餐饮类论文关于餐饮类网络团购策略——基于大众点评网的数据论文范文参考资料

餐饮类论文关于餐饮类网络团购策略基于大众点评网的数据论文范文参考资料 文*毅 摘要：以大众点评网的餐饮团购产品为对象，采集静态页面上的基本数据进行了相关性分析和回归分析。结果表明，折扣与总体评分及原价之间是负相关关系，已售份数与评价人数具有显著性关系，45分的高评分会提升团购产品的销量，而13分的低评分则相反。其中，已售份数与评价1分的人数相关程度最高；然后导出了折扣计算方程，最后根据分析结果提出了相应对策。 关键词：网络团购；数据分析；餐饮行业 引言 xx年1-6月全国团购市场共计实现成交额769.4亿元，超过xx年全国团购市场的总成交额（747.5亿元）；全国餐饮美食团购成交额为483.4亿元，同比增长316.8亿元，增幅为190.2%，并超过了xx年全年的销售业绩(441.7亿元)，牢牢掌控着六成以上的市场份额，为各团购品类中的龙头板块。1随着团购网站的普及，团购人数及团购交易额的迅猛增加，越来越多的餐饮商家希望通过网络团购平台提高自身的人气、知名度和扩大市场份额。消费者参与团购的主要目的是获得优惠，商家则需要确保团购的发动能使自身的利益最大化，因此，好的团购策略对商家极为重要。 1、实证分析 1.1 数据获取 大部分的餐饮商家都是中小型规模，受到资金和人才等限制，只能做较简单的数据获取和分析。团购设计的核心要素包括折扣价格、团购数量规模和团购时间。3因此，在本文的研究过程中，只利用最基本的工具来收集大众点评网上主要的静态页面数据进行分析。大众点评网上的餐饮数据以城市进行划分，因为城市之间的消费水平差异已经在产品的价格中体现，城市因素对消费者购买行为的影响并不显著，而且，商家地理位置的优越性与品牌对购买人数并无显著影响4，所以为了缩小范围以及简化商家进行数据分析的可操作性，本研究只选择大众点评网广州站中的美食网作为数据源，按销量从高到低排列采集前700条，并只采集最基本的数据项。 静态页面上的数据自动提取可以利用网络爬虫工具。它可以从目标网站上的某一页面开始，依次读取网页上的指定内容，并找到下一个页面的继续抓取数据，直到规定的结束点。5本研究利用了某个公开的数据采集器软件，菜单式的操作页面简单易用，对于任何商家而言，都可以快速掌握，没有使用门槛，但是采集到的数据的精准度稍有欠缺，需要后期处理。 采取到的初始数据可能存在冗余、不完整或不一致等问题，为了获得较好的分析结果，需要对初始数据进行预处理。最终采集到的初始数据648条，去除不符合要求的数据，剩余620条。 1.2 数据基本描述 采集数据主要包含的数据项有团购产品名、现价、原价、折扣、已售份数、团购评价数、总体评分、有效期、评价5分的人数、评价4分的人数、评价3分的人数、评价2分的人数、评价1分的人数。折扣的均值为7.2折，原价的均值为200.7元，总体评分的均值为4.2分。已售份数大于5000条的项目中，基本都是xx年甚至xx年的项目，也有部分是xx年年初开团的，有效期为12年。在620条的团购项目中，不规定消费内容的原价值100元的打折代金券280条，其中有153条的销量在5000份以上，所占比例为54.64%。 1.3 相关性分析 本研究利用SPSS18.0软件进行分析。相关性的分析结果如表1所示：折扣与总体评分的相关系数为-0.269，其显著性值为0.000，说明折扣与总体评分之间是负相关关系，也就是折扣越高，总体评分越低。折扣与原价的相关系数为-0.334，其显著性值为0.000，说明折扣与原价之间是负相关关系，也就是折扣越低，原价越高。 判断每个分数段评价的人数与已售份数和总体评分的关系：已售份数与评价5分的人数的相关系数为0.763，已售份数与评价4分的人数的相关系数为0.741，已售份数与评价3分的人数的相关系数为0.758，已售份数与评价2分的人数的相关系数为0.800，已售份数与评价1分的人数的相关系数为0.847，且各个相关系数的显著性均小于0.05，说明已售份数与评价人数都具有显著性关系，其中，已售份数与评价1分的人数相关程度最高。 总体评分与评价5分的人数的相关系数为0.123，其显著性为0.002；总体评分与评价4分的人数的相关系数为0.003，其显著性为0.044，所以总体评分与评价5分、4分的人数存在显著正相关关系。总体评分与评价3分的人数的相关系数为-0.085，其显著性为0.034；总体评分与评价2分的人数的相关系数为-0.147，其显著性为0.000；总体评分与评价1分的人数的相关系数为-0.140，其显著性为0.000，所以总体评分与评价3分、2分和1分的人数是显著负相关。也就是说，高的总体评分（4分、5分）越多，销售份数越多；低的总体评分（1分、2分、3分）越多，销售份数越少。 1.4 回归分析 价格折扣是网络团购的主要优势，也是网络团购吸引消费者的主要特点。消费者对价格是敏感的，消费者会依据价格做出决策，价格是消费者决策的关键因素。6为了方便商家算出较优折扣，本研究利用SPSS，以折扣作为因变量做多元线性回归。为了具有可比性和参考性，只选择开始销售时间段接近（xx年69月），已售份数大于5000份的数据。筛选后符合条件的数据为254条。 如表2、表3、表4所示，根据回归结果，模型的R方为0.230，回归方程的F统计量为37.422，其显著性值为0.000，小于0.05，说明回归方程具有显著性，方程具有一定的统计意义。且根据回归系数表可以知道，自变量原价的回归系数为-0.003，其显著性值为0.000，小于0.05，说明原价对折扣是具有显著负向影响的。自变量总体评分的回归系数为0.326，其显著性值为0.017，小于0.05，说明总体评分对折扣具有显著正向影响。根据回归系数，列出以下回归方程： 折扣=-原价*0.003+总体评分*0.326+7.111 2、结论 （1）能否获得最大优惠是团购消费者最关注的因素。当消费者获得的优惠力度偏小时，往往会产生更大的期望，容易与实际效果产生偏差，因而对商家产生不满，导致最终评分偏低。除了关注优惠额度，最终价格也是影响消费者是否选择团购该项目的关键因素，因而对于原价较高的项目，商家往往会给出比原价较低项目更低的折扣，以提升对消费者的吸引力。因而，商家在制定折扣策略时，既要考虑原价的高低程度，也要关注总体评分程度。但是折扣过低会影响商家的获利。折扣率的基本平衡点可以参考上文导出的公式：折扣=-原价*0.003+总体评分*0.326+7.111。如果有团购评分，则总体评分直接取团购评分(5分制)；如果无团购评分，则取大众评点中关于该商家的口味、服务和环境评分(10分制)的平均分:(口味+服务+环境)/3*0.5。 （2）消费者的评分会对销售份数产生直接影响，其中，评分为1分的评价产生的负面影响最为显著。因此，不要单一地去考虑评价的数量，还要努力提升消费者评价的质量。除了鼓励购买了团购项目的消费者积极参与评分之外，还要引导消费者更多地给出高评分的正面评价，提高商家的口碑。对团购商品的描述要尽量详细真实，折扣率合理，降低消费者的期望差；推出可选择性更强的团购项目，减少限制，比如原价100元的打折代金券。 （3）适当延长团购项目的有效期有利于促进团购份数的增长。餐饮消费的团购不一定是即时消费的需求，而且餐饮消费强调购买者的时间适合性，延长团购有效期，有利于吸引消费者根据他们的时间安排来选择购买，也可以增加被消费者看到的几率，并提升消费者对产品实惠性的感受。当然，团购有效期也并非越长越好，过长的期限会导致商家的服务水平和服务能力产生较大的波动，不利于商家对日常经营活动的开展。因此要在各种成本和服务能力的评估下，设置合理的有效期。按照现在畅销的餐饮团购数据，以12年这个期限段内为宜。 本研究只局限于餐饮类的团购产品，扩展到美容等其他服务类产品是