基于因子分析与聚类分析团购网站发展研究.docVIP

基于因子分析与聚类分析团购网站发展研究 内容摘要：本文通过收集各大团购网站的数据，采用数据挖掘中因子分析与聚类分析的方法对数据进行分析处理，对团购网站进行分类，并寻找、分析影响团购网营运的关键策略。关键词：因子分析 聚类分析 团购网站团购作为一种新兴的电子商务模式，在近几年蓬勃发展。截至2012年1月底，共诞生运营团购网5894家，但约有38%的团购网站已经被淘汰。所以如何有效地的使消费者获得更加满意的团购体验、寻找和分析影响团购网营运成功的关键影响因素，成为团购网站发展迫在眉睫的问题。本文采用数据挖掘中因子分析与聚类分析的方法对团购网站进行数据分析，寻找影响团购网营运的关键策略。数据收集（一）团购网站评价样本选择本文选取了国内11家较大的团购网站。目前国内的团购网站分为两类，一类为独立团购网站，另一类为其他团购网站，独立团购网站是只做团购业务的网站，其他团购网站是团购只是其中一项业务的网站，本文按A、B的顺序将其进行分类编号。（二）团购网站评价指标变量从团购网站的各个方面考虑影响团购网站影响力的种种因素，本文选取了八个指标变量作为团购网站评价的标准：网站流量排名、日均IP访问量、月度总访问次数、访问到下单转换率、周开团次数、团购单价均值、平均折扣、年销售额。网站流量排名、日均IP访问量、月度总访问次数这三个指标可以大致反映出团购网站的规模大小和社会知名度，访问到下单转换率、周开团次数、团购单价均值、平均折扣这四个指标能展现出团购网站所使用的团购营销策略和网站的活跃程度，年销售额可看出团购网站的市场占有率。（三）原始数据收集本文所收集的所有网站的网站流量排名与日均IP访问量这两项指标的数据都来自于网络仓库Alexa网站。网站流量排名是按某个网站的被浏览率进行排名的，日均IP访问量是指每天访问该网站的客户数量，对于团购网站来说，IP访问量越大就表明客户越多。本文所选取团购网站的月度总访问次数、访问到下单转换率这两项指标的数据均来自于艾瑞咨询网站。月度总访问次数在一定程度上表现出了该网站的用户普及率，也能体现用户对团购网站的认知程度及忠诚度。访问到下单转换率是指在本月度该购物网站下单的日均用户数与访问该网站的日均用户数之比，此百分比反映了网站团购活动对用户的实际吸引力。团购单价均值、平均折扣、年销售额来自这三项指标的数据来自大淘团今年一月的中国团购市场分析报告。团购单价均值是将当月所有开团的商品和服务的总价格除以总开团购的次数；平均折扣是指所有当月开团的商品的折扣率；这两项指标可以反映团购网站的所使用的价格策略，价格的高低和折扣的大小是消费者考虑是否团购的一个很重要的因素。年销售额这一指标能反应团购网站的市场占有率，也能在一定程度上反映了消费者对该团购网站的认可度。根据以上的测评指标，本文选取了11家团购网站样本的原始数据，如表1所示，数据获取日期为2012年4月5日。团购网站因子分析本文通过使用SPSS18.0这款统计软件，对所收集到的团购网站原始数据，分别进行因子分析和聚类分析，然后对分析结果进行对比和总结。本文选择“日均IP访问量、月度访问次数、访问到下单转化率、团购单价均值、平均折扣、年销售额”这6个指标变量来进行因子分析。（一）巴特利特球度检验和KMO检验首先，对所选取的7个指标变量进行巴特利特球度检验和KMO检验，得出巴特利特球度检验统计量的观测值为39.984，其显著性水平为0.000（小于0.01）。同时，KMO值为0.737（大于0.5），所以本文数据适用于作因子分析。（二）团购网站因子分析通过使用SPSS软件可以观察到公因子的特征值，方差贡献率和累计方差贡献率，其结果如表2所示。可以看到第一个因子的特征值为3.678，解释了原有六个变量总方差的61.298%，当提取两个因子时，两个因子共解释了原有变量总方差的81.561%，总体上原有变量的信息丢失较少，因子分析效果较理想。所以，根据团购网站评价的需要，可以用前两个公因子来代替原来的六个指标变量。为了进一步对公共因子的含义给予实际并具体的解释，通过因子旋转可以突出每个公共因子与在其负载较大的那些变量的联系。作因子旋转后其结果如表3所示。从表3可知，指标变量年销售量、月度总访问次数、日均IP访问量和访问到下单转化率这四个变量在第一公共因子上有较大的负载，说明这四个指标具有较强的相关性，可归为一类，这四个变量都能够反映团购网站的规模大小和消费者的认可程度。指标变量平均折扣团购单价均值这两个变量在第二个公共因子上有较大的负载，这两个变量能够反映团购网站所使用的价格策略。（三）因子分析结果根据表2所得到的两个公因子的方差贡献率和累计方差贡献率，可以得出每个因子所占的权重，W1=61.298/81.562=0.7516，W2=20.263/81.562=0.2484，