基于大数据的网络用户消费行为分析

翟金芝 副教授

（辽宁现代服务职业技术学院 辽宁沈阳 110164）

我国网络用户消费现状

（一）消费群体年龄段集中

从实际消费情况来看，网络消费主力的年龄段集中在25 岁至45 岁之间，该群体具有较高的经济自主权，同时掌握着一定的信息技术，且缺少足够时间进行线下消费，所以网络消费成为其首选消费方式，年龄分布如图1 所示。

（二）消费水平持续提升

近年来，我国经济快速发展，人们经济收入水平明显提升，在此情况下，网络用户的消费需求得到最大程度的释放。据统计，2014 年我国网络零售业务总额仅为2.79万亿元，截至2019 年，我国网络零售业务总额超过10.63万亿元，较2018 年同期增长约16.5%。虽然，我国网络用户增长幅度逐年下降，但是，基于网络用户消费水平的提升，网络市场依然呈现出一片繁荣的景象。

（三）消费结构优化

相比较电子商务出现的初期阶段，我国网络用户的消费结构全面优化，在消费需求多元化发展的同时，网络用户更加关注产品的质量，而不是产品的价格。并且，为获得更好的网络消费体验，电商平台的评价功能为网络消费者的消费行为提供了依据。所以，在整体经济形势向好的情况下，现阶段的网络用户消费结构倾向于对产品质量与服务的衡量，价格对其消费行为的影响显著弱化。

（四）消费异化现象明显

互联网数据的信息主体是参与网络活动的所有用户，其中也包括电商企业在营销过程中发布的诱导性数据信息，受此类数据信息的影响，网络用户的消费行为在某种程度上并不是基于本身的实际需要，进而产生了消费依赖与非理性消费等。虽然，消费异化满足了消费者的心理需要，但是，由于偏离了消费初衷，导致网络用户的消费主体地位被弱化，以网络数据信息为主导的消费行为普遍存在。

大数据背景下网络用户消费行为特点

大数据技术在电子商务领域的应用使市场营销策略的制定更加科学化，利用大数据技术能够对网络用户的消费行为进行统计、分析，并根据网络用户的消费行为进行分类，从而实现定向性的营销内容推送。通过大数据技术，我国网络用户消费行为具有以下几个方面的特点。

（一）个性化

网络用户消费行为已经摆脱了传统消费的基本需求，尤其在电商产品日益丰富与相关营销服务持续完善的情况下，网络用户的个性化消费需求能够得到一定程度上的满足，并且，随着网络市场竞争的日趋激烈，电商企业利用大数据技术对网络用户的个性化消费需求进行分析，并从产品质量、功能等多个方面对网络用户的消费行为进行引导。

大数据背景下网络用户的个性化消费需求得到了满足，网络用户的消费主体地位得到尊重，但是，从实际效果来看，网络用户的个性化消费是电商企业依托大数据分析的方向性引导，消费者的主观能动性未能充分体现。

图1 网络消费群体的年龄分布占比

（二）理性化

网络用户消费行为经历了 “理性- 盲目- 理性” 的三个阶段：早期网络用户对电商消费相对陌生，消费需求并不明显，该阶段网络用户消费行为普遍较为理性；随着网络市场的不断扩大，电商产品类型、功能的日益丰富，以及产品价格的透明化等，网络用户在消费过程中具有更多的选择权，并且，受互联网数据信息的引导，网络用户消费行为趋于盲目；经过长期的发展，国内电商市场已基本成熟，结合大数据技术的应用不仅能够实现对网络用户消费行为的精准预测，同时可介入电商市场的违法行为监督等，所以，基于大数据的网络用户消费行为更加理性。

（三）层次化

所谓层次化，并非以消费者的实际消费能力为区分，而是以消费者的消费理念作为层次划分的依据，其中主要区分为需求层、意识层、环境层三种。

第一，需求层。是指以网络用户的实际需求为引导，电商企业的营销策略对该层次网络用户消费行为的影响相对较小，但是，从数据价值属性来看，需求层网络用户的消费占比最高，且具有明确的消费意向，基于大数据技术的需求层网络用户消费行为预测准确度相对较高。

第二，意识层。与需求层网络用户相比，意识层网络用户消费行为具有一定的规划性，相关需求受产品价格、功能、品质三个主要因素的影响，所以，在网络市场产品不断更新的情况下，意识层网络用户消费行为也将随之发生变化。

第三，环境层。网络用户消费行为受环境的影响较为明显，因此，电商企业利用大数据技术对网络用户消费行为进行分析，并采取针对性的营销宣传，进而构建以环境为引导的消费观。所以，环境层的网络用户消费行为具有较强的盲目性，基于大数据的网络用户消费行为分析准确度偏低，但是，通过企业营销策略构建市场生态环境，能够实现对环境层网络用户消费行为的引导。

基于大数据的网络用户消费行为影响因素分析

网络用户消费行为的影响因素众多，根据相关影响因素的作用机理，可以将其分为内部影响因素和外部影响因素两种类型，其中，内部因素主要为消费者的个体因素，而外部因素则为电商平台、产品、安全、评价等。

（一）内部因素

基于网络消费者在性别、年龄、文化水平、经济收入水平等方面的差异，在网络消费过程中的目标产品也有所不同。以经济收入水平为例，不同收入水平的网络用户消费行为具有明显的倾向性，据公开数据显示，我国不同收入水平的网络用户消费行为分析如图2 所示。

内部因素对大数据背景下网络用户消费行为的影响最为直接，且从根本上限制了网络用户的消费能力，并且，内部因素影响下的网络用户消费行为可以作为划分其消费层次的依据，是电商企业在制定相应产品营销策略过程中的重要参考。

（二）外部因素

电商平台。基于大数据的网络用户消费行为需要正确引导，由于电商平台的产品、营销模式、用户评价、服务质量等不同，网络用户的消费行为也将受到一定的影响。针对这一问题，电商平台需要利用大数据技术对网络用户反映较为集中的产品质量问题、服务问题等进行及时处理，并通过多种营销渠道进行引流。

以天猫为例，作为国内最大的电商平台，天猫客服中心就消费者投诉问题进行实时处理，并以消费者举证为依据，严肃处理存在质量、服务等相关问题的店铺，并通过大数据技术对天猫用户的消费行为分析，利用短信、智能软件等方式进行产品推送，提高网络用户的消费粘度。

产品。需求是引导网络用户消费行为的前提，因此，电商企业在进行产品功能、外观、价格等方面的定位时，应充分考虑到目标消费群体的需求，以最大限度吸引消费者的注意。并且，在现代销售理念中，产品并不仅包括传统的实体产品，其中还包括实体产品所对应的服务内容，基于大数据的网络用户消费行为分析需要同时考虑实体产品本身与对应的服务两种影响因素，在针对特定网络用户进行产品设计的同时，也要结合大数据技术分析网络用户对产品的服务需求，从而保证产品在网络用户消费行为中的核心影响力。

安全。相比较传统购物方式来说，电商平台的开放性导致网络用户对产品质量安全问题有着一定的顾虑，这是影响网络用户消费的重要因素之一。不仅如此，部分网络平台所提供的产品服务需要用户提供相对全面的个人信息，但是，由于内部管理不当或其它原因导致网络用户个人信息泄露，给网络用户的个人饮食安全带来隐患。

图2 我国不同收入水平网络用户的消费行为情况（n：月收入）

除以上内容外，网络用户最为关心的就是交易安全问题，互联网的开放性导致其安全隐患众多，木马、黑客、病毒等都是网络支付安全的潜在威胁，虽然，类似天猫、京东等大型电商平台都提供了第三方支付业务，但是，交易安全问题的存在对网络用户的消费行为也产生了不同程度的影响。

评价。网络用户消费行为受其他网络用户的评价影响较为明显，为督促电商企业提高产品与服务质量，电商平台为网络用户开设了互动评价模块，网络用户可根据自己的实际消费体验进行评价，结合大数据技术的应用，电商平台将网络用户的评价进行分类整理，并在评论模块向其他网络用户进行展示，并作为其是否消费的参考依据。

然而，近年来出现的 “刷单”“代评” 等现象也影响了基于大数据技术的电商评价模块作用的发挥，甚至误导网络用户消费。所以，评价因素的影响虽然存在，但实际作用却被弱化，完善电商产品评价监管机制对大数据背景下网络用户消费行为分析尤为重要。

大数据环境下基于网络用户消费行为的营销策略

大数据技术的应用能够实现对网络用户消费行为的准确分析，随着互联网购物的流行，网络用户消费行为分析成为相关企业参与网络市场竞争的关键，在此情况下，针对网络用户消费行为的分析结果为电商平台或企业制定营销策略提供了依据。

（一）政府平台介入指导

近年来，政府部门开始强化地方经济建设，其中就包括地方网商经济的发展，通过大数据分析的结果显示，在同类型产品中，政府部门介入的产品销量最高，且整体评价数据的可信度较高。

结合这一现象，政府部门在介入地方网商经济发展的同时，强化区域产品质量监督，会同相关政府部门对地区电商企业进行统计，并纳入统一管理，并且，地方政府应加强与电商平台之间的互动，充当电商平台以外的第三方监管机构，实现 “电商平台+ 地方政府+ 网络用户” 的监督管理体制。

图3 地方政府介入网商经济推广建设与监管示意图

如图3 所示，电商平台将网络用户消费行为数据分析结果向地方政府部门提供，地方政府进而指导相关企业的生产工作，并由地方政府部门负责对原材料采购、产品生产、产品储运等相关环节的质量与安全监督，当产品进入到网络销售环节后，电商平台与网络用户承担对电商企业产品质量、服务质量的监督工作，电商平台将进一步搜集特定产品的网络用户消费行为数据，并将分析结果向地方政府进行反馈，以实现地方政府介入下的电商经济良性循环。

（二）电商平台营销

网络用户消费多通过电商平台完成，所以，大数据环境下基于网络用户消费行为的电商平台营销策略应当结合网站设计、安全管理、服务优化等实现。

网站设计。网络用户消费过程是通过与电商平台网站的交互实现，为提高网站的交互性，在网站设计过程中应考虑到网络用户的实际消费行为。例如，网络用户对于某产品的关键词搜索多浏览前3 页，若无法找到满足要求的产品，超过70% 的网络用户将更换电商平台。为此，电商平台利用大数据技术对网站进行优化，以适应网络用户消费行为。

首先，根据网络用户消费数据模型，结合网络用户的实际评价进行关键词检索进行店铺或产品信用排名，为网络用户推荐最佳的产品或店铺。

其次，基于大数据的网站架构优化同样重要，通过网络用户在消费过程中的行为数据分析，确定网络用户对不同网站架构的适应性，在主题设计、板块布局等方面加以调整，从而提高网络用户的使用体验。

最后，由于购物与支付流程的优化涉及到网络用户的资金安全，因此，大数据视角下的购物与支付流程应当尽可能简化，减少多流程验证等带来的不良消费体验。例如，网站可通过对特定用户的消费行为数据变化判定是否为本人操作，并以此作为多层验证的依据。

服务优化。与线下消费不同，网络用户的线上消费行为是依托于互联网实现，消费者与厂家之间并无直接沟通，因此，相关信任建立的基础是对应产品的网络宣传与评价数据，然而，作为电商平台或者厂家，应借助大数据技术进行后续服务的优化，从而进一步建立与网络用户之间的关系。

以售后服务为例，电商平台或企业方面根据网络用户反馈的产品质量等数据信息进行分类整理，并针对存在同类型质量风险的网络用户进行回访，提出解决方案，如此，则能够进一步深化网络用户的信任，这是影响网络用户消费行为的关键因素之一。

图4 基于大数据的 “网红” 带货分析

除此之外，完善配送服务体系也是服务优化的重要组成部分，依托大数据技术将供应链物流与电商平台进行关联，实现对供应链数据的准确把握，为网络用户提供准确的物流配送信息，并根据网络用户的既往签收数据设定派送时间，提升网络用户的消费体验，引导以优质配送服务为核心的网络用户消费行为。

（三）“网红” 带货

随着抖音、快手、微博、微信、淘宝、京东、B 站等短视频和直播电商平台的兴起，品牌商与消费者接触的触点不断增多，对电商企业如何开展 “网红” 明星、KOL/KOC 短视频和直播营销，如何进行营销的数字化、系统化、精细化、智能化管控都提出了更高的要求。

据统计，2019 年 “网红” 带货总额超过4400 亿元人民币，“网红” 带货需要精准的数据支持，利用大数据技术对网络用户的个人数据进行分析，如日常休闲方式、喜欢的明星、居住地点、心理和需求等，从而为 “网红” 带货提供数据支撑，强化 “网红” 带货对网络用户消费行为的影响效果。具体如图4 所示。

“网红” 带货营销模式可分为三个阶段，即营销前、营销中和营销后。首先，在选择 “网红” 带货营销模式前需要做好消费者心理和需求变化的数据分析，根据产品设定和数据指数模型筛选合适的平台与 “网红”；其次，在 “网红” 带货营销过程中应实时跟踪互联网传播数据、网络用户消费行为数据和交易数据，动态调整投放策略；最后，“网红”带货营销结束后，应当对活动数据进行分析，并通过机器学习、深度学习进一步提升和完善网络用户消费行为模型。

（四）自媒体营销

据不完全统计数据，超过27% 的网络用户消费行为是由自媒体转化而来，其中，作为20 岁至40 岁的网络用户来说，由于日常工作压力大，碎片化时间相对较多，自媒体成为其精神娱乐的主要平台，所以，网络自媒体已经成为企业参与网络市场竞争的又一 “主战场”。通过自媒体平台提供的网络用户数据信息，能够对其消费心理、消费计划、消费承受能力等进行更加准确的预测，从而实现精准的产品数据定向推送。

自媒体营销的方式主要包括 “感染式” 营销、事件营销、知识营销和情感营销四种类型。首先，“感染式” 营销是利用自媒体进行广泛的产品宣传，利用部分网络用户对产品价格因素的关注，发布以网络用户为营销节点的优惠活动；其次，事件营销则是指电商企业利用大数据技术对网络用户较为关注的热点事件吸引媒体、社会团体和消费者的兴趣与关注，以求提高企业或产品的知名度、美誉度，树立良好品牌形象，并最终引导网络用户消费行为；再次，知识营销是自媒体营销中较为常见的一种手段，其主要通过有效的知识传播方法和途径，利用大数据技术对网络用户知识构成与需求进行分析，将企业所拥有的对用户有价值的产品知识、专业研究成果、经营理念、管理思想以及优秀的企业文化等传递给潜在网络用户，引导网络用户形成对企业品牌和产品的认知，并完成知识学习向产品消费的转化；最后，情感营销是以网络用户的个人情感差异和需求作为其消费行为分析的主要数据，进而确定企业品牌营销战略的情感营销核心，通过自媒体平台进行情感包装、情感促销、情感广告、情感口碑、情感设计等策略来实现企业的经营目标。

自媒体营销策略对大数据技术的依赖性较强，通过对网络用户消费行为的分析，能够有效发挥自媒体营销的作用，避免自媒体平台向网络用户盲目推送产品信息导致的负面影响，提高网络营销的针对性。