b2c电子商务平台物流服务影响因素研究.docxVIP

b2c电子商务平台物流服务影响因素研究 一、 电子商务相关研究回顾 根据2013年7月中国互联网网络信息中心发布的《第32个中国互联网发展统计报告》，2013年6月下旬，中国网络购物网站用户规模达到2.71亿人，网络购物用户数量增加了45.9%。艾瑞市场咨询数据显示, B2C相较C2C在服务和质量上优势突出, 符合网购市场中消费者对于服务和质量逐渐提高的要求, 将继续成为中国网络购物市场发展的主要推动力。 现阶段, B2C网站竞争激烈, 其品牌的积累需要企业在整体销售环节获得良好的客户体验。而物流服务作为电商接触客户的唯一实体通道, 已成为企业运作和品牌建设中的重点。物流水平的提升往往增加物流成本, 物流成本决定了电商的盈亏, 物流服务的客户体验决定了企业的品牌积累。如何在平衡两者关系的基础上, 有所侧重的优化物流服务就成为电商企业面临的现实问题。随着消费者网购理念的变化, 其对电商网站的服务需求和敏感性也发生着变化。因此, 针对消费者个性化需求进行精细化挖掘, 研究B2C网站物流服务的消费者感知, 对电子商务服务水平的提升具有重大的现实意义。在线客户评论包含着已购买消费者的体验信息, 为其他消费者提供参考的同时, B2C企业自身也可从中获得启发。本研究试图将已购买客户的体验信息作为切入点, 通过搜集实际评论数据, 运用关联规则挖掘技术, 挖掘在线客户评论中的客户类别和物流服务因素的相关关系。最后, 有针对性的提出改善B2C企业物流服务质量, 提高客户体验的建议。 二、 在线评论和关联规则挖掘 国外对电子商务物流服务已有较多的研究成果, Gefen等人提出物流服务是影响电子商务企业顾客忠诚度的重要因素, 并且针对网站物流服务感知设置了服务质量测评量表。Stank等人证明了物流服务质量的提升将会提高顾客满意度, 进而提高市场份额。B2C环境下在线交易服务的度量则更关注顾客感知, 顾客对物流服务的感知间接影响了企业口碑和再次购买意愿。因此, 物流管理者不但要负责管理和移动库存, 还要努力识别顾客视角的感性影响。现阶段, 基于顾客视角的B2C物流服务研究, 主要通过问卷调查的方法展开。由于问卷调查方法自身的局限性, 问卷样本在质量和数量上存在一定限制, 也可能影响研究的客观性和深入性。因此, 本研究以在线客户评论作为切入点, 并且引入数据挖掘技术, 试图完全透过消费者的视角剖析B2C企业的物流服务影响。 Litvin等人已将在线客户评论列为最重要的一种在线口碑形式。从企业管理的角度来看, 在线评论是一种有效的信息反馈机制, 可帮助电子商务企业以较低成本获取顾客信息。评论大多采用自然语言描述, 属于无结构数据。只有通过人工阅读的方式才能在庞杂的信息中获得全部有用信息, 而这是一个耗时、易错的过程。由此产生了对用户评论挖掘的研究, 采用自然语言处理技术, 挖掘关键信息, 以直观的方式对挖掘结果进行表示。评论挖掘作为非结构化信息挖掘的一个新兴领域, 主要涉及网络评论情感倾向的分析, 评论中产品特征的提取, 以及评论中产品比较信息挖掘等。本文旨在提取出有关物流服务因素的评论, 主要参考在线客户评论中产品特征挖掘的研究。 数据挖掘技术可以从大量的数据中提取出隐含的、以前不为人所知的、可信而有效的知识, 能够对数据进行再分析, 以期获得更加深入的了解, 并且具有预测功能。其中关联规则挖掘是数据挖掘知识模式中最活跃的一个分支, 由Agrawal等于1993 年首先提出, 随即广泛应用在各个行业中。尤其对于大型零售组织, 在处理大规模数据, 确定市场策略, 提高决策支持能力方面。关联规则挖掘具有较大的价值, 是从大规模数据中提取隐含信息的有效方法。 综上所述, 为避免自建知识库的局限, 本研究引入关联规则挖掘技术, 对客观实时数据进行分析。在京东商城购物网站上搜集大量在线客户评论, 从中挖掘物流服务因素和网购顾客间影响关系, 具有一定的理论创新性和技术可行性。 三、 网络效果的研究流程 研究首先从自营B2C电子商务网站 (如京东商城, 当当网等) 的购买页面搜集大量在线客户评论, 每条评论都包含着客户信息 (用户名, 会员级别, 所在区域等) 以及自由格式的文本式评论内容。接着从上万条在线客户评论中挖掘出有关于物流服务的内容, 本文主要从以下三个步骤展开研究。 (1) 数据收集和预处理。在线客户评论中按照客户类别和物流服务因素提取数据信息。 (2) 关联规则挖掘。在提取出的客户类别和物流服务因素中挖掘关联规则。 (3) 相关性分析。结合实际情况, 对规则进行分析, 并针对性的提出改善物流服务质量, 提高客户体验的建议。 图1 直观地给出本文的研究框架。本文将据此说明实施过程和所采用方法。 1. 量化的评论内容 在B2C市场中京东商城以49.0%的