居民网络消费价格指数编制：实践经验、问题与展望

摘 要：随着居民网络消费的急剧增长，编制居民网络消费价格指数的必要性凸显;但网络消费大数据具有更新快、容量大、频率高、噪音多等特点，传统价格指数理论和方法难以适用。aSPI和1号店指数的编制实践，从源头上优化了基础数据质量，提高了商品篮子的代表性和时效性，指数构造方法更为科学，并开发了系列创新型价格指数，但也存在信息登记标准和规范不统一、大数据技术运用和数据处理不充分、方法和数据发布不完整、理论和方法创新不足等问题。因此，还需要大力促进网络消费数据的共享，系统推动网络消费价格指数理论和方法的创新，积极推进相关统计规范和标准的制定与应用，并进一步强化创新型特色价格指数编制的实践探索。

关键词：网络消费;价格指数;aSPI;1号店指数;CPI;大数据技术

中图分类号：F22234;C813文献标志码：A文章编号：1674-8131（2019）02-0046-07

一、引言

进入21世纪以来，由互联网和信息技术引发的新一轮科技革命和产业变革深刻影响着人类社会进步。其中，被赞称为“21世纪的石油和金矿”的“大数据”已经对人类社会生产、生活方式带来革命性的变化，并引起了国际社会的高度关注，很多国家对大数据的认识已经上升到国家战略高度。2012年3月，美国政府制订了《大数据的研究和发展计划》[1]。习近平总书记在党的十九大报告中八次提到互联网[2]，并强调要“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”，要“善于结合实际创造性推动工作，善于运用互联网技术和信息化手段开展工作”。随着信息技术的快速发展和网络普及率日益提高，网络消费成为中国居民日常生活的重要组成部分，并通过分流居民线下消费和创造消费需求而快速发展成为中国居民消费的重要渠道。

然而，在居民网络消费急剧增长的同时，对网络消费领域商品整体性通胀水平的监测存在缺位，而传统的消费价格指数编制方法已不能适应网络消费环境的变化，亟待采用科学的方法编制居民网络消费价格指数。在国家统计局的推动下，阿里巴巴于2011年开始正式对外发布每月网络零售商品价格指数（当时简称ISPI，后来称为aSPI），并于2014年5月发布首个aSPI-core指数（前者以指数的经济学理论为基础，后者是以固定篮子理论为基础的核心商品价格指数）[3-4]。aSPI指数为月度指数，其数据来源于阿里巴巴的网络零售交易平台。在上海市统计局的指导下，1号店网上超市编制了“1号店快速消费品价格指数”（简称1号店指数），并于2014年4月首次对外发布。该指数当初是基于1号店340多万可售SKU的全样本数据和与民生联系密切的在线销售商品来编制的，后期按月编制，相应分类指数采用开放式结构，并根据消费者偏好和市场消费热点测算相应品类的价格指数[5]。

居民网络消费价格指数反映居民通过网络在线购买用于日常生活消费的货物和服务的价格综合变化水平笔者界定这一概念是基于多方面综合考虑的结果，其中关键性考虑是这一概念可与目前传统数据采集方法下的线下CPI形成补充关系。从某种意义上来说，网络消费价格指数是对传统CPI测度范围、对象和功能等的创新与扩展，例如前者就包含了供居民用于娱乐、消遣的网络游戏等。但这是一个相对复杂的测度问题，限于篇幅，笔者将在后续研究中加以厘清。 。居民网络消费的监测和管理具有“大数据”的优势，而“大数据”与通过统计报表、抽样调查等方式获取的数据在数据体量、更新速度、信息容量和价值密度等方面存在显著差异，现有的价格指数理论和方法难以直接應用于居民网络消费价格指数的编制，探讨适用于“大数据”的网络消费价格指数编制理论和方法无疑具有极其重要的现实意义。本文基于较具代表性的“阿里巴巴”和较具特色的“1号店”在利用居民线上消费大数据编制网络消费价格指数的实践探索，总结其经验和不足，以期促进居民网络消费价格指数编制方法的创新和实践应用，同时为统计部门和业界开展规范化和科学化的网络消费价格指数编制工作提供方法参考。陈立双：居民网络消费价格指数编制：实践经验、问题与展望

二、中国企业编制居民网络消费价格指数的方法

1.居民网络消费价格指数编制与发布的流程

居民网络消费的大数据有效弥补了传统价格指数的数据资源与信息缺口，大数据作为一种新型资源与大数据技术一同引入价格指数编制实践，将演绎出新的指数编制流程和统计测度方法。居民网络消费价格指数编制的主要流程表现为“数据（指标数据）”，其最显著的特点就是数据驱动、自下而上和专业知识交叉等，即程序与标准围绕数据调整、从实践上升到理论的扎根式数据分析、统计指数理论和方法与计算机科学和技术等专业知识交叉应用等（见图1）。

2.大数据采集、导入与预处理

由于各平台和电商企业所获取的信息可能存在内容、形式和结构、商品名称、分类方式、计量单位和型号及编号等方面的诸多差别，使得不同电商采集到的数据存在统计口径和标准上的差异，从而对数据清洗、导入与预处理等后续工作造成障碍。如阿里巴巴在长时段跟踪同一规格商品时就出现了跟踪上的困难，对此，阿里巴巴在零售网络后台不断改进和完善标准化产品单元管理信息系统，以提高客户填报产品信息的规范性。而1号店则采用了指标筛选法，即从商品信息中筛选出产品编码、分类编码、商品名称、商品规格、销售价格、销售量、计量单位、销售时间等指标，并对其进行信息的实时登记与全面采集[6]。

大数据的导入与预处理是指将前端采集到的网络消费大数据导入分布式存储集群或集中的大型分布式数据库中，并据此展开数据的清洗与预处理工作。其中，数据的清洗需要按照一定的规制把“脏数据”“噪声数据”和“冗余数据”清洗掉，也是发现并及时纠正可识别错误的最后一道关口。在整个大数据的统计分析流程中，清洗与预处理这一项基础性工作通常会占据50%～80%的时间，其工作内容主要包括对重复、错误、空缺值、冲突值、非逻辑性数据的审核、更正、修复与处理等。对此，阿里研究院通过对商品交易数据的审核剔除了可能是批发交易的非逻辑性交易量数据;1号店则剔除了赠品价格、极低极高价格等奇异值数据。清洗后的数据，通常会在准确性、一致性、完整性和最小性四个方面满足分析的要求[7]。

3.数据的分类和处理

由于大数据的海量性和复杂多变性，其处理往往面临相当复杂的统计环节与流程，通过数据分类有助于分布式计算的有效实施和提高数据处理效率及确保数据质量;同时，为了提高价格指数的代表性和编制多层次的指数体系，也需要对数据进行分类。实践中，阿里研究院和1号店均将商品分为10大类（见表1），但具体类别的划分存在很大差异。其中，aSPI对于商品的分类主要基于联合国制定的《按目的划分的个人消费分类》（COICOP）[8]以及国家统计局发布的《居民消费支出分类（2013）》[9]，同时还增加了“办公用品及服务”和“爱好收藏投资”两类;而1号店指数则主要基于企业自身战略目标和营销定位对商品进行分类。上述两种分类都与中国CPI的商品分类不尽相同，尤其是1号店指数与CPI间的分类差异更为明显。

保健其他用品和服务——注：表中aSPI的商品分类来源于阿里研究院官网2016年6月发布的信息;1号店指数的商品分类参考刘慧（2015）的研究[6];中国CPI的商品分类是国家统计局2016年1月调整后的分类

为了防控部分商品交易价格和数量波动幅度过大对价格指数编制的干扰，需要对有关数据进行稳定性控制和处理。对此，阿里研究院剔除了最两端25%范围内的最细类目指数对应的商品，以截取指数变化范围中段95%的最细类目，同时剔除销售额占比较低和价格变异系数过大的数据。该方法根据各商品指数变动范围而非价格变动范围进行剔除，属于间接法。

在对规格品的选择方面，为了提高指数的代表性和准确性，阿里研究院将淘宝商品九级分类重新调整为四级，将商品层级SKU视为规格品，并在与上一期交易类目的交集中选择部分商品作为成分类目如2007年淘宝网从4 887个四级类目中最终挑选出390个类目作为该年淘宝指数的成分类目，尽管其390个类目数仅占总数目的80%，但交易额占比却高达574%[10]，具有代表性和有效性。 。而1号店则将所有二级分类下当期在线销售品分别按照固定金额排序，选取排序后累计金额占比70%的商品为代表性规格品。上述方法的优点在于，其规格品的选择既具有明显的动态化特征，同时还保留了部分备用规格品，以利于适时和主动更新，从而确保其代表性和有效性。相对于传统较为固定的规格品选择方法而言，这显然是一大进步。

此外，从阿里研究院2011年10月公布的《网络零售价格指数（ISPI）报告》中[11]，难以判断其在月环比指数中是否对商品进行了季节性处理。但从图2不难看出，相对于CPI走势，aSPI具有更为明显的季节性特征。而1号店指数目前尚未正式对外公布更为详细的数据，尚不能了解其是否针对季节性产品进行了专门处理。另外，从收集的资料来看，初步判断两类价格指数尚未展开系统性的商品质量调整工作。

关于商品权重的确定和更新，aSPI系列指数和1号店指数均基于居民线上实时交易数据每月更新，aSPI系列指数以上月成交份额为权重，1号店指数以报告期或基期销售份额为权重。大数据属于巨量性、系统性和高频率性的实时更新数据，能够及时追踪网络消费热点、动态反应居民网络购物偏好和消费结构，上述高频率的权重更新方法能够更有效地实现大数据的潜在价值。

4.指数的构造和数据挖掘

由于指数的编制频率与权重更新频率一致，aSPI指数和1号店指数的构造均采用拉氏价格指数（aSPI指数也采用Tornqvist指数法在后台计算，但主要是为拉氏指数提供补充和修正）[11]，但规格品月平均价格的计算方法不同，aSPI指数采用简单算术平均，而1号店指数则采用交易量加权平均。

价格指数的数据挖掘，主要是为实现其功能多元化和满足市场交易特殊监测需求而展开的创新型指数编制。以阿里研究院为例，编制了品质消费指数、新品类消费指数、智能消费指数、绿色消费指数等创新型价格指数。这些指数的开发，也是对传统消费价格指数的扩展与补充。

5.指数的公布与展示

居民消费价格指数的编制工作应尽量做到公开、透明和规范，才能确保社会公众对数据的正确理解和有效应用。因此，《消费者价格指数手册：理论与实践》要求各国制定相应的方法与数据发布政策、操作规范和标准。尽管企业基于大数据编制居民消费价格指数属于一项创新工程，但也应遵守上述相关规范和要求。阿里巴巴和1号店对相关数据处理、指数编制方法的公布存在一定程度的差异，aSPI系列指数简单说明了数据的清洗、导入与预处理以及数据分类、权重确定、规格品选择标准、指数的构造等内容，1号店指数则缺乏相关说明。总体上看，对外发布的内容都较为简化（尤其是1号店指数），与相关要求相差甚远。

在数据的对外发布方面，阿里研究院仅在官网发布了aSPI及其十大类商品指数和aSPI-core价格指數等数据，尚未对外发布更为详细的系统性价格指数的相关数据;1号店指数对外发布的数据则相当有限，社会公众对其指数数据的获取存在较大困难本文尽可能地收集两企业有关居民网络消费价格指数编制的相关信息，但最终所掌握的信息和了解的情况还是相对有限，也不排除部分介绍与评述存在不妥之处，恳请相关人员批评指正。 。

三、居民网络消费价格指数编制实践评述

拥有第一手居民线上消费大数据的电子商务企业阿里巴巴和1号店等，在国家或地方统计部门的指导下开展了线上价格指数编制的重要实践工作，在取得卓有成效的统计成果和重要实践经验的同时，也存在一些不足之处和亟需完善的地方。

1.居民网络消费价格指数编制实践的成效

一是从源头上优化了价格指数的基础数据质量。相对于传统CPI通过统计报表和抽样调查所获取的数据，网络消费价格指数的基础性数据在数据质量和信息完整性方面具有突破性的提高，具体表现在：（1）记录的商品价格是实际成交价格，而不是商品标示或者货架上列出的价格。（2）填补了传统CPI在规格品交易数量信息上的空白。（3）所有数据信息一次性采集完成，实现了商品价格与销售数量的精准匹配。传统CPI编制中高层级汇总所使用的权重数据与规格品价格的采集并不同步，两者的匹配性不高;而大数据下全部商品交易价格与交易量一次性同步采集，匹配性的问题得以彻底解决，数据质量得到了质的提高。

二是采取更具针对性的措施提高了商品篮子的代表性和时效性，这些措施主要包括：（1）使用截取法排除交易数量和销售额波动过大的商品，以提高规格品的代表性。（2）选择与上一期交易类目的交集动态化选取规格品，有效地解决了传统CPI编制中新产品不能及时纳入、旧产品不能及时剔除的难题，大大提高了代表性规格品的时效性。（3）构建权重每月更新的环比指数，有效契合了居民网络消费结构和网络消费偏好的动态化特征。实际上，商品篮子的代表性和时效性问题历来就是传统CPI编制尚待改进的难题，借用大数据的充分信息和实时更新等显著优势优化商品篮子的代表性和时效性，对提高价格指数数据质量具有极其重要的促进作用。

三是与传统CPI指数相比，其指数构造方法更为科学，主要体现在三个方面：（1）每个月规格品价格的计算借助了规格品交易数量信息，与传统简单算术平均法相比，每月价格数据更为准确可靠。（2）加权汇总基本价格指数。传统CPI的基本价格指数汇总采用简单几何平均，导致一定程度的低层替代偏误;而aSPI和1号店指数均借助交易量数据进行加权汇总，低层替代偏误得到缓解。（3）采用真正意义上的拉氏指数计算综合指数。由于传统CPI的权重每五年更新一次，其指数的高层级汇总使用的并非真正意义上的拉氏指数;网络消费价格指数的商品权重更新频率与指数编制频率同步，采用的是真正意义上的拉氏指数，这无疑也是一大改进。

四是开发了系列创新型指数，拓展了价格指数应用范围和功能。aSPI构建的系列指数极大地扩展和完善了互联网时代下价格指数的新功能，更为重要的是，这些创新型指数的开发和挖掘与供给侧结构性改革的战略目标高度契合，是一项成功的统计创新实践工作。

2.居民网络消费价格指数编制实践的不足

一是缺乏统一的信息登记标准和规范。尽管大数据可以采集到网络消费中消费者、厂商和商品特征等信息，但这些信息的有效使用是建立在其在互联网上如实并标准化登记的基础上的。例如，如果厂商不将商品的某类信息在互联网上有效登记、消费者没有如实填写相对完整的相关信息、没有按照一定的规范来登记等，都会导致互联网采集的数据出现信息缺失、失真、噪音或利用率低等问题。因此，需要根据科学编制网络消费价格指数对数据信息的要求，对网络交易中经济主体在线登记相关信息进行规范和统一。但目前阿里研究院和1号店都尚未正式制定有关信息登记的标准和规范，这显然不利于网络消费价格指数编制工作的持续和有效推进。

二是对商品的季节性处理和质量调整有待推进。根据中国互联网络信息中心（China Internet Network Information Center，CNNIC）的分析，2013—2015年服装鞋帽类消费占居民网购零售总额的比重最大[12]，这些商品的季节性特征明显，如果缺乏针对性的系统性研究，则难以真实有效地评估它们对价格指数编制产生的影响。同时，消费价格指数测量的是商品純价格变化，质量变化导致的价格变化应予以剔除。因此，进行科学合理的商品质量调整也是有必要的。而目前上述两类指数尚未对商品的季节性和质量变化进行深入、系统的考察和处理。

三是编制方法和数据的发布不完整、不规范。消费价格指数的编制是一项极具严谨性的统计工作，也是一项极具社会影响力的统计工程，国际货币基金组织早在1996年就提出了关于数据公布的国际准则（SDDS），从数据质量、真实性和可获得性等方面进行了规定。而目前大众获取aSPI和1号店指数（尤其是1号店指数）的数据并不容易，其编制方法也没有在官网上详细发布，社会各界难以深入了解其编制方法的科学性、严谨性和规范化程度，对其数据的解读和应用也难免会存在一些偏差、误解和误用。

四是大数据技术运用不充分。网络消费价格指数编制与传统CPI编制的最大差异在于大数据技术的有效运用。具体而言，大数据和云储存技术除了用于实时记录和存储网络消费数据之外，还可用于代表性规格品的选取、权重的更新、指数公式的构造以及指数的可视化发布等方面。例如，对代表性规格品的选择可采用机器学习和模拟的方法寻找最优决策方案，也可借助大数据技术计算不同类型商品间的相互替代弹性、运用可视化技术详细发布各级各类商品价格指数及其详细的权重数据等。但目前上述两类指数的编制主要局限于传统价格指数统计方法框架内，对大数据的机器学习、数据挖掘、可视化等技术的应用尚不充分。

五是对消费价格指数理论研究与方法创新的推动不足。总体来看，居民网络消费价格指数的编制基本上还处于传统统计思维和框架内，对一些重要理论问题的研究不够深入，实践中的方法创新也不足。比如，指数替代偏误的测算、各类商品间替代弹性的测算与比较、链式指数（Chained indexes）链式漂移性的规律与特征、滚动年份指数（Rolling Year GESKS Index）的应用 [13]、消费者效用水平的测算及其时变问题、针对不同区域和不同群体的特色价格指数的编制等，这些问题都需要借助海量数据加以验证和厘清，在数据资源充裕的条件下有必要展开深入研究，同时也可以进一步提高数据质量和优化价格指数编制方法。

四、居民网络消费价格指数编制展望

随着信息技术的快速发展，网络消费规模持续性快速增长，借助居民网络消费大数据编制网络消费价格指数成为必然。居民网络消费价格指数的编制需要遵守一定的统计标准和规范，确保其编制方法和过程的科学性、客观性、严谨性、普遍适用性和公开透明性以及编制结果的代表性、权威性和准确性;同时，居民网络消费价格指数的编制也是一项重要的民生工程，需要投入大量的人力、物力和财力。阿里巴巴和1号店在编制居民网络消费价格指数方面进行了大胆的尝试，开展了很多富有成效的工作，其经验和方法无疑是值得借鉴的。但居民网络消费是一种全新的消费渠道，大数据是一种崭新的数据源头，网络消费价格指数的编制涉及经济学、统计学、计算机科学与技术等综合专业知识的应用，其数据处理方法和技术较传统CPI更为复杂和系统。为此，需要做好以下几方面的系统性工作。

一是大力促进网络消费数据的共享。网络消费大数据是编制网络消费价格指数的前提和基石，网络消费数据的共享无疑将有助于推进网络消费价格指数理论和方法的创新及其实践应用。为了获取网络消费大数据，目前美国劳工统计局和新西兰统计局已着手利用网络抓捕技术，但难以获取网络消费的详细交易信息，数据质量也不可靠，且不少网站采取了防扒措施。因此，需要加强网络消费数据的开放与共享，编制真正意义上的网络消费价格指数。但目前网络交易大数据的开放和共享还存在各种各样的问题，相关的立法也未进入实质性的阶段。可以借鉴部分欧盟国家要求超市向统计部门共享扫描数据等的做法，逐步推进网络消费大数据资源向政府相关部门甚至社会公众开放。

二是系统推动网络消费价格指数理论和方法的创新。大数据资源具有更新快、容量大、频率高、噪音多等特点，对传统价格指数理论和方法提出了挑战，传统消费价格指数的内涵、测度对象和目标不再适用，相关商品的分类与调整、规格品及其权重的确定与更新、指数的构造、季节性产品处理、商品质量调整等方法也存在应用上的偏差。因此，需要系统推进网络消费价格指数理论和方法的创新研究，以促进大数据和大数据技术在网络消费价格指数编制中得到科学化、规范化的充分应用。

三是积极推进网络消费价格指数统计规范和标准的制定和应用。消费价格指数的统计编制工作要求设计科学、边界清晰、口径可比、发布规范、渠道畅通、保障有度。而网络消费大数据具有巨量性、多变性、混沌性和低价值性等特点，致使网络消费价格指数的编制过程复杂且难度大例如，“淘数据”网站发布了德芙官方旗舰店销售巧克力的数据信息，2017年10月11日统计中相关商品种类多达82种之多，而且各类型商品销售的基本单位相差甚远（碗、克、斤、袋、块、支等），销售单价也极为悬殊（最高价是最低价的近180倍）。可见，就德芙巧克力品牌而言，各类型商品的销售量和价格的可比性是相当差的。这一现象充分说明大数据信息的混杂性，同时也对规格品的选择及其價格的汇总带来了严重挑战，进一步凸显出科学制定相关统计规范、统一统计口径的重要性。 。因此，为了促进网络消费价格指数编制中基础性数据的可利用性、有效性和规范性，需要基于网络购物大数据的系统性特征和大数据处理技术，逐步形成一套科学的网络消费价格指数统计标准和规范，明确其统计范围、统计口径、统计内容、统计指标和统计方法等。

四是进一步强化创新型特色网络消费价格指数编制的实践探索。网络消费大数据包含着极其丰富的参与交易各方的信息，且数据能够实时更新，这为拓展价格指数的功能、推进其应用创新提供了条件和机遇，其中阿里研究院开发的系列创新型指数就是最好例证。实际上，还可以从指数的编制频率、消费品功能特征与用途、消费群体特征、区域特征、消费支付手段和方式、季节性产品特征、商品质量变化特征等角度编制更多的各具特色的创新型价格指数，以拓展价格指数的宏观、中观和微观功能，满足政府、业界、居民和投资者等不同层次主体的多元化需求。

参考文献：[1]

马建堂.大数据在政府统计工作中的探索与应用[M].北京：中国统计出版社，2013.

[2] 人民网.习近平作十九大报告 八次提到互联网[EB/OL].（2017-10-18）[2018-01-06].http：//media.people.com.cn/n1/ 2017/1018/c120837-29594814.html.

[3] 阿里研究院. 2015年8月网购价格变化情况[EB/OL].（2015-09-08）[2018-01-06].http：//www.aliresearch.com/blog/blog/ article/detail/id/20629.html？spm=a2z0711901350032382c158FW2Zv.

[4] 阿里研究院.5月网购核心商品价格指数[EB/OL].（2014-06-10）[2018-01-06] http：//www.ebrun.com/20140610/101227. shtml.

[5] 比特网.1号店指数：上海快速消费品价格下降[EB/OL].（2014-04-10）[2018-01-06].http：//tech.sina.com.cn/roll/ 2014-04-10/16509310995.shtml .

[6] 刘慧.大数据在CPI统计中的应用研究[EB/OL].（2015-01-22）[2018-01-06].https：//wenku.baidu.com/view/ af558bb458f5f61fb6366637.html.

[7] 徐继华，冯启娜，陈贞汝.智慧政府大数据治国时代的来临[M].北京：中信出版社，2014.

[8] ILO，IMF，OECD，UNECE，EUROSTAT，World Bank. Consumer price index manual： Theory and practice[M]. Geneva： International Labor Office，2004.

[9] 中华人民共和国国家统计局.居民消费支出分类（2013）[S/OL].2013-03-18[2018-01-06].http：//www.gov.cn/zwgk/ 2013-03/18/content_2356851.htm.

[10]比特网.网络购物规避物价上涨，淘宝CPI正式发布[EB/OL].（2008-07-07）[2018-01-06].http：//tech.sina.com.cn/roll/ 2008-07-07/0909721805.shtml.

[11]阿里研究中心.网络零售价格指数（ISPI）报告[R/OL].（2011-12-23）[2018-01-06].http：//www.aliresearch.com/blog/ article/detail/id/13316.html.

[12]CNNIC. 2015年中國网络购物市场消费特征分析[EB/OL].（2011-12-23）[2018-01-06].http：//www.askci.com/news/ hlw/20160623/15410433061.shtml..

[13]DE HAAN J， KRSINICH F. Scanner data and the treatment of quality change in rolling year GEKS price indexes[C]// EMG Workshop， 2012.

The Compiling of Online Consumer Price Index：

Practice Experience， Problem Analysis and Outlook

CHEN Li-shuang

（1.School of Tourism and Hotel Management，Hubei University of Economics，Wuhan 430205，Hubei，China;2.Key Laboratory for Commercial Big Data Anaiysis and Application of Fujian Province，MinnanNormal University，Zhangzhou 363000，Fujian，China）

Abstract： With the rapid increase of online consumption of the residents， the necessity for compiling online consumer price index becomes urgent， however， the big data of online consumption has the characteristics of rapidly renewing， big volume， high frequency， many noises and so on， therefore， traditional price index theory and method is difficult to be applicable. The compiling practice of aSPI and No.1 Store Index optimizes the quality of basic data from the source and promotes the real-time and representation of commodity basket， and index composition method is more scientific and has developed series of innovative price index but still has the problems in un-uniform standard and regulation for information registration， insufficient application of big data and data processing， incomplete method and data popularization， inadequate innovation of theory and method and so on. Thus， we should boost the sharing of online consumption data， systematically promote the innovation of consumption price index theory and method， actively push forward the preparation and application of relative statistical standard and regulations， and further strengthen practical exploration for the compiling of innovative-style characteristic price index.

Key words： online consumption; price index; aSPI; No.1 Store Index; CPI; big data technique