社区电子商务平台精准营销评价模型

可持续运营与计算机2（2021）200社区电子商务精准营销有效性评价-吴俊a，b，石丽a，于延洲b，刘伟，埃内斯托·DR·巴内斯·冈萨雷斯c，郝伟毅b，苏立涛d，张云波a北京化工大学信息科学与技术学院，北京100029b北京化工大学经济管理学院，北京100029c智利库里科塔尔卡大学工程学院工业工程系d大唐嘉瑞（北京）投资有限公司版权所有© 2019北京市京ICP备100191号aRT i cL e i nf o保留字：社区电商平台精准营销AISAS模型营销效率a b sTR a cT随着大数据时代的到来，用户需求越来越多样化和个性化。这些新的用户特征对于企业的可持续营销具有重要意义。随着竞争的加剧，如何以最小的成本吸引客户已成为社区电子商务平台的首要问题或其他电子商务平台。其中最好的解决方案是精准营销，这是可持续营销的重要组成部分。本文提出了一种改进的AISAS模型，用于使用来自真实社区电子商务平台的数据评估精准营销的有效性。在专家面对面访谈和问卷调查的基础上，运用层次分析法确定了评价模型中各指标的权重，量化了电子商务平台精准营销的有效性。然后，对营销结果进行验证。我们发现，社区电商平台的营销应该是温和的和可持续的，由于服务区域的限制或能力的限制。社区电子商务平台在吸引客户的注意力和兴趣方面更成功地从营销效率上入手。但是，仅仅依靠顾客的购买和重复购买行为是不够的。 因此，精准选择平台对于培养客户忠诚度、提高产品复购率至关重要1. 介绍随着移动互联网和大数据对世界的影响越来越大，社区电商平台通过有效整合社区线上线下资源，优化电商推手等资源，在提升居民生活和消费水平方面发挥着至关重要的作用在过去的几年里，社区市场的增长一直在加速。新兴的社区电子商务运营商处理大卖场配送和生鲜食品销售，继续侵蚀传统电子商务参与者的市场份额为了在激烈的竞争中保持足够的竞争力，社区电商平台运营商必须准确把握用户的消费行为和偏好，通过精准营销在用户中创造更强的此外，利用精准营销，企业可以节约资源，减少浪费，实现可持续营销[3]。然而，在社区电子商务平台上实施精准营销需要大量的用户数据，而消费者的表现是多样化的，动态的，不可持续的。虽然互联网为商家与消费者交流提供了廉价便捷的平台，但消费者在终端上的行为却呈现出碎片化、无序化的商家很难从庞大而杂乱的用户数据中找到消费者需要的产品和服务。因此，为了有效地挖掘消费者对商家的真实需求，并在适当的时间向消费者推荐合适的产品，可以引入精准营销效果评估通过效果评价，识别出消费者购买中的精准营销活动，并改进了精准营销策略，显著提高了精准营销的效率。文献中对营销有效性评价模型进行了大量的研究。Reyck等人[4]提出了一种精确的营销决策模型，用于广告和促销，有助于提高营销效果和收益; You等人[5]提出了一种基于数据挖掘技术的营销有效性评估模型，以帮助管理者识别营销活动的潜在特征。*通讯作者。电子邮件地址：2019200843@mail.buct.edu.cn（Y. 兖州）。https://doi.org/10.1016/j.susoc.2021.07.007接收日期：2021年4月21日;接收日期：2021年7月14日;接受日期：2021年7月15日2021年7月27日在线提供2666-4127/© 2021作者。由Elsevier B.V.代表KeAi Communications Co.出版，这是一篇CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表可持续运营和计算机期刊主页：http://www.keaipublishing.com/en/journals/sustainable-operations-and-computers/W. Jun，S. Li，Y. Yanzhou等人可持续运营与计算机2（2021）200201Fig. 1. AISAS的基本模式。图二. 修改后的模型。不同的客户群体。Zhu等人[6]构建了一个由三级兴趣指标体系和167个节点组成的用户兴趣图模型。为准确、有针对性地评价社会营销效果提供了重要的基础方法和有价值的决策支持。Gilmore等人[7]使用案例研究方法来评估网络对营销活动的贡献Shui等人[8]从网络营销的角度对台湾酒店Kar- czmarczyk等人[9]提出了信息传播过程的多目标评估框架。该框架为评价社会网络中病毒式营销的有效性提供了一种方法.Csiklovsová等人[10]基于平衡计分卡评估了银行业Gountas等人[11]使用神经科学方法来评估广告和营销的效率Tsai等人[12]提出了一个模型来评估五家航空公司网站的营销效果。模型结果显示，台湾航空公司并未充分利用网际网路的行销潜力。为了取得更好的网络营销效果，他们建议在网站上增加价格谈判功能，并调整定价策略。上述研究为社区电子商务平台精准营销有效性的评估提供了理论和战略上的支持。随着移动互联网的不断发展，消费者的行为和习惯也在动态变化。从消费者行为的角度对市场营销效果进行评价，越来越受到学术界的重视AISAS是一种消费者行为模型，在这种评估中使用得越来越频繁。AISAS作为互联网时代基于消费者行为分析的新模式，由日本电通集团开发[13]。AISAS模型采用了消费者在信息快速交换的时代倾向于在购买后分享商品和服务信息并影响他人购物行为的观点。这个过程包括五个阶段，即注意力、兴趣、搜索、行动和分享。Fumito[14]是第一个战略性地使用AISAS模型来支持企业精准营销活动的公司。Ritsuya[15]基于AISAS模型提出建议，即广告公司采用新媒体营销政策来吸引消费者。Chang等人[16]使用AISAS模型来探索游戏中准确有效的广告，并得出结论，提高消费者的兴趣在精准营销中起着关键作用Pelawi等人[17]在评估视频播客对提高营销效率的影响时，提到了AISAS模型DU[18]基于AISAS模型分析了微信营销对大学生的影响。结果表明，品牌影响力、信息质量、互动性、意见领袖的意见、推广、个人兴趣对微信营销有显著的正向影响。综上所述，随着互联网的发展，消费者已成为“新消费者”，具有“独立自主、个性鲜明、注重参与、知情消费”的新行为特征，拥有更多话语权。他们的行为和态度也发生了根本性和结构性的变化。传统的AIDMA消费者行为模型适用于传统的营销时代，它可以初步解释消费者的行为，消费者在经济中的行为模式。然而，AISAS模型作为当前网络时代的一种新的消费者行为模型，以搜索和分享阶段取代了传统AIDMA模型中的欲望和记忆阶段它能更好地适应新消费者的行为特征，将精准营销评价应用于社区电子商务平台具有良好的前景。本文以一个实际案例为研究对象，构建了一个改进的AISAS模型，构建了一个精准营销有效性评价指标体系，并利用企业数据对模型进行了验证。我们的研究发现为未来企业精准营销策略的制定提供了更好的理论支持。2. 模型和指标体系2.1. 一种精确营销效果评价模型T-APP是一个集成的智能社区服务平台。它整合了行政物流、资源共享和电子商务三大功能，实现了在线和在线公共服务。本文以AISAS模型为理论基础，建立了一个改进的精准营销评价模型 它是基于所示电子商务平台的实际情况和前面提到的五个阶段的消费者行为图。1.一、2019年3月，通过访谈、问卷调查，以及对T-APP社区电商性质的考量，发现AISAS模式中的Share阶段在T-APP中并不明显，在该平台上，更多的用户更倾向于在线信息分享，而非线上分享。此外，平台运营商高度重视客户忠诚度，持续跟踪客户主动参与行为（客户通过APP浏览、点击、购买）和重复购买情况。因此，我们将AISAS模型的五个阶段重新定义为注意力，兴趣，积极参与，行动和重复购买，如图所示。二、2.2. 精准营销有效性评价指标体系的构建为保证评价的科学性和有效性，通过理论分析、问卷调查和面对面访谈等方法，建立了评价指标体系。2019年10月，我们在初步建立修改后的模型后，设计并发放了调查问卷。根据问卷调查结果，进一步细化了模型中的具体指标。并通过相关文献[19-21]，最终确定消费者2020年6月，我们对社区电商平台运营团队进行了第二次面试结合部分修改意见，最终确定了精准营销有效性评价指标体系，如图3所示。该系统按层次分为三个层次。顶层指标是指T-APP大数据精准营销的有效性，反映评价目标和目的。中间层由五个第1层索引组成，对应于五个W. Jun，S. Li，Y. Yanzhou等人可持续运营与计算机2（2021）200202图三. T-APP精准营销效果评价指标体系的构建。修改后的AISAS模型中的用户行为阶段（注意力、兴趣、积极参与、行动和重复购买）底层的Tier 2指标是不同阶段的细分，可以在T-APP数据的操作中直接获取和挖掘。2.2.1. 注意阶段在关注阶段，T-APP后台分析客户数据，以便向现有客户传递准确的信息，吸引更多新客户的关注。对于平台运营者而言，借助T-APP获取新用户的关注是精准营销成功的关键。这一阶段的评价是借助两个指标–产品推广印象用于评估推广覆盖面和频率，品牌知名度用于衡量用户对T-APP2.2.2. 趣分期在兴趣阶段，客户在了解T-APP后，可能会产生兴趣，想进一步了解T-APP上相关产品的信息，这时我们可以通过三个指标来衡量客户兴趣的变化：注册用户数的变化活动用户数量的变化，以及不活动用户数量的变化。当用户在这个阶段注册或浏览产品时，这意味着用户可能真正感兴趣。这里，注册用户是指在应用程序中主动注册了身份信息的用户。活跃用户指的是过去七天内有过订单的用户，不活跃用户指的是过去七天内访问过APP但没有下过订单的用户。2.2.3. 积极参与阶段在主动参与阶段，感兴趣的用户可以主动参与APP中的一系列活动，包括浏览和点击。现阶段，反映T-APP精准营销效果的指标有横幅点击、模块点击、菜单点击、未付订单数。由于T-APP上的所有横幅、模块、菜单都包含一定的商品信息，这些指标可以衡量精准营销的实际效果。2.2.4. 动作级在行动阶段，客户主动购买T-App中的产品，这一阶段的精准营销效果可以用购买转化率、购买量增长率、W. Jun，S. Li，Y. Yanzhou等人可持续运营与计算机2（2021）200203购买量增长率和购买频率增长率。购买转化率是指在精准营销期间，在平台有购买历史的用户数占平台总用户数的比例。采购量增长率是指本年度采购量占本年度采购量的比例。 实施精准营销的前一年。采购额增长率是指本年度采购额与实施精准营销前一年采购额的比例。购买频次增长率是指本年度购买频次与实施精准营销前一年购买频次的比例。2.2.5. 重复购买阶段在重复购买阶段，用户在社区电商平台购买商品满意后可再次购买本文以购买次数和重复购买次数是指单个用户购买某个产品的总次数，而重复购买率是指用户在首次购买后的第1天、第3天、第7天或第11天再次购买某个产品购买次数或重复购买比例较高-表1第2层指标相对于决策目标的重要性按降序排列。底层指数模块点击0.1299购买转化率0.1155T-APP推广印象0.1106横幅点击0.1002T-APP品牌知名度0.0922购买数量0.0791购买频率增长率0.0582菜单点击0.0559采购量增长率0.0470重复购买率0.0458活跃用户数变化0.0432购买金额增长率0.0425未支付订单数量0.0309注册用户数的变化0.0282不活跃用户数量的变化0.0208表2第1层指标相对于决策目标的重要性按降序排列。表明对T-APP产品的兴趣更大，消费者和产品之间的联系，在这种情况下，精准营销将更有效。2.3. 指标权重的确定运用层次分析法确定了精准营销有效性评价指标的权重。由于人们对指数重要性的看法差异很大，因此分配给同一指数的权重可能因个人而异。为充分应对这些差异，我们与T-APP的运营和开发团队进行了多次沟通，并设计了指标重要性比较问卷与他们进行了交流。根据问卷收集的数据，量化了不同指标的相对重要性。在构造判断矩阵后，利用幂法确定了各指标的相对权重。结果示于表1、2和3中。表1按权重降序列出了不同的二级指标相对于决策目标的重要性，表2列出了一级指标相对于决策目标的重要性。可以看出，在一级指标中，积极参与、行动和关注位居前三。二级指标中，模块点击、购买转化率、T-APP推广印象权重最大。然后得出不同指数的最终权重，如表3所示。表3不同指标的最终权重中层指标积极参与0.3169行动0.2631关注0.2028重复购买0.1249利息0.09233. 精准营销效率的计算3.1. 数据准备通过与T-APP人员的频繁沟通，我们对各类用户、商品、订单数据进行了梳理，剔除了异常值，为系统中的不同指标选择了充足的信息。对某些数据进行了简单的计算。在实施精准营销后，平台运营商上线了T-APP微信公众号，旨在拓展销售渠道，接触更多用户，提高营销效率。作为回应，我们增加了一些新的数据选择标准。例如，在计算菜单点击指数时，使用了相关的由于行动和重复购买阶段的数据涉及大量商品，我们选取了销量和销售金额排名前五的产品进行统计。最终结果见表4。一般指数一级指数二级指数指数权重（W）指数权重（W）T-APP精准营销效果（一）关注度（B1）0.2028 T-APP推广印象（C1）0.5454T-APP品牌知名度（C2）0.4546利息（B2）0.0923注册用户数变动（C3）0.3055活跃用户数变化（C4）0.4680不活跃用户数的变化（C5）0.2265积极参与（B3）0.3169横幅点击（C6）0.3162模块点击（C7）0.4099菜单点击（C8）0.1764未支付订单数量（C9）0.0975行动（B4）0.2631购买转化率（C10）0.4390采购量增长率（C11）0.1786采购额增长率（C12）0.1615购买频率增长率（C13）0.2209重复购买（B5）0.1249购买次数（C14）0.6333重复购买比率（C15）0.3667W. Jun，S. Li，Y. Yanzhou等人可持续运营与计算机2（2021）200204表4不同指标的最终结果。总指数一级指数二级指数表6营销效率值的范围范围0-0.4 0.4-0.6 0.6-0.8 0.8-1.0T-APP精准营销关注T-APP推广印象2336T-APP品牌知名度0.842评分差平均好EX cellent电子商务利息人数的变化注册用户数量的变化活跃用户数目改变1579528.712394.568不同指标的相应权重。Xi表示在准则水平的每个阶段的营销效果的测量数据值。M代表计算出的目标级精准营销效果值。积极参与非活动用户横幅点击6.85909模块点击440.8954菜单点击1.73827未付款订单数量578计算结果见表5：4. 精准营销有效性验证行动购买转换率0.842采购量增长率采购额增长率购买频率增加率2.791.01973.07为了验证T-APP精准营销的有效性，发现精准营销中存在的问题，我们定义了以下有效性值范围，如表6所示，并对量化的评估结果进行分析[23]。重复购买购买数量236.1667重复购买率0.3235(1) 注意阶段：计算出的营销有效性为0.9279，高于0.8，表明该阶段精准营销效果极佳因此，该公司应保持目前的3.2. 指标数据指标数据的标准化是指将各种类型的指标数据以某种方式转换为同一单位和数量级，以便于比较和计算。原有的T-APP精准营销评价指标在单位和数量级上也存在差异。例如，为了解决这些主要问题，并使评估更符合逻辑，我们在正式计算之前对研究中使用的数据进行了标准化数据标准化方法因具体应用而异在本文中，这种标准化是基于现有的方法：所有索引都映射到（0，1）的区间，从而创建前向相对值[22]。3.3. 计算结果在确定评价体系指标权重并对数据进行标准化处理后，采用综合指数法测定目标级T-APP精准营销效果值和B1-B5准则级效果值。在本文中，Yi表示标准化后的方案层的各个指标W表示表5精准营销效率计算结果。未来的营销水平(2) 兴趣阶段：计算出的精准营销效果为0.9983，远高于0.8的水平，说明精准营销是卓有成效的。因此，该公司只需要在未来继续现有的营销业务。(3) 主动参与阶段：计算出的营销有效性为0.8513，也高于0.8，表明该阶段精准营销表现因此，该公司应保持目前的营销水平在未来。(4) 行动阶段：计算出的营销效率为0.6363，介于0.6和0.8之间。这意味着良好的营销效果。在未来，公司应该更专注于使用个性化推荐系统，以便用户可以更好地访问所需的商品并进行更多的购买。(5) 重复购买阶段：计算出的营销效率为0.7493，介于0.6 ~ 0.8之间。这表明社区电子商务平台经常出现良好的营销效果和重复购买。展望未来，本公司应就极受欢迎的商品作出更多推荐，以进一步促进重复购买。上述分析给出了整体T-APP精准营销有效性得分为0.8111。由于得分高于0.8，T-APP精准营销运营表现优异。目标水平（M）第一级指数（B）第二级指数（C）指标权重（W）值（Xi）指标权重（W）值（Yi）0.8111关注度（B1）0.2028 0.9279 T-APP推广印象（C1）0.5454 0.999571T-APP品牌知名度（C2）0.4546 0.842利息（B2）0.0923 0.9983登记用户数目的变动（C3）0.3055 0.99936活跃用户数变化（C4）0.4680 0.99810不活跃用户数的变化（C5）0.2265 0.99746积极参与（B3）0.3169 0.8513横幅点击（C6）0.3162 0.854208模块点击（C7）0.4099 0.997731菜单点击（C8）0.1764 0.424715未支付订单数量（C9）0.0975 0.998269行动（B4）0.2631 0.6363购买转化率（C10）0.4390 0.842采购量增长率（C11）0.1786 0.641577购买金额增长率（C12）0.1615 0.019319购买频率增长率（C13）0.2209 0.674267重复购买（B5）0.1249 0.7493购买次数（C14）0.6333 0.995765重复购买率（C15）0.3667 0.3235W. Jun，S. Li，Y. Yanzhou等人可持续运营与计算机2（2021）2002055. 结论本文以北京市某公司的实际数据为样本，基于某电子商务平台的实际使用经验，提出了改进的AISAS模型，并采用层次分析法进行计算分析。结果证实了精准营销活动的有效性。以下是一些重要的发现。(1) 在五个一级指标中，活跃参与度的权重最大因此，我们建议社区电子商务平台的运营商设计更适合用户口味的操作页面，以方便用户进行商品搜索。(2) 前三个用户行为阶段（关注、兴趣和积极参与）的营销效果比后两个阶段更令人鼓舞。因此，平台运营商应该在后两个阶段投入更多的资源和精力来提高营销效率。特别是培养消费者的品牌忠诚度和提高重复购买率将是提高营销效率的关键(3) 对于社区电商平台而言，由于服务覆盖面和能力的限制，营销计划必须其市场推广活动可能未能于短期内产生显著较高之兑换率。然而，平台运营商为了可持续的长期发展，更应该关注客户忠诚度。社区电子商务平台精准营销有效性评价是一个很有前景的研究课题.尽管到目前为止已经进行了研究，但在文献中仍然没有关于最优评估系统的普查本文构建了一个精准营销有效性评价体系，并利用某企业的实际数据进行了验证由于可用数据有限，我们的研究仅针对一个社区电子商务平台进行。未来，当更多的数据被获取和收集后，我们计划对更多社区电商平台同期的精准营销效果进行评估，从而进一步挖掘精准营销效果评估的潜在价值。竞争利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。致谢本研究得到了国家一级学科建设基金（XK 1802 -5）和北京大学计算机科学研究所（G-JD 202002）的部分资助。引用[1] J. Zhang，F.，中国农业大学学报，2003; Liu，J. Tang等人，为一家O2O社区超市--交通运输，设计了一个考虑拣选员学习效应的在线集成拣选和配送系统. Res. Part E 123（2019）180[2] Y. Liang，Y. Zhang，O2O智能社区平台用户满意度实证研究，以北京市丰台区方庄社区为例，中国。J. 经理。Sci. 24（S1）（2016）271[3] P. McDonagh，A.可持续性营销研究：过去，现在和未来真实，J.市场经理。30（2014）1186[4] B.D. Reyck，Z. Degraeve，MABS：基于数据表的精准营销决策支持，Eur。Journalof Oper.Res. 171（3）（2006）935[5] Z.你Y Si，D. Zhang等人，精准营销的决策框架，EX pert系统应用。42（7）（2015）3357-3367。[6] Z. Zhu，Y.Zhou，X.Deng等人，面向图的层次化用户兴趣模型精准社交营销的电子人商业水库Appl. 35（2019）100845.[7] A Gilmore，D.卡森，S。岩石，网络在中小企业：评估其对营销活动的贡献，国际。总线Rev. 15（2006）278[8] J. Shui，W.吴，基于DEA和灰熵的网络营销对酒店绩效影响的评价，E X pertSystem。Appl. 38（2011）8763[9] A. Karczmarczyk，J.Jankowski，J.Watróbski，多标准决策支持规划和评估社交网络中病毒式营销活动的绩效，PLoS One 13（12）（2018）e0209372。[10] A.契克索娃湾Culková，M. JanoŠková，《银行业营销活动量化指标的评价》，J. 总线Res. 69（2016）5028[11] J. Gountas，S.Gountas等人，超越传统的广告措施影响：使用神经科学方法来评估社会营销信息，J。总线Res. 105（2019）121[12] W.蔡，W。Chou，J.D. Leu，航空业网络营销的有效性评估模型，E X pert System。Appl. 38（2011）15499[13] Y. 小林善纪，《日本的交往研究》，青山，J。总线 43（4）（2009）39-60。[14] K. 陈文东，企业营销过程的建模，北京。系统动力学8（9009）95-102。[15] O.媒体创新和消费者行为的变化都是广告业未来的关键。邪教Hist. 27（I）（2008）12[16] Y.张俊，严俊，张俊，罗俊，《游戏广告的在线效应：游戏与广告匹配的影响》，J。互动. 广告11（1）（2010）63[17] Y. 佩拉维岛Irwansyah，M.Aprilia，营销传播的实施注意力，兴趣，搜索，行动和共享（AISAS）模型通过vlog，2019年IEEE第四届计算机和通信系统国际会议（ICCCS），IEEE，新加坡，2019年。[18] Z.杜，基于AISAS模式的大学生对微信营销态度的影响因素研究，IEEE电子/信息技术国际会议，IEEE，Dekalb，IL，美国，2015。[19] C. Yu，Z.Zhang C.，中国古猿科Lin等人，数据驱动的精准营销能否促进用户广告点击？来自微信朋友圈广告的证据，Ind.Market。经理。88（2020）411-425。[20] J. Lv，T. Wang，H. Wang等人，社会化电子商务环境下购买行为分析的SECPG模型。J. Commun. 系统33（2）（2020）e4149.[21] E. Haan，T.威瑟湾Pauwels，不同形式的在线广告的有效性在多渠道归因框架中为购买转换进行广告，Int. J. Res. Market。33（2016）491-507。[22] Z.徐，资源节约型政府综合评价指标体系及模型构建，统计。德西斯14（2017）40-44.[23] W.张丽王，基于综合加权的微信营销效果模糊综合评价，计算。Eng. Appl. 52（11）（2016）68