网络购物中的统计学.pdfVIP

网络购物中的统计学

相关合集：统计学论文

相关热搜：统计学统计学教学统计学应用

在国家拉动内需、刺激社会消费的大背景下，网络购物服务的深

化带动了更多的网民通过网购实现日常消费，购物网站的频繁促销也

激发了网民新的购买需求，带动了网络购物用户规模的稳健增长。在

线交易的商品和服务类型更加丰富，带动了用户网络购物频次和金额

的显著提升。根据中国互联网络信息中心统计报告，网络购物用户规

模达到1.94亿人，较上年底增长20.8%。在蓬勃发展的网络购物行业

中，电商企业进行着激烈的竞争，消费者在进行网络购物的过程中也

需要处理大量庞杂信息，这都需要有专业的统计知识作为辅助，本文

就尝试分析网络购物过程中我们使用着或者可以使用那些统计学知

识。因为C2C网络购物淘宝网一家独大，本文就以淘宝网的设置为例

分析网络购物中的统计学。

一、消费者在网络购物中的统计学

1.大量观察法

消费者网络购物中首先会使用的就是大量观察法，因为在出手购

物之前消费者都会在网上进行无数次的浏览、观看、对比，多次、大

量甚至是长时间的浏览观看以后才会去买一些自己认为划算合适的

商品。

2.统计分组

消费者在网络购物的过程中，电子商务网站中拥有着大量庞杂的

商品，统计分组的方法将这大量的商品按年龄、按性别、按价格、按

地区、按品牌等等诸多标志进行统计分组，消费者可以轻松找出自己

需要的某类商品。同时在各个店铺中消费者也可以看到各种各样的分

类分组，对商品进行细化归类。统计分组的方法使得消费者避免了大

海捞针式的商品浏览，节省了大量的时间和精力。

3.排序比较

某类商品甚至是图片一摸一样的商品价格都相去甚远，消费者清

楚通常便宜没好货但是又想经济划算，而网络购物最大的缺点就是看

不见摸不着，没有办法将这些商品放在一起充分比较。消费者可以对

需要的商品进行筛选排序，对所有该类商品按销量降序排列或者按店

铺信用降序排列等等，可以参考其他消费者的选择。比如按销量排序，

我们找出的是该类产品成交量最大的产品，也就是众数，是消费者购

买选择结果的代表，通常都具有可信性。而价格可以给定区间进行选

择，在自己的心理价位中寻找合适的商品。不仅网站可以做排序，在

店铺中消费者也可以将所有商品进行按销量、按价格、按收藏排序，

通过这些分析消费者可以轻易找到店铺中的热门热销商品，为自己的

选择提供帮助。

4.客户满意度分析

在网站中选择某款商品进入店铺以后，消费者可以看到各店铺的

客户满意度评价结果，如宝贝与描述相符、卖家服务态度、卖家发货

速度的得分，这是该店铺客户在完成网络购物以后反馈的满意度评价

水平分析，是大量打分的算术平均值，可以较为准确的反应以往客户

的满意度情况。将这些客户满意度水平与同行业平均水平进行比较，

消费者能够更清楚的了解该店铺的商品在同行业的位置。

好评率是好评的顾客占所有顾客的比重，可以反应店铺客户满意

度，但相对指标要与绝对指标联系起来分析，如某个新开店铺只有寥

寥几笔成交量，即使好评100%也不能充分说明店铺信用良好。淘宝

也累计计算了卖家信用进行了绝对指标的计算，即一次成交后获得一

个好评可以累加一分，这样将卖家获得好评进行汇总并根据得分进行

信用分级。这样可以使得消费者对店铺的交易信用有充分了解。消费

者也可以对某一款商品进行客户满意度分析，其中成交记录与评价详

情就可以辅助消费者了解该款商品的销售基本情况和客户满意度情

况。

二、商家在网络购物中使用的统计学

1.购物篮分析

购物篮分析，是一种发掘商品关联购买关系的技术。它通过对消

费者大量商品购买记录的系统分析，找出商品之间内在的关联。购物

篮分析目前可以进行：商品配置分析，哪些商品容易被一起购买；客

户需求分析：客户的购买习惯、购买时间、购买地点等；销售趋势分

析：研究顾客购买趋势，分析季节性购买模式，以确定降价清仓商品

等；改进商品或者研发新品。

网络购物中有大量的购物篮分析的结果，当消费将该款加入购物

车以后网站会提醒“购买此宝贝的用户还购买了…….”，这是商品配置

分析，网站或者店铺在进行了购物篮分析以后发现一些商品会更容易

被同时购买，所以在此时进行提醒不仅简化了消费者的搜索工作，也

大大提高了这些商品被购买的机会。另外，电商网站也会提醒一系列

“你可能感兴趣”的商品，这是电商网站对消费者的购