电子商务消费行为论文

2022-07-03

[摘要]本文通过分析利益内涵，结合电子商务消费购买行为特征，提出以利益为细分变量的利益维度，并在此基础上构建基于利益的电子商务市场细分模型。下面小编整理了一些《电子商务消费行为论文(精选3篇)》，仅供参考，大家一起来看看吧。

电子商务消费行为论文篇1：

基于粗糙集理论的电子商务消费行为预测研究张艳荣

摘要：为了解决传统电子商务知识获取瓶颈问题，本文提出了一种改进的基于差别矩阵的属性约简算法，将其应用于电子商务消费行为预测条件属性集约简中，并对产生的规则进行提取和约简，得到了一种新的基于粗糙集理论的电子商务消费行为预测方法。算例表明该方法预测效果良好。

关键词：粗糙集；电子商务；消费行为预测

一、引言

随着网民的日渐增多，全球加入到电子商务购物热潮的人数持续增长。庞大的网民蕴含的是巨大的商业契机， 2013年，欧洲电商交易总额达到4 969亿美元，我国电商销售总额突破10万亿元。Forrester Research研究公司预测，随着移动网络的广泛使用，2014年电子网络购物消费总额将会再上一个新台阶，以重大节庆作为疯狂购物的潮流将成为主流。为在巨大的市场份额中分得一杯羹，电商企业们也是使出浑身解数。但先知先觉，更加充分、科学地挖掘顾客购买特性，并对其消费行为进行准确预测，从而制定有针对性的营销模式，开辟新的市场，保持顾客忠诚，是电商企业获得成功的重要路径。

与传统实体店购物明显不同，电商购物行为具有多样性与不稳定性。电商购物环境下，顾客获得信息更加具有主观自主选择性。一个设计再精美的购物网站，如果顾客没有光顾，就没有市场！一件再怎么物美价廉的商品，如果顾客没有浏览，也不可能为企业创造商机。因此，如何设计开发电商购物平台，在消费者与企业不具备面对面信息交流的情况下，让顾客主动地选择本企业的产品是我们需要关注的。电子商务平台就是为了方便商家与消费者的沟通，支持消费者网上购物活动而建立的商业站点。网站信息呈现的方式和网站模块组织模式，会对消费者产生很强的刺激作用，影响消费者的购买决策和购买行为。如何利用这一信息界面吸引并影响消费者是网络营销的关键。

有关网络营销顾客消费行为的特征以及预测，相当多的学者做出了较为突出的贡献。何明升（2002）研究了网络消费方式的内在结构及其形成机理。罗新星等（2003）把粗糙集理论的数据挖掘方法应用于电子商务中。金玲玲等（2012）探索了基于差别函数的属性约简算法在电子商务中的应用。但这些研究在把粗糙集理论应用到电子商务中时，没有考虑到电子商务消费数据的不可得性与局限性。于是，有相当多的学者对粗糙集理论的改进算法提出了很好的建议。王明娜（2002）提出了一种改进的粗糙集数据挖掘方法。张艳荣（2012）把改进的粗糙集理论应用于森林病虫害预测。王燕（2007）在其硕士论文中探索了基于粗糙集的属性约简研究。

在上述研究的基础上，本文将以电子商务消费个体背景为基础，从信息学的角度审视电子商务顾客消费行为的全过程以及影响消费者购买决策的因素。由于电子商务消费行为相关的知识量比较大，为了能够快速、准确地从杂乱无章的海量数据中挖掘潜在的有利用价值的信息并用于电子商务消费行为的预测中，本文将粗糙集理论应用于电子商务消费行为的预测过程之中。通过对电子商务消费行为的相关数据进行收集、完备化和离散化，本文提出了一种改进的基于差别矩阵的属性约简算法，并基于此算法对电子商务消费行为的条件属性集进行约简，从而对产生的规则进行提取与约简，得出了一种新的基于粗糙集理论的电子商务消费行为预测方法。

二、粗糙集理论

（一）粗糙集的下近似集和上近似集

K=（U，S）为给定的知识库，U表示论域，S为U上的等价关系簇，则XU和U上的一个等价关系R∈IND（K），子集X关于知识R的上近似和下近似的定义分别为：

R（X）={x|（x∈U）Λ（[x]R∩X≠）}

R（X）={x|（x∈U）Λ（[x]RX）}

集合X的上近似、下近似和边界域如图1所示。

其中，U为论域，表示整个区域包含的元素；论域在等价关系R下的分类模式U/R表示图1中的所有方格组成的集合； R为等价关系，图中为划分整个区域的横竖线。

（二）知识约简

知识库中的知识并不是同等重要的，有些知识是冗余的。知识约简是将一些无关或多余的特征丢掉，在不影响其原有的分析预测功能的前提下，将信息量减少，即在不影响原知识分类的情况下，将n维信息空间{x1，x2，…，xn}减小为m维{x1，x2，…，xm}（m

以下为约简与核的定义，它们是知识约简中两个最基本、最重要的概念。

对于知识库K=（U，S）和K中的一个等价关系族PS，任意的GP，若G是独立的，且 IND（G）=IND（P），则称G是P的一个约简，记为G∈RED（P）。其中，P的全体约简组成的集合用RED（P）表示。

令P为一个等价关系族PS，R∈P，如果INDP=INDP-{R}成立，则称R为P中不必要的；对给定的知识库K=（U，S）和知识库中的一个等价关系族PS，对任意的R∈P，若R满足INDP-{R}≠INDP，则称R为P中必要的。P中所有必要关系组成的集合称为P的核，记作CORE（P）。

（三）知识表达系统

在智能数据处理中，知识表达占据极其重要的地位。知识表达系统是粗糙集理论中主要的知识表示方法，其基本成分是研究对象的集合。我们可以采用指定对象的基本特征和属性来进行描述，表示为S=（U，A，V，f），通常用S=（U，A）来代替。其中，U表示对象的非空有限集合，即为论域；A表示属性的非空有限集合，即为属性集；V=∪a∈AVa，Va表示属性a的值域；f为U×A→V是一个信息函数，其为每一个对象的每个属性赋予一个信息值，即a∈A，x∈U，f（x，a）∈Va。这样定义的知识表达系统可以方便地用表格表达来实现。知识的表格方法可以看成一种特殊的形式语言，它用符号表达等价关系，这样的数据表成为知识表达系统。

表1即为一个知识表达系统，可以看到全体论域U=（x1，x2，x3，x4，x5，x6），全体属性集合为A=（p1，p2，p3，p4，p5），此外，设VP1=（0，1），VP2=（0，1），VP3=（0，1），VP4=（0，1），VP5=（0，1），这样就构成了一个知识表达系统。

（四）决策表

若知识表达系统S=（U，A，V，f），其中A=C∪D，C∩D=，C表示条件属性集，D表示决策属性集。决策表是具有条件属性和决策属性的知识表达系统，如表2所示。

（五）属性重要度

每一个决策表中的属性在做决策和数据分类时，其角色是不一样的，所起到的作用也不尽相同。为了更好地计算这种属性的重要度，我们可以采取的方法是逐一去掉每个属性，进而检测这个决策系统在做决策和分类时，是否会因为移掉了这个属性而发生明显的改变。如果去掉该属性后，整个系统的决策发生了明显的改变，那么这个属性就具有相当的重要性，计算的重要值越大，表明该属性越不可删除；反之计算的重要值越小，其删除该属性的可能性越大。下面用正区域概念来表达这种思想：关于由属性集C引入的分类，其属性子集B′B的意义就是重要度的描述，用这种差来表示：dB′-B（c）=rB（c）-rB′-B（c），该式表明，如果去掉这个属性子集B′，用属性B的方法分类个体，其正区域是如何被影响的。若B′是一个属性，则说明丢掉这个属性，其正区域是如何被改变的。

（六）区分矩阵和区分函数

设知识表达系统S=（U，A，V，f），U=n·S的区分矩阵是一个n×n矩阵，其任一元素为：

三、基于粗糙集的电子商务消费行为预测

粗糙集作为一种数据处理的分析方法，可在保持知识分类能力不变的情况下，通过对知识进行约简，得出问题的分类或决策规则（张宇、韩春怡，2007）。故本文将粗糙集理论应用到电子商务顾客消费行为的预测中，利用约简算法删除冗余的条件属性，对电子商务消费行为的条件属性集进行约简，得到必要的条件属性集；利用改进的消费行为预测的规则约简算法对电子商务消费行为预测的规则进行提取并进行约简，得出电子商务顾客消费行为的决策规则。

基于粗糙集理论的电子商务顾客消费行为预测具体操作过程如图2所示，主要包括以下几个步骤：（1）通过对电子商务消费数据的收集、完备化及离散化，完成对电子商务顾客消费行为预测基本数据的预处理；（2）去掉电子商务顾客消费行为的冗余数据信息，完成对顾客消费行为预测的条件属性集的约简；（3）通过对电子商务顾客消费行为预测的规则进行提取与约简，得出必要的消费行为预测规则集；（4）通过计算规则的置信度与覆盖度，进行规则过滤，得到电子商务消费行为预测的决策规则。

（一）模型构建与算例

1.粗糙集理论模型

利用粗糙集理论对电子商务消费行为预测数据进行分析之前，首先要对数据进行预处理，收集有效数据，建立电子商务消费行为预测信息表。将所有的消费行为预测数据汇总到一个信息系统里，其可以用二维表来表示。信息表的行对应各对象及其各属性的值，列对应各属性及各对象的属性值。进而将需要处理的数据放在汇总的信息表里。

本文根据电子商务消费行为预测过程以及预测的特点，建立了电子商务消费行为预测知识表，进而构建电子商务消费行为预测体系。在此之前，将顾客消费行为预测的参数值汇总到一个知识表之中。汇总后的电子商务消费行为预测信息表的格式如表3所示。

2.算例原始数据选取和离散化处理

本文以电商网络平台记录的顾客特征作为应用实例来介绍粗糙集理论在电子商务消费行为预测中的应用。经过优选，选出相关程度较好的3个购买因子，即顾客年龄、教育水平和收入，以此作为条件属性，研究2005～2013年某电子商务平台顾客购买产品特性，并推测未来该电商平台顾客购买产品的特性。论域为U{X1，X2 … X6}，其中X1，X2 … X6，分别表示2005-2013年，所在行的值为对应的各项指标；属性集为A={C，D}，C= {r1，r2，r3 }为条件属性集，D={d}则是决策属性集，其中r1、r2、r3为顾客年龄、顾客教育水平和月平均收入。原始数据见表4。

根据粗糙集理论的要求对各个属性的数值进行离散化。对每组数据采取高、中、低分类，高用Y表示，中用H表示，低用N表示。年龄分为高、中、低3个等级，40岁以上为高，20-40岁为中，20岁以下为低；教育水平分为高、中、低3个等级，硕士及以上为高，大学（本科、专科）为中，高中及以下为低；收入水平（月收入）也分为3个等级，10 000元以上为高，5 000-10 000元为中，5 000元以下为低；购买商品类别为1和2类。初始决策见表5。

（二）条件属性集的约简

1.约简算法描述

采用差别矩阵方法对属性集进行约简。考虑到差别矩阵中如果含有单属性元素，则不能求出约简的决策表，因此本文对电子商务顾客消费行为条件属性集的约简采用一种改进的基于差别矩阵的属性约简算法。该算法首先通过计算决策属性对条件属性的依赖度来对决策表中的数据进行初步处理，再充分利用差别矩阵的优点，快速计算决策表的核，并依据属性的重要度及约简可信度的值，获取合理规则。算法描述如下：

（1）输入K={U，C∪D，V，f}。

（2）计算条件属性a的依赖度γa（D）（a∈C），若γa（D）=0，C=C-{a}。

（3）对γa（D）≠0的条件属性集，写出Mn×n（K）=（cij）n×n的下三角矩阵，其中i，j=1，2，…，n。

cij={α|（α∈C）∧（fα（xi）≠fα（xj））}，

fD（xi）≠fD（xj），，fD（xi）≠fD（xj）∧

fC（xi）=fC（xj），-，fD（xi）=fD（xj）。

（4）对差别矩阵进行搜索，若矩阵中的所有元素的值均不等于，则转至（4）；若矩阵中有元素的值为，则退出。

（5）对差别矩阵进行搜索，并将其所有单属性元素赋给COREC（D），输出COREC（D）={α|（α∈C）∧（cij，（（cij∈Mn×n（K））∧（cij={α}）））}。

（6）得出包含相对D核的所有可能的属性组合，如果满足cij∈Mn×n（K），当cij≠时， B∩cij≠； B独立。则将其赋值给REDC（D），并遍历所有包含相对D核的属性组合。

（7）输出REDC（D），计算REDC（D）中的属性的重要性σCD（a）=γC（D）-γC-{a}（D）。其中，a∈C，若σCD（a）>09，则RED′C （D）COREC （D）∪a，遍历REDC（D）中所有的属性组合，计算RED′C （D）的可信度。

（8）输出RED′C （D），算法结束。

2.算例约简

对论域进行划分，可得如下等价类：U/C={X1， X2， X3， X4， X5， X6}根据上述等价类，我们求取以下指标：

YH的下近似：apr（Yn）={{n2 }， {n3}，{n8}}

YH的上近似： {{n2 }，{n3 }， {n8}，{n4，n5，n6，n9}}

YL的下近似：apr（YL）= {{n1}， {n7}}

YL的上近似： {{n1}， {n7}， {n4，n5，n6，n9} }

计算得到：YL的分类精度=3/7=043，YH的分类精度=2/6=033 ，其分类质量=5/9=056。

由属性a1对论域进行划分，我们可以得到其等价类如下：U/a1={X1，X2，X3，，X4，X5，X6}，其中：X1={n1，n3，n8}，X2={n2，n4，n5，n6，n9}，X3={n7}，YL={n2，n3，n4，n5，n6， n8}，YH={n1， n7， n9}

从以上分析可以看到，属性a1的分类质量小于总的分类质量，则说明属性年龄不是约简。

由属性a1、a2对论域进行划分，可得如下等价类：U/C={X1， X2， X3， X4， X5， X6}；其中：X1={n1}，X2={n2}，X3={n3， n8}，X4={n4，n5，n6，n9}，X5={n7}；YL={n2，n3，n4，n5，n6， n8}，YH={n1， n7， n9}，分类质量=5/9=056，与整个属性集的分类质量相同，因此属性子集{a1，a2}是约简。

由属性a1、a3对论域进行划分，可得如下等价类：U/C={X1， X2， X3， X4， X5， X6}，其中：X1={n1}，X2={n2}，X3={n3}，X4={n4，n5，n6，n9}，X5={n7}，X6={n8}；YL={n2，n3，n4，n5，n6，n8}，YH={n1，n7，n9}，分类质量=5/9=056，与整个属性集的分类质量相同。因此，属性子集{a1，a3}是约简。同理可求得属性子集{a2，a3}也为约简。

（三）规则的提取

1.规则的提取说明

以上述消费记录为例，对产生的规则进行提取与约简得到的规则如下：

（教育）且（收入）（购买类别）；

（年龄）且（收入）（购买类别）。

其中，消费行为预测的规则约简采用的算法描述如下：

（1）输入K′={U，C∪D，V，f}。

（2）B0=COREC（D），A=C-B0={β1，β2，…，βm}（βi∈A，m≤card（C），i=1，2，…，m），根据属性的重要度排序，分别求取OA，Tl+1（OA）和OTl+1（OA）（0≤l≤m），posB0（D）和posC（D）。

（3）判断相等性。若相等，则输出B0=min{REDC（D）}，转至（11）；否则转至（4）。

（4）设i=1，flag=0，Z，B，B0。

（5）设Y=OTi（OA）。

（6）取y∈Y，BB0∪{y}，计算posB（D），然后判断posB（D）与posC（D）是否相等，若posB（D）=posC（D），且flag=0，则Z=B，flag=1；若card（U/Z）>card（U/B），则Z=B，flag=0。

（7）Y=Y-{y}。

（8）如果Y≠，转至（6）。

（9）如果flag=1，则min{REDC（D）}=Z，转（11）。

（10）i=i+1，如果i≤m，转至（5）。

（11）输出min{REDC（D）}，算法结束。

2.结果分析

由约简{a1，a3}构造的规则如下所示：

a1=Y，并且a3=N，则d=N，即在百分百的置信度下，年龄较高，并且收入较低的人会更多地购买1类产品。

a1=H，并且a3=N，则d=Y，即在百分百的置信度下，年龄居中，并且收入较低的人会更多地购买2类产品。

a1=Y，并且a3=Y，则d=Y，即在百分百的置信度下，年龄较高，并且收入较高的人会更多地购买1类产品。

a1=Y，并且a3=H，则d=Y，即在百分百的置信度下，年龄较高，并且收入居中的人会更多地购买1类产品。

a1=N，即在百分百的置信度下，年龄较低人会更多地购买2类产品。

通过上述过程可知，在电子商务消费行为分析中，可在知识系统分类能力不变的前提下，对不必要的属性进行约简，再对规则进行提取与约简，最后得出确定性的规则，这样企业可以很清晰地知道哪些属性是需要深刻掌握的，哪些属性并不能明显地影响到顾客的购买行为，以避免企业在制定电子商务营销决策时对这些属性投入过多的精力。通过粗糙集电子商务消费行为的预测，我们可以帮助企业制定更加契合实际的电子商务营销决策，把有限的人、财、物用于提供更加具有竞争力的产品，从而满足顾客需求，创造最大化的顾客价值。

四、结论

本文采用了一种改进的基于差别矩阵的属性约简算法对电子商务消费行为预测条件属性集进行约简，并对产生的规则进行提取与约简，得出了一种新的基于粗糙集理论的电子商务消费行为预测方法，该方法取得较好的实际效果。

参考文献：

[1] 张宇，韩春怡.电子商务环境下营销渠道的管理[J].哈尔滨工业大学学报，2007，9（1）：109-112.

[2] 张艳荣.基于粗糙集理论的森林病虫害预测模型与算法的研究[D].哈尔滨：东北林业大学，2012.

[3] 王燕. 基于粗糙集的属性约简研究[D].成都：四川师范大学，2007.

[4] 金玲玲，朱紫焱，苏莉.基于差别函数的属性约简算法在电子商务中的应用[J].软件导刊，2012，9（12）：47-49.

作者：于晶赵志杰

电子商务消费行为论文篇2：

基于利益的电子商务消费行为细分研究

[摘要] 本文通过分析利益内涵，结合电子商务消费购买行为特征，提出以利益为细分变量的利益维度，并在此基础上构建基于利益的电子商务市场细分模型。利用本文提出的包含16个属性、33个研究变量的电子商务市场利益属性观量表，通过网上采样对电子商务市场进行细分，验证该模型的应用过程，研究表明该模型和方法可对电子商务市场消费行为进行有效细分，进而为企业营销管理提供新的观察视角和决策指导。

[关键词] 电子商务市场利益细分研究

市场细分是营销管理决策的基础，如同传统营销，网络企业也需要利用市场细分等合理营销手段，使利益最大化。消费者购买行为指消费者受营销和环境刺激产生需求直至最终做出购买决策的整个过程。在网络经济中，由于电子商务市场与传统实体市场存在很多差异，比如技术和购物环境、实现途径、支付方式等，导致电子商务消费与传统消费的购买行为存在较大差异。消费者购买行为的差异，使电子商务市场细分与传统市场细分也存在差异，本文基于对电子商务消费购买行为的分析和研究，提出针对电子商务市场的细分方法。

一、基于利益的电子商务市场细分

利益包含与产品特征相关的利益和利益链两个层次，综合了产品的相关特性、消费者心理和行为过程相关因素。研究表明，利益细分是进行市场细分的有效途径，但在电子商务领域尚未建立一套规范的细分变量选取标准及细分模型，本文首先从利益的基本内涵入手，结合电子商务的具体特征，确定细分维度。本文从四个维度解析利益。

1.基本要素

产品特征，包括使用价值和相关服务过程。服务具有很强的主观性，对于电子商务，包括交付地点、网页设计、网上定购程序的便捷性，付款及交付过程、网络的安全性等。基于客户偏好特征的多样化及利益运作机理，特征可能是单一或某种组合，本文用“特征包”概念表示。

2.功能利益和心理利益

作为第二和第三个维度，用于体现各种具体功能和心理满足特征。功能利益强调商品本身的实体和功能效用，承担连接产品特征和心理利益的桥梁和催化剂作用；心理利益是功能利益的延伸，体现消费者心理满足和自我概念增强。

3.情感或价值观

作为第四个维度，是消费者心理本质的体现，具有对相关心理和行为方式做出判断的功能。

二、基于利益的电子商务市场细分模型设计

本文在A.Sharma“基于顾客服务的市场细分模型”基础上，结合消费则行为活动中的利益因素，综合考虑电子商务市场及用户网络行为的特征与差异，提出基于利益的电子商务市场细分模型。

1.细分模型设计

基本假设:电子商务市场不同消费利益族群的消费者，其利益寻求存在显著差异。

结合利益特性，综合电子商务及用户网络行为特征，本文提出模型架构，如图。

2.研究变量定义

模型的建立和使用需要研究变量来支持。多元化社会和多样化的个人需求，使消费者在消费决策时无法以单一因素进行具体描述。本文依据利益内涵和消费者心理，借助A.Sharma观点，确定相关研究变量。

电子商务消费者追求的利益可归结为产品特征、功能利益、心理利益及情感或价值观四种要素，它们的部分或全部组合构成消费者选择的依据。实际运用中，这些要素需要细分，以便企业挖掘消费者重视的具体利益组合，制定相应的、可操作的营销策略。

本文对各变量的操作性定义如下：

定义1:产品特征，包括产品使用价值(内在特征)和外在属性(外在特征）。

定义2:功能性利益，强调商品自身的实体和功能效用。

定义3:心理利益，功能利益的延伸。商品的购买、展示和使用将传递某种符号意义，消费行为也指向通过对符号性产品的使用来增强自我概念。符号效用在网络消费中尤为重要(Grubb和Grathwohl,1967)。

定义4:情感/价值观，购买行为发生时消费者情绪状态的改变或其满足的情感，是产品具有的满足消费者好奇心、审美、或满足他们对情感价值追求的能力。情感性利益在于满足人的情感需求。

研究变量具体见表1。

三、研究应用及实例分析

1.数据来源及量化

本文数据源于网上采样。消费利益问卷将各利益属性细化为33个问项，其中包括部分人口统计变量。采用Likert五级量表衡量，从“非常不同意”、“不同意”、“一般”、“同意”、“非常同意”给予1至5分评估，分值越低表示对该问项的同意/重视程度越低，反之，同意/重视度越高。

采样共收集到1760份问卷。采用如下原则剔除无效问卷:(1)利益属性与人口变量存在未填答题数;(2)填答过于集中夸张者;(3)存在奇异值。有效问卷1410份,有效率80.7％。

2.数据分析方法及检验

采用SPSS 12.0，对数据进行描述性统计分析、因子分析、聚类分析等分析。

对问卷进行信度和效度检验，采用Crombach’s α系数和因子分析测量量表的信度和结构效度，分别为信度0.763(大于0.7)和公共因子累计方差贡献率64.579%(70%为理想），结果说明该量表具有较高信度，公共因子基本可解释测量结果，该量表可有效地应用于电子商务市场细分。

3.电子商务购物决策利益取向的因子分析

利用因子分析探讨消费者电子商务购物时寻求的利益构成。

以特征值大于1的标准截取数据,进行最大方差旋转,选取因子载荷大于0.35的变量并根据载荷量的各测量变量进行排序。结果得到14类因子,可解释方差累计为64.579％,表明这些因子能够较真实地反映电子商务市场消费者利益的多维构成,见表2。

其中，因子载荷越高，表明该因子包含该变量的信息越多。

4.基于利益因子的电子商务消费聚类分析

利用3.3结论，采用K-mean聚类分析方法，选用欧式距离对样本进行聚类分析。

数据处理结果得到8个族群。经ANOVA方差分析显示8个族群的利益寻求有显著差异，接受本文的基本假设。根据8类细分组群不同利益取向，可分别定义为“高质高效型”、“注重实质型”、“品质及享乐主义”、“谨慎实效型”、“综合型”、“个性＋理性型”、“传统型”和“浏览享乐型”等，体现了电子商务市场不同消费形态。

四、结论

本文通过剖析电子商务消费利益的构成，构建基于利益的电子商务市场细分模型。该模型可以揭示不同消费者的电子商务消费需求，营销人员可据此构建相应图谱，使决策者对消费者的利益诉求有较系统、宏观的认识，锁定目标市场，针对不同细分市场特征采取有针对性的营销组合策略。

同时，本文以一般性产品市场为基础划分电子商务市场类型，实践中，不同产品对其消费者决策时的利益取向会有所不同。下一步的研究，将定位于具体的产品、服务市场，研究其中的消费者细分问题及其特征属性。

参考文献:

[1]Haley,Russell.I:Benefit Segmentation:A Decision-oriented Research Tool,Journal of Marketing[J].1968.32(7)，30～31

[2]Young.S,Feigin.B，Using the benefit chain for improved strategy formulation，Journal of Marketing[J].1975.39(7),72～74

[3]桑辉王芳华:基于利益的网上消费者研究[J].上海管理科学,2005年第4期。

[4]Haley.Russell I:Benefit Segments:Backwards and Forwards，Journal of Advertising Research[J].1984（2/3）,24(1),19

[5]吴昊:基于利益的客户行为细分研究[D].华中科技大学，2004年10月

[6]李正刘茜:市场定位战略的综合模型研究[J].南开管理评论,2004年第5期

“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”

作者：武新丽　令狐大智　武新艳

电子商务消费行为论文篇3：

电子商务对消费行为的影响分析

摘要：电子商务在改变企业的商务模式和生产组织结构的同时，也在改变着消费者的行为。在电子商务环境下，消费者的行为变得更加复杂和微妙。研究电子商务对消费者行为的影响，可以为电子商务企业提供更好的决策依据。本文的创新点在于从内外两方面来全面分析消费者行为的影响因素，以便更好地了解消费者的购买决策和电子商务对消费行为的影响机制，进而提出相应的措施。

关键词：电子商务；消费行为；影响因素

一、电子商务消费的发展现状

（一）电子商务交易额

2012年，中国电子商务市场交易总额突破8万亿元，达到80163亿元，相比2011年的60 879亿元增长31.7%，增速约为当年国内生产总值增长率（7.8%）的4.1倍，见表1。

（二）网上零售规模

网络零售继续呈现出爆发式增长态势。2012年中国网络零售市场交易规模达到13110亿元，同比增长67.5%，增速约为当年社会消费品零售总额增长率（14.3%）的4.7倍，见表2。

二、电子商务环境下消费的特点

（一）消费者的概念从大众中分离

在传统的商务环境中，任何人都是潜在的消费者，企业所进行的宣传与推广也是面向所有人。电子商务系统为消费者提供了全方位的商品信息展示和多功能的信息检索机制，这样一来，有特定消费需求的消费者会有针对性地选择购物消费，企业也将更有针对性地进行产品的制造和宣传推广，极大地提高了社会效益。

（二）个性定制迅速兴起

在传统经济中，由于信息的传导机制不够发达及信息的不对称性，消费者无法表达自己的意愿和诉求，因此成为商品的被动接受者。企业也没有足够的资金和技术支持来满足消费者的个性化需求。电子商务的出现极大地改变了这一现象，如钻石小鸟的定制服务满足了消费者的个性化、差异化需求，造就了它的腾飞；戴尔的直销模式“Go Direct”实现了戴尔的超速增长；IBM的“Alpha Works”，让消费者直接参与产品的设计，生产顾客需要的特定产品。

（三）消费的主动性增强

在网络时代，消费者不再是以前的被动接受者，而是习惯于主动选择。一方面是由于以互联网为标志的信息技术的发展，另一方面是源于现代社会不确定性的增加和人类需求心理稳定和平衡的欲望。

三、消费者行为的影响因素

（一）外部因素

1.法律环境

我国现行的《中华人民共和国合同法》对与电子商务有关的关于数据电文作为合法书面形式的确认、数据电文的到达时间和生效时间、以数据电文订立的合同的成立地等做了相应规定。《中华人民共和国数字签名法》首次赋予电子签名与手写签名具有等同的法律效力，同时明确了电子认证服务的市场准入制度，保障了电子交易的安全，保护了电子商务消费者的权益，极大地提升了消费者网上消费的信心。相关制度还包括《互联网信息服务管理办法》、《网络商品交易及有关服务行为管理暂行办法》、《非金融机构支付服务管理办法》等。

2.技术因素

电子商务的发展需要强有力的计算机技术的支撑。目前，已有几种较为成熟的技术，主要包括EDI、Internet网络技术、web浏览技术等几个大的方面。这些技术的应用极大地提高了电子商务的交易效率与质量，同时也大大提高了网络的安全性，降低了交易风险，保证交易双方的利益。

3.营销因素

（1）市场的变化

电子商务的发展形成一个网上市场，更多的产品采用直销手段，而不再是以往的层层经销。这样一来，电子商务交易更加直接、简洁、高效；市场逐渐变得多样化、个性化；市场的划分也变得越来越细。

（2）网络广告

网络广告一改传统广告的笼统性，更加有针对性地面对不同的消费群体，成本上的降低也提高了生产者的利润；同时，极大地丰富了消费者的体验，降低了信息不对称带来的负面影响，增大了社会帕累托效率。

（3）服务水平

电子商务的兴起使得价格越来越透明化，竞争越来越激烈。为了赢取更大的市场份额以保证自己的利润空间，生产者不得不提高自己的产品质量和营销服务水平，包括售前、售后。没有优质的服务，就没有可持续的发展。

4.支付方式

2012年，网络购物用户使用最多的支付方式是网上银行支付和第三方支付帐号余额支付，分别为63.1%和61.6%。用户网上支付使用支付宝的比例最大，达93.9%，第二、三位分别是财付通和银联在线，使用率为11.5%和10.9%。电子商务类应用在手机端的应用发展迅速，领域内各应用的使用率相较其他类应用涨幅更大，其中手机在线支付使用率的涨幅最大，相比2012年年底增长了3.9个百分点，手机在线支付网民规模增长了43.0 个百分点。

（二）内部因素

1.互联网环境

截至2012年12月底，我国网络购物用户规模达到2.42亿，网民使用网络购物的比例提升至42.9%。与2011年相比，网购用户增长4807万人，增长率为24.8%。当前，居民消费在拉动国民经济发展中的重要性明显提升，而网络零售更是成为促进消费的重要抓手。

2.个性化需求

消费者的行为在很大程度上是由他的个性决定的。而消费者的个性化需求又往往在电子商务市场中得以实现，所以越来越多的消费者不再以产品本身的功能与质量来选择消费，而是看是否符合自己的个性。消费者将选择那些与自我概念相一致的产品或服务，而非那些与自己个性相抵触的产品。

3.时间成本

美国公司Chicago-based顾问公司和The E-Tailing集团的一项联合调查显示，用户选择网上购物的五大原因是节约时间、产品丰富、选择更多、避免拥挤、省钱。数据显示，价格并非网购首选，而是时间价值。现代社会的工作压力越来越大，人们在追求利益的同时，更在乎自己的闲暇时间，更注重自己的时间价值，这时闲暇时间便有了价格。

假定工作时间为t1，闲暇时间为t2，购买物品所需时间为t3（这里假设消费者没有立即使用的需求）。

由此可得t1+t2+t3=24，即 t2=24-t1-t3。

所以，当一个人的工作时间为定值时，t3越大，t2就越小；t3越小，t2就越大。

计算机技术的和搜索引擎的发展，再加之电子支付手段的运用，使得消费者能够更加快捷地找到自己所需要的商品并立即完成支付，大大节省了搜寻时间，进而降低了搜寻成本，增加了时间价值。

四、结论

第一，为保证交易活动的安全性，促进电子商务的消费，我国应该加强市场准入制度的建设，提高电子市场运作的规范性和安全性，保持市场的相对稳定。

第二，目前我国现有的电子商务相关的法律机制并不完善，与发达国家还有较大的差距。为切实保证电子商务市场的有序进行，应该加强电子商务相关法律的建设与制定，加强法律对市场的监管力度，做到有法可依、违法必究。

第三，努力推进电子商务技术和支付手段的发展，保护交易信息的完整，保障交易和财产安全，防止黑客入侵，避免不必要的损失。

第四，加强市场的信用建设，营造良好的市场氛围，为广大的电子商务消费者建立信心。

第五，电子商务对消费者的行为具有极大的影响力，要认识到电子商务的优点，以及发展所遇到的问题，让电子商务被更多的消费者信赖，更好地促进消费。

参考文献：

[1]马娜.试论我国电子商务立法现状、存在问题及对策[J].信息安全，2009（08）.