龙源期刊网 http://www.qikan.com.cn 大数据背景下基于网络整合数据的消费者行为研究 作者：温年晶 来源：《中国市场》2017年第07期 [摘 要]随着大数据时代的到来，消费者的消费行为出现一定的变化，呈现出更加多元化的趋势，对消费者数据的采集和行为分析逐步扩散至更多的数据源。基于此，文章将结合当前消费情况，对大数据背景下基于网络整合数据的消费行为进行研究，希望通过此次研究能够为今后的相关研究提供一定的参考依据。 [关键词]大数据；网络整合；消费行为 [DOI]1013939/jcnkizgsc201707119 以往，在对消费者行为进行研究的时候，更关注的是消费者行为本身，通过问卷调查、个人访问等形式，实现人口统计学资料、消费意向等信息的采集，从而应用于研究分析消费者行为。在大数据时代下，由于网络平台样式和消费者购物习惯的变化，传统的对于消费者行为研究的方式无法满足当前大数据时代下消费者消费习惯的变化要求。因此，本次对大数据背景下基于网络整合数据的消费者行为研究是有必要的，也是非常具有现实意义的。 1 传统消费行为研究与大数据时代研究的对比分析 11 消费者行为研究模型框架发展 消费者行为研究模型框架的发展主要可以分为三个阶段，即爱达模式、AISAS模式以及SIPS模式，通过对三个模式的研究，可以了解到消费者行为的发展历程。 第一阶段，爱达模式阶段。早在1898年，路易斯就已经提出了爱达模式，爱达模式也成为了最早研究消费行为的成熟理论之一，20世纪20年代中期，研究人员在爱达模式原有的四阶段模式基础上增添了“记忆阶段”，提出了五阶段的爱达模式。[1] 第二阶段，AISAS阶段。2005年，日本电通提出了AISAS模型，并将该模式分为五个阶段，分别为注意阶段、兴趣阶段、搜索阶段、行动阶段以及分享阶段，其中，搜索和分享已经具备互联网性质，并对互联网时代下消费者主动行为的重要性作了详细说明。[2] 第三阶段，SIPS模式阶段。SIPS 模式是2011年日本电通在AISAS的基础上提出来的。SIPS 模式分为四部分，分别是共鸣、确认、参与和共享扩散。SIPS模式将共鸣、确认、参与和共享扩散四个部分的内容分析得非常清晰，该模式的建立也标志着消费者行为研究进入了数字时代。[3] 龙源期刊网 http://www.qikan.com.cn 12 消费者行为研究路径与数据采集方式的转变与发展 早期，对消费者行为的研究主要是消费记录的追踪和分析方面，也正是因为这些研究，为之后对消费者行为进行深层次的研究奠定了基础。现阶段，在消费者行为研究方面，已经实现了从理解消费者行为到掌握消费者意图，从追踪消费者消费记录到新兴数据源方向转变，比如各种社交媒体平台、搜索引擎等。如今，很多企业或者平台为了能够对消费者行为进行更加细致的研究，可以从相关网站获取到消费者行为的数据，通过整合分析，利用到战略的制定当中。另外，在传统的消费者行为研究中，通常都是经过对数据进行分类后获取调查结果，将研究目标限定在当前的消费者行为当中。然而，就目前的大数据形势而言，研究者可以整合各个平台的数据信息，深入地对数据信息进行剖析，不仅可以获取到当下消费者行为信息，还可以实现对消费者行为的趋势分析，进而保证企业或者品牌制定出的营销战略科学、合理。 2 大数据在基于网络整合消费者行为中的应用分析21 消费者行为分析 传统的研究消费者行为的时候，一般采取的是抽样调查的方式进行研究，以随机选择的方式选择被采访对象，通过定量或者定性的调查方式获取相关研究数据，从而对消费者行为进行研究分析。与传统社会学研究模式不同的是，在当前的大数据背景中，消费者行为研究的模式已经发生了明显改变，由原先主要注重消费者行为本身的研究，逐渐转向了对互联网沉淀的海量数据的聚类、挖掘和运算，借助相关数据分析软件对静态数据、动态数据进行分析并建模，并为之后营销战略的制定提供参考依据。[4] 消费者行为可以分为线上和线下两种。线上消费者行为指的是基于Web挖掘消费者的媒介习惯、消费爱好以及消费倾向等；线下消费者行为是指建立在传统的购物学研究基础上，借助购物车应答程序等创新设备获取实时的位置数据，了解消费者的消费行为和购物习惯。[5]另外，线下消费还可以通过和监控设备相连的图片分析程序记录消费者店内行为等信息。 22 消费者精准细分 Web 20互联网时代，消费者的精准细分主要有四个阶段，即门户时代、搜索引擎时代、社交媒体时代以及大数据时代。门户时代对目标人群的定位需要依靠网站来进行，搜索引擎时代主要是通过提取消费者搜索过程中键入的关键词进行细分，在社交媒体时代可以通过更加广泛的渠道对消费者进行细分。进入大数据时代，对消费者的划分则更加细致。目前，在对消费者行为进行研究的过程中，可以借助静态数据库升级为实时数据流的特点，记录消费者线上消费行为的轨迹。另外，还可以了解到消费者浏览网站的习惯、浏览倾向以及消费评论等，在对这些线上数据进行分析的时候，可以结合线下的人口学特征、线下消费记录以及传统的CRM结合，使得企业能够对消费者进行更加细致的划分。[5] 23 消费者定位和情感分析 本文来源：https://www.wddqw.com/doc/ca3dc57bcc84b9d528ea81c758f5f61fb7362804.html