大数据环境下的消费者在线行为分析

李敏

【摘要】在网络高度发展的今天，利用网络上产生的海量数据，进行消费者在线行为分析，从消费者在线行为的五个步骤出发，以网络数据分析结果来发现运营商的不足之处，从而提出针对性的改进方案，以期提高盈利水平。

【关键词】大数据 互联网发展 消费者在线行为 漏斗分析图

根据《第38次中国互联网络发展状况统计报告》，截止2016年6月，中国网民规模达7.10亿人次，互联网普及率高达51.7%，较2015年底提升了1.3个百分点，超过全球平均水平3.1个百分点，超过亚洲平均水平8.1个百分点。随着而来的是海量的数据，运营商根据这些海量的数据正确识别消费者在线行为，以利用数据来在激烈的竞争中取得优势，在现代经济发展中显得尤为重要。

一、大数据环境

大数据这一概念自2008年被提出之后就显现出了独特的优势。目前还没有关于大数据的确切定义，根据维基百科的释义，”Big data is a term for data sets that are so large or complex that traditional data processing applications are inadequate to deal with them.”即，大数据是大且复杂的、现有数据处理工具难以处理的数据集；亚马孙大数据科学家John Rauser认为大数据是任一超过任何一台计算机现有处理能力的庞大的数据集。于2016年11月18日闭幕的2016第三届世界互联网大会上提出，云计算、大数据、物联网等产业规模高速扩张。全球云计算市场规模预计2016年至2020年复合年增长率达22%，大数据市场规模预计从2015年的014万亿美元将增长到2020年的1.03万亿美元。

二、消费者在线行为

消费者在线行为是指以即时通讯、网络购买等为目的的消费者网络操作行为。以网络购买为例，其行为过程通常包括确定需求、搜索相关信息、评估比较方案、确定购买、购后评价等阶段。在大数据环境下，营运商要想明确消费者的行为模式，即需要从以上五个方面进行。以下即以网络购买为例，进行消费者行为分析。

根据国家统计局社会消费品零售总额数据，2015年网络购物交易规模占社会消费品零售总额的12.6%，线上渗透率增长了2个百分点。截止2016年6月，我国网络购物用户规模达到4.48亿人次，较2015年底增加3448万人次，增长率为8.3%，我国网络购物市场依然保持快速、稳健的增长趋势。

（一）确定需求

在物质资源高度充分的今天，消费者的大额购买行为通常表现在非刚性需求上，即购买的很多东西并不是必需的。根据国家统计年鉴数据可知，我国近年来的恩格尔系数呈持续下降趋势，2013年为31.2%，2014年为31%，2015年降至30.6%，说明我国消费者消费水平在持续上升，生活所必需的消费占总消费的比重在持续下降。因此，在大数据环境下，利用大数据分析洞悉、甚至引领消费者的消费需求，是非常必要的。

（二）搜索相关信息

搜索相关信息，就是消费者就一定的目的，根据自己的个人偏好、购买经验与体验等，在网络搜索引擎中搜集自己所需的信息。根据《第38次中国互联网络发展状况统计报告》，截至2016年6月，中国网站数量为454万个，半年增长7.4%。域名为com.cn的数量为2458280个，占CN域名总数比例为12.6%。因此，营运商要想在海量的商业网站中脱颖而出，创造更大的商业利润，就亟需利用大数据透析消费者搜索习惯，洞察消费者的消费痛点，以达到吸引消费者的目的。

（三）评估比较方案、确定购买

这两项行为，一般营运商很难参与，这些都与消费者的消费习惯、消费水平以及其他决定最终消费的因素决定，但是这并不是说营运商在这两个环节无计可施。首先，营运商应该针对上面两个环节做好相应的准备工作，同时，根据每日的浏览量、成交量等数据洞察出自己目前尚且存在的不足。同时，一家网站或者一个运营平台并不能同时满足每个消费者的需求，因此，应该针对自己的客户群做好相应的数据分析工作，解决不足，发扬长处。

（四）购后评价

目前，影响消费者是否购买的一个相当重要的因素就是消费者的评价。很多消费者甚至只看差评，如果差评数量或者内容在自己可承受范围之外，那么无论该商品的简介有多么的诱人，这个潜在消费者就不会转化为真正的消费者。因此，营运商应该重视消费者的购后评价，针对性地解决消费者反馈的问题，以期改正。

三、消费者在线行为数据分析

本文采用漏斗分析法来举例说明网络运营商的数据分析。漏斗图有多个释义，有的情景里代表“目标和渠道”，有的场合里被称为“场景分析”，还有的被称为“产品转换漏斗”。总的来说，漏斗图是用来衡量网站中业务流程表现的一种工具，适用于电子商务等多个行业。漏斗图可以清晰且直观地反映出网站业务流程中的问题，从而便于运营商加以改善。

消费者从进入网站到浏览商品的转化率是45%；从浏览商品到加入购物车的转化率是33%；从加入购物车到确认订单的转换率是12%；从确认订单到支付成功的转换率是9%。根据以上数据，再进行同行业数据对比分析，以找出木桶短板，进行改善。

比如确认订单这一流程，如果行业水平的转化率是20%，而目前我们自己的水平仅为12%，这就说明在这一流程中，我们距离行业平均水平还有很大差距，此时，就需要针对这一环节进行再细化的数据分析，提出针对性的优化和改善方案，以提高盈利水平。

四、结论

根据上文的分析可以知道，我们目前处于数据资源极大丰富的时期，每分每秒互联网络都在产生巨大的数据量，而有效利用这些海量数据来为运营商服务，即在大数据环境下进行消费者在线行为分析是非常有必要的。

参考文献

[1]中国互联网信息中心.第38次中国互联网络发展状况统计报告[EB/OL].CNNIC，http：//www.cnnic.cn/gywm/xwzx/rdxw/2016/ 201608/W020160803204144417902.pdf.

[2]錢晓东，王蕾.消费者网络信息搜寻行为研究现状[J].兰州交通大学学报.2012，31：84-26.

[3]中国电子商务研究中心.2016年中国网络购物行业监测报告现状篇[EB/OL].CECRC， http：//b2b.toocle.com/detail--6342861.html.