基于在线评论的中小型电子商务企业供应链优化研究

发布时间：2016-09-21 07:24

第一章 绪论 

1.1 问题提出
随着电子商务地不断发展以及互联网在社会各领域地不断冲击，网络用户的网络购物意识逐渐增强。据相关数据统计，近几年来，我国网络顾客的发展规模呈现不断增长的趋势，几乎每年都有过亿的人加入到网络顾客的行列。与之相呼应的是中国网络购物交易规模的增长。2014 年中国网络购物交易规模达到 2.8 万亿，增长 47.4%，在社会消费品零售总额中年度渗透率首次突破 10%[1]。B2C 市场作为网络交易市场的重要组成部分在中国也日趋成熟，其市场规模一直保持稳定增长的趋势，在 2015 年直接突破了万亿大关，成为带领我国电子商务迅速发展不可代替的重要力量。在 B2C 市场规模份额中，天猫作为平台型电子商务的代表占据了 55.6%的市场份额，京东作为自营型电子商务的代表占据了 23.5%[2]。 网络购物规模的增长带来了数据量的增长。大数据时代的到来为电子商务带来了观念上的转变以及经由数据对企业进行管理的新型管理模式，将大数据运营和企业运营相结合，从而促使企业业务模式的创新[3]。基于庞大的顾客资源，企业可以通过微博、微信、在线评论等 Web2.0 社交网络工具与顾客形成有效的互动反馈机制，以顾客价值为导向支持企业在商业模式、营销方法、产品更新上反复迭代创新。 互联网+重新定义了信息化。即通过信息技术的广泛应用和信息基础设施的安装，以及政策、制度的创新，促进各类信息、数据最大限度地传播、流动、分享、创造性使用，提升经济社会运行效率的动态过程。 互联网时代的顾客被重新定义。单一顾客的零散需求被互联网汇聚，从而形成拥有某一共同需求属性的顾客团体。从社会学的角度看，即顾客基于互联网在虚拟空间的自发聚合与互动，会形成新的社会力量。顾客团体之中的顾客相互分享购物体验，影响团体中其他顾客的购物行为决策。因此企业服务的对象也由单一顾客变成拥有某一共同需求属性的顾客团体，使得企业为顾客提供个性化需求与服务成为可能。《互联网+：从 IT到 DT》一书中提到，现在顾客购买的时候只受一个因素的影响，那就是顾客对这家公司、对这一产品的评价，顾客评价是这个时代最有价值的资产[4]。 
..........

1.2 研究目的和意义
本研究的研究目的旨在将中小型电商企业作为研究对象，探讨在现今互联网环境下，如何应用在线评论对供应链进行优化。其次以在线评论中的不同的商品属性评论进行顾客分区，研究顾客重点关注的商品属性。最后以中小型电子商务企业着重关注的销售作为切入点，验证各商品属性评论对供应链的影响。若某种商品属性评论对销售产生影响，则表明该商品属性可以成为企业优化重点，则基于该商品属性理论从供应链的角度提供优化建议；反之，则表明该商品属性暂时不需要进行优化。 通过对在线评论相关文献的分析，本研究以中小型电子商务企业为研究对象，研究中小型电子商务企业如何运用在线评论，基于商品属性品论探讨在线评论对中小型电子商务企业销售的影响进而提出供应链优化的建议。具体的说，就是研究在线评论中不同商品属性评论的顾客群体的细分，验证各商品属性评论如何影响中小型电子商务企业的销售；针对各细分群体研究如何从供应链各环节提出优化建议。本研究将帮助把在线评论的研究扩展到供应链层面，从供应链的角度更好的为企业销售行为提供指导。
.........

第二章 在线评论的相关理论及文献综述 

2.1 在线评论基础理论 

关于在线评论的概念，国内外的学者都给出了自己的观点。在线评论的研究最初主要源于口碑研究的相关文献之中，被定义为口碑传播的一种全新形式[91]。岳中刚[7]认为在线评论是消费者发布在企业网站或第三方网络平台上关于商品或服务的评价，属于网络口碑的一种常见表现形式。该定义强调了在线评论有评论者、评论地点、评论对象三个要素。宋晓晴[47]增加了对评论内容的定义，认为在线评论内容包括在线产品评论、在线销售者评论、用户推荐、情感和主观满意度等几方面内容，而且是非格式化的网络信息。Lee[92]认为在线评论的评论者应该是购买了同一产品或同一服务的一类人的集合。徐峰[90]认为，在线评论应该是对产品、服务、价格等在购物过程中感受到的因素的综合的评价，而不是单指某一方面。 郭佳[9]针对研究问题的具体需求提出了更符合所研究内容的定义：由消费者、专家、商家、专业测评人员等多种信息发布者，通过电子商务网站或者专业的第三方评论网站，公开发表关于企业所出售的商品或服务，具有不同情感倾向的个人看法与意见。上述定义都认为在线评论是网络口碑的形式之一，然而还有一部分学者[8,50]将在线评论等同于网络口碑。为了避免混淆，区别二者如表 2.1 所示[93]。 最初的在线评论出现在论坛、BBS 等网站中，早期的这些网站具有专业性，发表评论的用户具有一定的专业知识，用户量少，局限性大。随着互联网的发展，越来越多的用户参与到互联网活动，一系列 Web2.0 的社交网络媒体为在线评论提供了广泛的发展空间。使得顾客之间形成一种若连接的关系，形成互联网络下的社会群体力量。同时企业可以通过在线评论了解顾客对服务和产品的态度，做出相应改进。 

..........

2.2 本章小结 

本章研究了在线评论的相关文献，从中梳理出了在线评论的概念、在线评论的理论基础、在线评论的研究现状等一系列问题进行了描述，为后文的实证研究提供了理论上的帮助。在线评论的情感倾向影响顾客购物行为决策，所以商家都希望获得好评，避免差评。这样就提出了两个问题，商家如何对消顾客发表的在线评论进行引导和当顾客发表了负面评论时如何进行补救。有众多学者专家研究了如何对在线评论进行管理，提出了一系列的管理机制[79]。比如淘宝网提供了自动好评机制，当消费者完成收货一定天数之后，会自动给商家好评；如有的商家在获得消费者好评后会给予消费者一定的抵扣。当商家获得差评的时候，会采取一定的补救措施，包括免费退换货、在追加评论中对顾客进行解释说明等，从而降低负面在线评论带来的口碑危机[81]。研究表明，在顾客发表负面评论后，，企业公开而积极的道歉对顾客的评价行为有积极的影响[81]；而对负面在线评论回复的时间比采取正确的措施纠正负面在线评论则更加重要[82]。 

............ 

第三章 在线评论对供应链优化的研究设计 .......... 16 
3.1 基于在线评论的顾客分区研究 ..... 16 
3.1.1 在线评论与顾客分区 ....... 16 
3.1.2 实证模型 ...... 17 
3.2 商品属性评论对供应链销售环节的影响 .......... 18 
3.2.1 在线评论与供应链销售 .......... 18 
3.2.2 研究假设 ...... 19 
3.2.3 证实模型 ...... 21 
3.3 本章小结 ...... 22 
第四章 在线评论优化供应链的实证研究 ....... 23 
4.1 顾客分区实证研究研究 .......... 23
4.2 商品属性评论对供应链销售环节的影响 .......... 27 
4.3 本章小结 ...... 34 
第五章 基于商品质量评论的供应链优化建议 ...... 35 
5.1 基于商品质量评论的供应链采购环节优化建议 ..... 35 
5.2 基于商品质量评论的供应链物流环节优化 ...... 35 
5.3 基于商品质量评论的供应链制造环节优化 ...... 36 
5.4 本章小结 ...... 36 

第五章 基于商品质量评论的供应链优化建议 

供应链由四个部分组成：采购、制造、物流、销售。在供应链中应用在线评论数据分析可以为企业带来巨大的竞争优势。通过这一工具，企业更加深入的了解到消费者的行为需求，并与之建立更紧密的联系；企业可以进行精准营销，促进消费，提高顾客的忠诚度；随时按照顾客的购买意愿定价，并实时随市场变化更改定价；发挥营销投资的最大收益，优化商家和配货中心的选址地点。最重要的是，企业能够平衡需求与库存，杜绝库存短缺或过剩。 基于前文的研究结果可知，顾客对本研究的研究商品最关注的是商品质量，包含商品质量的评论占所收集的评论数据的 60%以上。从收集到的在线评论数据中关于商品质量的评论可知，顾客对于商品质量的需求主要集中在三个方便： 1.损坏的商品。例如“前置摄像头打不开，一开就黑屏，接着相机就打不开了。”、“充电器头坏的，找客服没人理我”等。 2.商品功能存在缺陷。例如“用了一个星期就手机耗电的很，网络信号也差。”、“我也是醉了，玩游戏经常闪退！！！听个音乐也经常自动关掉！！！差评差评！！！！！还没我几百元红米手机好用！！！”等。 3.由于顾客的使用不当对商品造成损害导致的顾客对商品质量的不满。例如“20Cm高度摔下来，触屏已经不能用了，摔坏了，啥质量！贴的钢化膜！大年三十去哪修手机！” 基上述两点，本章从商品质量的角度提出对供应链的采购、制造、物流、环节的优化建议。  
...........

结论

在线评论为中小型电子商务企业实施大数据分析开创了新道路，使得中小型电子商务企业能够更好的把握顾客购物行为决策，为企业在市场竞争中抢得先机。一方面，在线评论为中小型电子商务企业了解顾客需求提供了新的视角，企业可以从顾客评论中收集到顾客所关注的和希望企业改进的意见，从而提升企业产品和服务；另一方，在线评论为中小型电子商务企业运用大数据进行分析提供了便利。 本研究首先阐述了当前电子商务环境和中小型电子商务企业的基本情况。 对基于在线评论对供应链优化策略的研究进行必要性和可行性研究，同时提出中小型电子商务企业大数据应用的框架结构。 基于框架结构首先对在线评论顾客进行分区，以确定不同的顾客发表的在线评论所关注的重点。本研究运用 K-means 聚类分析算法对在线评论顾客进行分类，确定不同聚类的顾客关注的重点及比例，以便企业能根据评论特点设计针对性的优化策略。其次验证之前研究所得到的顾客关注重点对商品销售的影响。由于对在线评论的研究受到很多前置变量和调节变量的影响，很多以往的研究结果和既定的结论往往出现验证时结果不一致，所以必须要通过实验加以验证。 最后基于在线评论对销量的影响研究结果成立的基础上，研究 CPFR 供应链供需模型，从供应链的角度探讨优化策略。 本研究旨在研究如何将在线评论的研究延伸至供应链，同时为中小型电子商务企业应用大数据提供框架结构。 
.........
参考文献(略)

本文编号：119156