报（人文社科版），1994，（4）.

[2] 秦金亮.消费行为过程的系统动态分析[J].山西师大学报（社会科学版），1998，（4）.

[3] 杜新丽.网络消费行为影响因素与网上商店营销策略研究[J].河南社会科学，2009，17（2）.

[4] 叶德珠，连玉君，黄有光，等.消费文化、认知偏差与消费行为偏差[J].经济研究，2012，（2）.

[5] 许琦.面向个性化需求的用户建模技术研究[J].科学技术与工程，2010，10（11）.

[6] 刘滨强.移动环境下的个性化推荐用户兴趣建模研究[D].北京邮电大学，2009.

[7] 马茜，顾军华，田辉.基于判断矩阵法的科技项目综合评价[J].兵工自动化，2005，24（4）.

[8] 贺明明.马尔可夫链模型在某些经济预测中的应用

[D].哈尔滨工业大学，2008.

[9] 代学武.基于神经网络的用户建模和Web信息过滤研究[D].西南师范大学，2003.

基金项目：本文受国家电网总部科技部“基于互联网思维的智能电网创新示范区建设模式研究”项目（SGTJDK00DWJS1500101）支持。

作者简介：蒋菱（1971-），女，国网天津市电力公司高级工程师，研究方向：电力系统分析、智能电网。

（责任编辑：黄银芳）