基于跨境电商搜索数据的消费者分类研究

吴轶伦

内容摘要：本文选取速卖通跨境电商平台的婚纱礼服行业搜索数据，将平台中店家数量、消费者搜索数据与购买产生的数据与消费者行为相关联。通过数据的相关分析、回归分析和聚类分析，进行消费者搜索行为、比较行为和购买行为的关系研究，以分析消费者的类别，并针对各类消费者采取一定的策略。

关键词：跨境电商 搜索数据 消费者行为

跨境电商消费者行为路径及数据产生

在消费者购买行为路径中可以发现四个主要的消费者行为，分别为搜索行为、浏览行为、比较行为和购买行为。同时，这四个行为会在跨境电商平台中被记录下来。后台将一次搜索行为记录为某一个用户搜索某一关键词A一次，然后搜索出来的关键词A对应的产品数量为宝贝数量B，用户比较搜索出来的各个产品决定是否点击进入详情页，系统同时记录该用户是否点击了搜索出来的结果，同时用户搜索关键词A是否产生购买也被记录下来，每一次用户操作行为都被记录成平台数据。经过成千上万人次的搜索、点击和购买生成了各种指标，后台根据每一个被搜到的关键字统计出该关键字对应的搜索人次生成搜索人气指标：根据搜索频次生成搜索指数指标；根据该关键字对应的点击人次生成点击人数指标；根据对应关键字的购买次数生成支付人数指标；根据每次关键词搜索出的宝贝数量经后台运算后计算出竞争指数指标。消费者行为与搜索数据对应关系如图1所示。

综上所述，跨境电商平台用户的搜索行为产生搜索人气和搜索指数，用户比较行为与竞争指数和点击人数有关，购买行为产生支付人数。因此通過指标之间的关系研究可以推断出跨境电商消费者的行为之间的关系。

跨境电商数据来源及整理

速卖通跨境电商平台时刻记录消费者行为数据，每日计算行为相应指标，并在平台设立的数据纵横板块中发布，供平台卖家查看、下载及分析。数据纵横中有三个栏目，分别为行业情报、搜索词分析和选品专家，其中搜索词分析是基于关键词统计每个关键词对应的消费者行为数据，平台能够下载出近30天的汇总数据。因此，本文基于数据纵横中搜索词分析栏目中2016年4月至7月四个月的月度数据，分析各个行为数据指标之间的关系。

每月月初下载搜索词分析栏目下婚纱品类近30天的搜索数据，并将5个月的数据汇总。同时，假设关键词对应的各个指标均不为0时，该关键词为保留完整用户行为的优质关键词。下文的分析均基于优质关键词进行跨境消费者行为数据的分析，因此剔除指标值中存在0的全部关键词及其数据，最终保留优质关键词114个。

本文选取阿里巴巴旗下的速卖通跨境电商平台的婚纱礼服行业搜索数据（即速卖通的“数据纵横”），将平台中店家数量或宝贝数量、搜索数和成交量等平台参数，与消费者搜索行为、比较行为与购买行为相关联。通过数据的相关分析、回归分析和聚类分析，进行婚纱礼服消费者搜索行为、浏览行为、比较行为和购买行为的关系研究。并通过四组数据的聚类分析，将消费者行为进行分类，挖掘出平台中最应该关注的一类消费者，并针对这类消费者采取必要的措施，达到获得顾客的目的。

跨境电商搜索数据分析结果

（一）相关分析

本文对所有变量进行两两组合的双变量相关分析（见表1），以Pearson系数和显著性水平两个指标判断其是否存在线性相关关系，相关关系是否显著。从几个变量中看出消费者行为之间是否有关联，在各个行为中选择代表性较好的变量指标进行进一步的回归分析。Pearson相关系数的绝对值越大，相关性越强；相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。相关系数 0.8-1.0 极强相关，0.2-0.4 弱相关，0.0-0.2 极弱相关或无相关。

从相关性的分析结果中不难看出，表示消费者搜索行为的两个指标搜索人气和搜索指数，与表示消费者点击行为的点击人数，再与表示购买行为的支付人数两两之间都存在较强的相关性，说明各个行为之间都存在着关联关系。同时点击率和支付转化率与大部分指标之间的相关性极弱，点击率和搜索人气之间呈现极强的相关性，支付转化率则与竞争指数存在极强的线性相关性。竞争指数也与大部分变量呈现出较弱的线性关系。因此表示搜索行为的搜索人气和搜索指数中选择搜索指数，表示点击行为的指标选择点击人数，表示购买行为指标选择支付人数，同时表示比较行为的竞争指数不参与回归分析。

（二）回归分析

根据上述相关性分析结果，点击人数和搜索指数两个变量之间存在明显的线性关系，在两个变量之间建立一元线性回归方程，先出现的行为数据做自变量，后出现的行为数据做因变量。根据Pearson相关性系数，确定点击人数与支付人数有较强的相关性，支付转化率则与竞争指数也存在极强的线性相关性。

然而针对两对有相关性的变量的散点图（见图2）进行回归分析发现搜索指数与点击人数呈现极其明显的线性回归关系，而点击人数与支付人数直接呈现多项式曲线回归关系，支付转化率和竞争指数的散点图离散度较大不进行回归分析。因此，以点击人数为因变量、搜索指数为自变量可以建立一个一元一次回归函数；同时以支付人数为因变量、以点击人数为自变量可以建立一个一元三次回归方程。

（三）聚类分析

选取代表搜索行为的搜索指数、代表浏览行为的点击人气、代表比较行为的竞争指数和代表支付行为的支付人数这四个指标进行K-均值聚类分析。首先通过系统聚类分析所得的树状图，推断可以将数据分为三至五类。然后分别将原始数据利用K-均值聚类分析分为三类、四类和五类。再以四个指标为自变量，以分类生产的类别变量为因变量，进行单因素方差检验，得到将四个指标分为三类的结果最有效。

三类的K-均值聚类分析最终聚类中心表如表2所示，表2中给出每个聚类出的类对应各个指标的中心值，以及每一类中包含的个案的数量。单因素方差检验结果如表3所示，通过显著性这一列可以看出，除了竞争指数这个指标，其它指标都达到了显著的水平。

消费者行为特征分析及启示

（一）消费者行为特征分析

通过消费者行为数据的相关性分析和回归分析可知，消费者的搜索行为、浏览行为、比较行为和购买行为之间存在着较强的相关关系。由于搜索指数和点击人气两个指标线性关系极其显著，且两个数值呈正向关系，聚类结果中两个指数也呈正向关系，即点击行为发生的次数随着搜索行为发生的次数的升高而升高，说明消费者搜索得越多，浏览的可能性越大。消费者的关键词搜索与网页浏览通常能够产生购买行为，消费者购买行为是受到浏览和搜索行为的正向影响，浏览越多说明其越有兴趣，产生购买行为的可能性越大。消费者浏览次数处于较低水平时，购买量很少，但是购买随浏览量的增加而增加。说明浏览量少的消费者普遍不会购买平台产品，但是浏览行为与购买行为是正向的关系。浏览的次数稍稍升高到中等水平时，浏览与购买的正向关系极弱；搜索和浏览次数再变多时，消费者能够产生大量的购买。

（二）基于消费者行为聚类结果的用户分类

通过解读聚类结果最终聚类中心表结合搜索词内容，可以总结出各个分类的特征，推断出对应的消费者行为分类。第一类消费者可比较的产品数量很少，即竞争指数最小；通过中等的搜索和浏览，产生中等数量的购买行为。属于目标明确的消费者，选择定向搜索特定的产品，不需要比较大量的同质产品就可以决定购买，多为小语种国家消费者。第二类消费者可比较的产品数量中等，通过大量的搜索和浏览，产生大量的购买行为。是搜索浏览导向型消费者，选择搜索大众词汇，多种产品进行比较，通过不停地浏览平台上的产品，产生大量购买。第三类消费者是数量最多的一类消费者，在平台上有很多可比较的产品，但是消费者搜索和浏览量很低，导致购买量也极低。这一类则是无兴趣的过客，他们搜索非定向的大众词汇，搜索出大量的同质产品，比较后并无法产生购买的兴趣，最终放弃购买。

过客是平台上数量最多的一类消费者，商家应该优化平台上的产品，注意产品不要落入同质产品的俗套。目标明确的消费者和搜索浏览导向型消费者是能够产生购买的人群，是商家应该着重研究的消费者，也就是说在产品描述中一定要同时含有大众品类词汇，让搜索浏览导向型消费者能够搜索并浏览到，同时要有定向的词汇结合个性设计的产品和描述来被第一类消费者检索到，从而产生购买。

参考文献：

1.王萍.基于数据挖掘技术的消费者行为研究[D].吉林大学，2004

2.刘枚莲.电子商务环境下的消费者行为研究[D].华中科技大学，2005

3.冯明，刘淳.基于互联网搜索量的先导景气指数、需求预测及消费者购前调研行为—以汽车行业为例[J].营销科学学报，2013（3）

4.樊国虎.网络搜索数据与消费者信心指数的相关性研究[D].吉林大学，2014

5.张文君，王军，徐山川.电商用户需求状态的聚类分析—以淘宝网女装为例[J].现代图书情报技术，2015（3）

6.洪成一，樸宰秀，黄春华.互联网信息搜索意图对消费者行为的影响分析[J].国际商务（对外经济贸易大学学报），2003（6）

7.张国发，邵树琴.淘宝搜索指数与成交指数的协整分析—以羽绒服为例[J].现代经济信息，2014（3）