【毕业论文】在线用户团购行为的统计分析——以广东省为例

本科毕业设计论文题目在线用户团购行为的统计分析以广东省为例学院理学院专业方向统计学2012年6月10日摘要伴随着互联网在中国的普及和中国电子商务的繁荣发展，网络团购在国内网民中流行起来，并成为2011年增长第二快的网络服务。而在网络团购急剧膨胀的过程中，团购网站同质化竞争激烈，用户体验不佳、商家倍受诟病等问题层出不穷。团购网站如何脱颖而出到底有哪些因素影响着网络团购的健康持续发展本文就广东在线用户团购行为的网上问卷数据进行分析，通过判断在线用户目前的团购状态、未来消费意愿等特征，划分为潜在消费者与现有消费者两类群体，进行以下分析首先，运用描述性统计方法研究其各自在年龄、性别、收入、职业、学历等基本特征，进行人口统计细分，得到团购的主要消费人群及这两群体基本特征；其次，运用因子分析和聚类分析，以在线用户的生活与购物态度作为细分变量，对在线用户进行市场细分，通过列联表分析可以看出目前几大受欢迎团购网站并没有明确的市场细分；再次，运用描述性统计方法分析其用户行为和购买需求在选择团购网站、产品与服务、网络应用，以及能影响决策的团购广告形式等方面有何特点和差异，预测其市场前景；最后，运用满意度分析和列联表分析，找出网络团购中存在的问题与弊端。通过以上分析，了解在线用户的一系列团购行为特征，给予团购网站与商家意见和建议，帮他们指明方向。关键词互联网；团购；因子分析；聚类分析；满意度；交叉列联表THESTATISTICALANALYSISOFTHEGROUPBUYINGBEHAVIORSOFONLINEUSERSTAKINGGUANGDONGPROVINCEASANEXAMPLEABSTRACTWITHTHEPOPULARIZATIONOFINTERNETANDTHEBOOMOFEBUSINESSINCHINA,THEONLINEGROUPBUYING,WHICHISUBIQUITOUSINCHINESEINTERNETUSERS,RANKSTHESECONDPLACEINTHECHINESEINTERNETSERVICESINTHERAPIDDEVELOPMENTOFONLINEGROUPBUYING,THEREAREMANYSIMILARWEBSITESOFFERINGTHISSERVICE,ANDTHECOMPETITIONISNECESSARILYVIOLENTONTHEOTHERHAND,THEPROBLEMS,SUCHASTHELOWSERVICESATISFACTIONLEVELANDTHEIRRESPONSIBILITYOFTHEPROVIDERS,EMERGEINEXHAUSTIBLYHOWCANTHESEWEBSITESGRASPTHEOPPORTUNITYANDSTANDOUTWHATONEARTHWILLHAVENEGATIVEIMPACTSONTHESUSTAINABLEDEVELOPMENTALENVIRONMENTOFONLINEGROUPBUYINGACCORDINGTOTHENETWORKQUESTIONNAIREDATAABOUTTHEINTERNETUSERSONLINEGROUPBUYINGBEHAVIORSINGUANGDONGPROVINCE,IDIVIDETHESEUSERSINTOPOTENTIALCUSTOMERSANDACTUALCUSTOMERSBYJUDGINGTHECURRENTBUYINGSTATUS,THEFUTURECONSUMINGWILLINGNESSANDOTHERCHARACTERISTICS,ANDCARRYOUTTHEFOLLOWINGANALYSISFIRSTOFALL,THEBASICCHARACTERISTICSOFTHESETWOGROUPSOFPEOPLEAREOBTAINEDWITHTHEDESCRIPTIVESTATISTICALMETHODUSEDTOSTUDYTHEDIFFERENCESINAGE,GENDER,INCOME,PROFESSIONANDEDUCATIONSECONDLY,WITHSTATISTICALMETHODSSUCHASFACTORSANALYSISANDCLUSTERANALYSIS,USINGTHEONLINEUSERSATTITUDEINLIFEANDSHOPPINGASSEGMENTEDVARIABLE,THECUSTOMERMARKETOFONLINEGROUPBUYINGISSEGMENTEDTHROUGHTHECROSSTABS,IFINDTHATTHEMOSTPOPULARWEBSITESHAVENOSPECIFICMARKETSEGMENTATIONTHIRDLY,WITHTHEDESCRIPTIVESTATISTICALMETHOD,THEBEHAVIORSANDPURCHASINGDEMANDOFTHESEWEBSITESUSERSAREANALYZEDTOEXPLORETHECHARACTERISTICSANDDISPARITYOFTHEFACTORSINCLUDINGPEOPLESCHOICEAMONGTHESEGROUPBUYINGWEBSITES,THEPRODUCTSANDSERVICESPROVIDEDBYTHEM,THENETWORKAPPLICATIONANDTHEADVERTISEMENTFORMSWHICHWOULDINFLUENCEONTHESTRATEGY,SOTHATTHEMARKETPROSPECTCANBEFORECASTFINALLY,ADOPTINGSATISFACTIONANALYSISANDCROSSTABS,THEABUSESANDPROBLEMSOFONLINEGROUPBUYINGAREFOUNDTHUSWEWILLUNDERSTANDTHECHARACTERISTICSOFTHENETWORKUSERSGROUPBUYINGBEHAVIORS,ANDGIVEADVICETOTHEONLINEGROUPBUYINGWEBSITESANDSERVICEPROVIDERS,HELPINGTHEMTOMAKECORRECTSTRATEGIESINDOINGWHATISSAIDABOVE,WEWILLUNDERSTANDTHECHARACTERISTICSOFTHENETWORKUSERSGROUPBUYINGBEHAVIORS,ANDGIVEADVICETOTHEONLINEGROUPBUYINGWEBSITESANDSERVICEPROVIDERS,HELPINGTHEMTOMAKECORRECTSTRATEGIESKEYWORDSINTERNET；GROUPBUYING；FACTORANALYSIS；CLUSTERANALYSIS；SATISFACTIONLEVEL；CROSSTAB目次摘要IABSTRACTII1绪论111网络团购概述1111网络团购的含义1112网络团购的发展历程与现状112研究目的与意义22研究方法的基本思想及原理321因子分析3211因子分析模型介绍3212因子分析的步骤322聚类分析423交叉列联表分析524满意度分析5241满意度指数5242满意率63实证分析731问卷调查设计与分析732对所有被访者的基本状况分析8321网络团购的主要消费人群8322非团购用户基本状况分析12323网络团购用户基本状况分析1533在线用户市场细分17331生活和购物态度的因子分析18332应用聚类分析分出市场规模2434对团购网站的选择分析26341不同细分市场对团购网站的选择26342不同性别对团购网站的选择分析2935对团购产品与服务的选择分析31351潜在消费者对团购产品与服务的选择分析31352现有消费者对团购产品与服务的选择分析32353现有消费者参加团购的原因35354现有消费者希望团购网站增加的产品与服务3636团购信息在网络上发布的渠道选择分析36361潜在消费者经常使用的网络应用37362现有消费者关注团购网站的渠道3837团购信息广告形式的选择分析3838团购用户对团购网站的满意度分析41381针对总体42382热门团购网站的满意度分析4339团购网站需要改进的方面444结论与建议45致谢47参考文献481绪论11网络团购概述111网络团购的含义网络团购,又称团体购物，就是通过互联网平台，由专业团购机构将具有相同购买意向的零散消费者（认识或不认识的消费者）集合起来，加大与商家的谈判能力，以较低的折扣向厂商进行大批量购买的行为。也可由消费者在团购网站上发布产品团购信息，自行发起并组织团购。12根据薄利多销的原理，商家可以给出低于零售价格的团购折扣和单独购买得不到的优质服务。团购作为一种新兴的电子商务模式，通过消费者自行组团、专业团购网站、商家组织团购等形式，提升用户与商家的议价能力，并极大程度地获得商品让利，引起消费者及业内厂商的关注。团购的特点是“让每一个人都能找到更优惠的团购商品，让不相识的消费者共同享受物美价廉的服务。”1112网络团购的发展历程与现状“团购”一词是互联网领域的老词，2000年后互联网兴起，但由于缺乏清晰的商业模式，团购市场一直没有被真正激活。直到2008年11月，美国的安德里梅森成立了GROUPON（是目前全球最大的团购网站），其成立7个月后开始大规模盈利，并让后来者趋之若鹜，使团购成为互联网上窜红最快的商业模式。随着互联网在中国的普及和中国电子商务的繁荣发展，加之这种新模式的技术门槛较低，国内的团购网站更是如雨后春笋般出现。2010年，中国网络团购行业已形成了“千团大战”的局面，网络团购已经在国内网民中流行起来。团购成为2010年中国成长最快的网络应用之一。3中国网络团购市场的发展，对于推动中国生活服务业的互联网化、电子商务化具有深远意义。从商户需求角度来看，团购模式将推动针对庞大的区域化营销市场的发展；从消费者需求角度来看，团购模式则将占居民生活服务方面的庞大消费支出搬到互联网上。团购模式带动的本地生活服务的电子商务化市场蕴含巨大商机。46据中国互联网络信息中心（CNNIC）发布第29次中国互联网发展状况统计报告显示，2011年中国网购用户规模达到194亿，与2010年相比，网购用户增长率为208。其中，团购用户规模达到6465万。不过与发达国家相比，中国网络团购的渗透率较低，网络团购的增长还远没有触顶，还有较大的渗透空间，未来网络团购用户和市场增长空间十分巨大。7912研究目的与意义在网络团购急剧膨胀的过程中，团购网站同质化竞争激烈，用户体验不佳、商家倍受诟病等问题层出不穷。团购网站如何脱颖而出到底是什么因素影响着网络团购的健康持续发展了解自身网站的薄弱之处，挖掘用户需求，了解其行为特征，进行市场细分显的越来越重要。本文在广东现代国际市场研究有限公司的数据支持下，对在线用户团购行为的网络调查数据进行分析。通过判断在线用户目前的团购状态等特征，划分为潜在消费者与现有消费者，通过研究其各自的基本特征，进行市场细分；研究其用户行为和购买需求在选择团购网站、产品与服务、网络应用，以及能影响决策的广告形式等方面是否有何特点，是否存在差异；探讨网络团购中存在的弊端与问题，以及其市场前景；从这一切分析中，了解团购的主要消费人群，给予团购网站与商家意见和建议，帮他们指明方向。截至2011年12月底，广东省网民数量达到6300万人，普及率为604，远远高于全国水平（383），普及率排名居全国第三位，仅次于北京、上海。而在2011年111月中国网络购物市场省份订单量的排行榜中，广东省高居榜首，累计订单量突破3亿单。而网络团购作为中国成长最快的网络应用之一，其在广州的市场份额也不容8忽视，选取广东省作为研究也有其代表性；同时，团购大多都有地域上的特点；加之，在现有关于团购的分析研究中，还未看到有针对广东省这一大市场的独立研究。因此，本文运用因子分析、聚类分析、满意度分析、交叉列联表分析等统计方法就广东省的在线用户调查进行统计分析。2研究方法的基本思想及原理21因子分析211因子分析模型介绍因子分析方法最早是由德国心理学家查尔斯斯皮尔曼（CHARLESSPEARMAN）提出的，是利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，在尽可能不损失信息或者少损失信息的情况下，把一些具有错综复杂关系的变量归结为少数几个综合因子，用少数的因子代替原始变量，从而达到对原始变量的分类，揭露原始变量之间的内在联系的一种多变量统计分析方法。其数学模型可表示为（211121122212MPPPMPXAFAF）其矩阵形式为,XAF其中为可观测的指标向量（已标准化）,为不可观测的因子变量,为因子FA载荷矩阵。，称为因子载荷，的绝对值越大（），表明与的IJPMAIJIJA1IJAIXJF相依程度越大，或称公共因子对于的载荷量越大；为特殊因子，用来说明原有JFIXI变量不能被公共因子解释的部分。且该模型满足（1）即与不相关。,0,COVF（2）。即向量的协方,1,2,IJIIIJVARCOVFIJM。F差阵为阶单位阵。M（3）即向量的协方差阵为阶对2,IJIIVIJJP。P角阵。212因子分析的步骤1检验待分析的原始变量是否适合于因子分析因子分析要求原变量之间必须具有相关性，否则变量间就没有共享的信息，就无法综合出能反映共同特征的少数公共因子。因此，在因子分析前需要对原始变量作相关性分析。其中一种方法就是计算变量之间的相关系数矩阵，若大部分相关系数都小于03，且未通过统计检验，那么这些变量就不适合进行因子分析。本文采用比较常用的KMO统计量和BARTLETTS球度检验加以判定。KMO统计量用于探查变量间的偏相关性，取值范围在01之间，一般认为当KMO大于09时效果最佳，07以上是效果尚可，06时效果很差，05以下时不适宜做因子分析。BARTLETTS球形检验是用于检验相关阵是否为单位阵，即各变量是否各自独立。如果结论为拒绝该假设，则说明这些变量可能各自独立提供一些信息，适合做因子分析；相反，则不适合做因子分析。2求解公共因子及因子载荷矩阵本文运用SPSS采取主成分法进行初始公共因子的提取。用主成分法寻找公共因子的方法通过旋转坐标的方式得到个互不相关的主成分，其中将个主成分按由大到PP小的顺序排列，记为，一般在较少信息量损失的前提下，只保留前个主PY,21M成分而把后面的部分用代替，且要求此处的主成分的方差为1，因此将其标准化，得I到公式（21）。这样，就得到了载荷矩阵和一组初始公因子（未旋转）。有时我们得A到的初始因子解各主因子的典型代表变量不是很突出，容易使因子的意义含糊不清，不便于进行实际问题的分析。这时可以进行因子旋转，以期找到意义更明确、实际意义更明显的公共因子。本文采用方差最大化的正交旋转（VARIMAX）,使载荷矩阵的每一列元素的绝对值向1和0两极分化。3求解因子得分当因子模型建立起来之后，反过来用回归的思想求出以公共因子为因变量、原始变量为自变量的回归方程（22）MJXXFPJJJJ,21,21把样本变量带入上面的关系式就会得到各样本的因子得分值。22聚类分析聚类分析起源于分类学，其基本思想是从一批样品的多个观测指标中，找出度量样本之间或指标之间相似程度，即亲疏关系的统计量，构成一个对称的相似性矩阵，在此基础上进一步找寻各样品或变量之间或样品组合之间的相似程度，按相似程度的大小，把样品或变量逐一归类，关系密切的归类聚集到一个小的分类单位，关系疏远的聚集到一个大的分类单位，直到所有样本或变量都聚集完毕。聚类分析内容非常丰富，有系统聚类法、模糊聚类法、KMEAN聚类法、有序样品聚类法、分解法、加入法等。本文因为样本量比较多，因此采用KMEAN聚类，其核心步骤是1指定聚类数目。K2确定个初始类中心。第一，用户指定方式，应根据实际问题的分析需要和以K往经验指定相对合理的初始类中心；第二，系统指定方式，SPSS会根据样本数据的具体情况选择个有一定代表性的样本作为初始类中心点。本文采用系统指定。3根据距离最近原则进行分类。依次计算每个样本数据点到个类中心点的距离，K并按照距离个类中心点最短的原则将所有样本分成类。K4每个个案被分配到一类后重新计算新的个类中心。原则是依次计算各类中个变量的均值，并以均值点作为个类的中心。K5判断是否已满足终止聚类分析的条件。第一，迭代次数。当目前的迭代次数等于指定的迭代次数时终止聚类,一般默认值是10次，这里由于样本量比较大，因此改为100次；第二，类中心偏移程度。新确定的类中心距上一个类中心点的最大偏移量小于指定的量时结束聚类，一般默认为0。23交叉列联表分析交叉分组下的频数分析又称列联表分析。通过掌握变量的分布情况，在实际分析应用中，我们不仅要了解单个变量的分布特征，还要分析多个变量取不同值的时候，它的分布是怎么样的，进而我们才能分析变量之间的相互影响和关系。对于涉及两个或者两个以上的变量分布情况的研究通常要利用交叉分组下得频数分析来完成。24满意度分析241满意度指数满意度指数是一种直观、科学反映观测变量（团购用户）对指标变量（团购网站）的服务质量、满足用户需求的满意程度的指标。结合本问卷的自身特点，大量借鉴国内外顾客满意度指数评测模型，我们采用里克特量表的5级标准，对非常满意，10满意，一般，不满意，非常不满意进行等距赋值。通过对赋值后的750250满意度5级选项进行均值计算。计算公式如下（23）51,2345IIIMQM（23）中，为某项指标的满意度；为第项满意度测量选项赋值，其中I，分别代表非常不满意，不满意，一般，满意123450,5,0,7,10M和非常满意；为第项选项的频数，其中，为参与评价的样本量。IQ51IQN由于满意度指数实质上是一个加权平均数，其只能反映网络团购用户对某一指标变量的总体感受和评价，不能全面反映满意度的结构，即各个标准所占的比例情况。因此我们需要引入其他衡量标准来全面了解满意度的结构构成。156242满意率满意率为对某项指标表示满意的人数与接受调查的总人数的百分比，它也是反映网络团购用户满意度的一种指数。在本次调查中，满意率的计算公式为（24）210,IJPQN其中为回答该题的人数，为第个选项的频数，即分别为非常满意、满意的0NJQ12,Q频数。3实证分析31问卷调查设计与分析本次调查问卷分为六个部分S部分、A部分、B部分、C部分、D部分、H部分；1、S甄别部分，这部分是要做问卷访问的人必须回答的，并根据这部分的答案，判断其是否适合做访问，不适合则终止访问；2、表中的A、B、C、D分别代表不同的团购状态的人群所应回答的分卷；3、H背景资料部分，这是做完访问的所有被访者必须回答的。表1在线用户人群的分布情况表（人）总体1824岁2530岁3140岁4155岁男女所有被访者3641341236740175189A没有浏览过团购网站的被访者4813811163117B浏览过但没有团购过的被访者6429178103430C团购过的被访者25292984814110142D没有团购过的被访者112422519266547表2团购行为人群结构的归类A没听说过网络团购没有浏览过团购网站的被访者A听说过网络团购，但是没有浏览过浏览过但没有团购过的被访者B浏览过网络团购，但没参加过团购C参加过网络团购，以后还会参加团购过的被访者D参加过网络团购，以后不打算参加A没听说过网络团购B听说过网络团购，但是没有浏览过没有团购过的被访者C浏览过网络团购，但没参加过团购从表2可以看到，被调查的在线用户在各个团购状态的人群分布，本问卷主体分成四个分卷A、B、C和D，针对各在线用户目前所处的团购状态，访问不同的分卷，其中，由于“参加过网络团购，以后不打算参加”的人群只有三个，不具有代表性，因此D卷不予分析。图1在线用户目前的团购状态图（总体）从调查中可以发现，网络团购的知名度达到90多，有2/3的在线用户目前所处的状态为“参加过网络团购，以后还会参加”，仅有1的在线用户为“参加过网络团购，以后不打算参加的”，网络团购的发展势头好，用户的支撑力强。同时，我们还可以看到，网络团购在被调查的在线用户中最多还有1/3的潜在消费人群。32对所有被访者的基本状况分析321网络团购的主要消费人群下面通过对参加过与未参加过网络团购用户在职业、年龄、家庭收入、学历、每天上网时长、上网频率、性别这些方面的情况进行图表分析，从而得到参加网络团购用户的主要特征，即网络团购的主力消费人群。图2在线用户的职位特征网络团购用户中，有接近一般为白领，文职人员与企业管理人员参加团购的比例都大于未参加团购者；同时，学生也占有比较大的比重，在参加过团购的人群中占了21的比重；我们也看到自由职业者、无业人士参加团购的比例很低，接近于0；工人/服务业人员与一些专业技术人员参加团购的比例处于中等水平，这可能与他们工作性质有关，他们平时大多没什么时间在网上闲逛，如何加大对这部分人群宣传，了解他们的需求，是扩大市场占有率的一个方法。图3在线团购的年龄分布从图3可以看到，参加网络团购的大多为较年轻的群体，这与他们熟悉互联网的应用、电子商务的支付方式有很大的关系，也从一个侧面看到了互联网与电子商务的发达对网络团购的发展有很大的促进作用。其中，网络团购2530岁的用户比例接近40，比非团购用户高17个点。图4在线用户的家庭月收入分布从图4可以看出，参加网络团购的用户家庭月收入在6500元以上有超过一半的比重，比非团购用户高15以上。可见，参加网络团购的用户家庭大多为高收入人群。图5在线用户的学历分布从图5可以看到，参加网络团购的用户学历在大专以上的占了87的比重，比非团购用户高很多。图6在线用户的每天上网时长分布参加网络团购的用户每天的上网时长大多在2个小时以上，占了绝大部分的比例；未参加团购的用户每天的上网时长也大多在两小时到八个小时之间，可见这部分人群的每天上网时间还是比较长的，不过这与本次调查为网上调查有一定的关系。对团购网站和团购发布者如何加大在网络上的宣传和广告有一定的借鉴意义。图7在线用户的上网频率分布无论是否参加网络团购的用户的上网频率是很频繁的“每天都上”，分别占了87和64，这与我们进行调查的对象为在线用户有一定的关系。图8在线用户性别构成对于参加网络团购的性别分布来看，女性比男性更为活跃，女性用户比例为56，超过了一半的比重，明显超过了未参加过团购的比例。322非团购用户基本状况分析下面通过对非团购用户这个群体就其“网上购物经历”进行分析，从中对没有网上购物经历的被访者分析其“未来是否愿意尝试网上购物”的比重，对不愿意尝试的被访者考察其原因；对“没有浏览过团购网站”但有网上购物经历的被访者经常购物的网站进行分析；从中发现未来最有可能参加团购的潜在消费者。图9未团购过人群的网上购物经历由图9可以看到，在“没有团购过的被访者”中，只有33的人从来没有在网上买过东西；从总体上看，“没有团购过的”这部分人大都有网上购物的经历。但在这个群体中，“没有浏览过团购网站”的有50是从来没有在网上买过东西的，可见他们中大部分对网络购物的接受程度没有很高；而“浏览过但没有团购过”的只有20从来没有在网上买过东西，因此，这里把“浏览过但没有团购过”的被访者作为未来最有可能参加团购的潜在消费者来研究。在下文中，将对“浏览过但没有团购过”的被访者称作潜在消费者；对“团购过的”被访者称作现有消费者。下文主要研究这两类人群的特点。表3未来若价格便宜，且有需求，是否会网上购物总体1824岁2530岁3140岁4155岁男女COUNT112422519266547会89939689779187没有团购过的被访者不会11741123913COUNT4813811163117会81858882758476没有浏览过团购网站的被访者不会19151318251624COUNT6429178103430会9597100100809793浏览过但没有团购过的被访者不会532037从表3可以看到，在“没有团购过”的这部分被访者中，当遇到“有一种产品或服务，它在网上的价格比正常的价格便宜，而且又有需求的时候”愿意购买的有89，其中，在“浏览过团购网站的被访者”中愿意购买的更是达到了95，可以猜想这部分人群对团购网站的印象是不错的，但可能碍于价格或者产品的使用程度不高而没有参与团购，发布团购者可以从两个方面入手，挖掘商机；在年龄分布中可以看到，越年轻的更愿意尝试购买；在性别分布中，男性比女性更愿意尝试购买。综合上图可以更清楚的认定，在这部分未参与网购的人群中，只要能投其所好，他们将会是未来团购发展的新力军，特别是“浏览过但没有团购过”的被访者。图10不会选择在网上购买的原因针对在表3表示不愿意尝试网上购物的被访者，看其不愿意购买的原因可以发现，团购网站应该加强其后台监督和管理，让团购用户在一个更有质量保证、更安全的平台上进行购物，在此基础上，团购网站应该加大其宣传力度，让消费者能更为了解团购的好处，避免因为不了解而产生的不参与，流失这潜在的消费人群。其中，由于这部分被访者样本量不到30，因此只能用于借鉴参考。图11“没有浏览过团购网站”但参与过网上购物的人经常购物的网站从图11可以看到，这部分人群中有83的人经常购物的网站为“淘宝网”，其次是京东网、拍拍网和当当网；同时在年龄的分布和男女分布中，各年龄段经常购物的网站首选仍然是“淘宝网”。而这些传统电商，基本上都有团购网的分址，如何加大这部分不参与团购的人群的宣传，是他们需要考虑的问题。不过上图的样本量比较小，只能作为初步的参考。323网络团购用户基本状况分析下面就网络团购用户的团龄、新老团购用户访问团购网站的频次、网络团购用户每天浏览团购网站的时间和时间段、访问团购网站的方式和设备、每次团购的花费进行分析。平均值（月）861图12参与团购的时间从图12可以看到，在团购过的被访者中，有45的用户参与团购的时间为“一年以上”，其次是“半年到一年”的，占了总体的27。平均团龄为86个月；新用户第一个月有超过45每天都会访问团购网站，而6个月以上的用户，这个比例下降了一半左右；该人群平均每周浏览团购网站的频率为4次。（见图13）图13新老用户访问团购网站的频次图14每天浏览团购网站的时间参加网络团购的被访者每天浏览团购网站的时间大多在半个小时左右。图15浏览团购网站的时间段参加过团购网站的被访者浏览团购网站的时间段大多在晚上，其中晚上八点到十点为其高峰期。图16访问团购网站的方式由图16看到，有63的团购过的被访者访问团购网站方式为“团购导航网站”，其次是“微薄”，“直接输入网址”和“搜索引擎”。从中可以看出，商家要争取在这些地方设置链接，争取版面。图17浏览团购网站的设备有多达98的团购用户是通过“电脑（包括台式机和手提电脑）”，其次是“手机”（39）。图18每次团购的平均花费大部分参加团购的被访者每次团购的平均花费在“51150元”之间，所占总体的比例超过70；平均每个人的花费在11806元左右。可见，价格较低更容易被用户接受。33在线用户市场细分消费者市场细分要求企业注重消费者的总体特征，以消费者为中心和导向来把握市场。消费者市场细分基本上围绕人口统计、生活方式、利益、行为、消费者价值等变量进行。人口统计细分主要是把人口的年龄、性别、收入、职业等作为细分维度，这在前面的网络团购的主要消费人群分析已经用到了。而态度作为研究消费者行为的重要变量一直发挥着重要的功能，所以消费者态度是消费者细分的重要依据。下面16就从上面的分析中得到的潜在消费者和现有消费者这两类在线用户的生活与购物态度作为细分变量，运用因子分析和聚类分析，进行市场细分，以了解在线用户可分为几类细分市场。1820331生活和购物态度的因子分析在B、C、D问卷中有一道关于了解“浏览过团购网站但未参与团购的被访者”和“参加网络团购的被访者”在既定的17个“描述人们生活和购物态度”的句子，根据对其个人实际情况的符合程度进行选择，每个句子设有五个选项“非常符合”、“比较符合”、“基本符合”、“不太符合”、“完全不符合”，对这五个选项进行赋值，分别为5、4、3、2、1。对这17个句子运用因子分析方法，提取几个主因子，即这部分人群所共同拥有的生活与购物态度因子，然后再计算各样本的因子得分。但用17个句子做出的累计贡献率太低，证明一些句子不具有代表性。因此把因子载荷小于05的两个句子剔除，用剩下的15个句子进行因子分析，得到了六个主因子，即这道题的被访者所具有的共同的生活与购物态度因子。分析过程如下表4KMO和BARTLETT的检验KAISERMEYEROLKINMEASUREOFSAMPLINGADEQUACY0804APPROXCHISQUARE1169048DF105BARTLETTSTESTOFSPHERICITYSIG0000由表4可知，检验变量间偏相关性的KMO统计量，数值为0804，达到可行性标准，而且BARTLETT球度检验的相伴概率为0000，远小于005，因此拒绝原假设，认为所选取的15个指标适合做因子分析。表5方差解释表TOTALVARIANCEEXPLAINEDINITIALEIGENVALUESEXTRACTIONSUMSOFSQUAREDLOADINGSROTATIONSUMSOFSQUAREDLOADINGSCOMPONENTTOTALOFVARIANCECUMULATIVETOTALOFVARIANCECUMULATIVETOTALOFVARIANCECUMULATIVE142292819328193422928193281932476165081650821751116753986717511167539867170111337278453129686404850812968640485081641109413878641090726455772109072645577216191079649582509626412621850962641262185146897865936860917611368297091761136829713398929682977073649047320180682454877749906304203819521005823878858291104953300891291204683120922491304152769950181403782518975361503702464100000EXTRACTIONMETHODPRINCIPALCOMPONENTANALYSIS图19碎石图运用主成份分析法提取因子，由SPSS输出的碎石图（图19）可看出，提取了6个主因子比较适合，因在第六个公共因子处是个明显的拐点，在此点之后渐趋于水平直线；同时，由方差解释表（表5）可看出，前六个公共因子对样本方差的累计贡献和已达68297，接近70，在社会调查研究中已满足所需的贡献率，表明前六个因子基本包括了全部指标绝大部分的信息，故取前六个公共因子，得到因子载荷矩阵。但为了更好地对主因子进行解释，采用最常用的方差最大法对提取的主因子进行因子旋转，得到下表表6旋转后的载荷矩阵ROTATEDCOMPONENTMATRIXACOMPONENT123456相比于电视、报纸、杂志的广告，我更喜欢互联网广告X1075801310021014200780029我经常会冲动性地购买一些不需要的东西X2071000440216014200610131我喜欢在网上购买商品X3060200180344016801350009广告是生活中必不可少的东西X4059404550078000600790095我做事一向果断，不会犹豫不决X5058904120119013301150244对我来说，家庭是最重要的X6003607570198015700550121我对饮食非常讲究X7023707060025001402010342我会选择在降价促销时购买某产品X8005401530827019601070120相同的产品，我会选择在价格最低的店家购买X9018500650793012001230014购物前我通常会比较几家商店同类商品的价格X10009600920178084600650075我在购买前我会通过媒介了解产品相关信息X11004400830141083002270040我比较偏好知名品牌X12005701550067015708090191我更愿意接受他人的购买意见X13020500620181012907940048我有储蓄的习惯X14006703140117009100770757我会把部分富裕的资产用于投资股票、股份X15042302520014003800670699由表6可得出在线用户生活和购物态度的因子分析模型（特殊因子忽略不计）1123456214123456507583012078294613679035018067XFFF9由表6可知，第一个主因子在“相比于电视、报纸、杂志的广告，我更喜欢互F联网广告”（）、“我经常会冲动性地购买一些不需要的东西”（）、“我喜欢在网上1X2X购买商品”（）、“广告是生活中必不可少的东西”（）、“我做事一向果断，不会34犹豫不决”（）的载荷值都较大，这五个指标在主因子上的载荷均在058以上，51F主要代表他们对网络广告的态度以及购物是否有其冲动性，因此，第一个主因子命名为冲动性网络因子；第二个主因子主要由“对我来说，家庭是最重要的”（）、2F6X“我对饮食非常讲究”（）所决定，是代表其家庭观念，及其对饮食的讲究程度，7X这两个指标在主因子上的载荷均在07以上，因此，第二个主因子命名为家庭饮食2因子；第三个主因子主要由“我会选择在降价促销时购买某产品”（）、“相同的38产品，我会选择在价格最低的店家购买”（）所决定，代表的是价格因素对他们购9X物的影响程度，因此，第三个主因子命名为低价因子；第四个主因子主要由“购物4F前我通常会比较几家商店同类商品的价格”（）、“我在购买前我会通过媒介了解产10品相关信息”（）所决定，代表的是在购买东西前是否会对比多家信息、是否会谨1X慎做决策的特性，因此，第四个主因子命名为购前评价因子；第五个主因子主要由5“我比较偏好知名品牌”（）、“我更愿意接受他人的购买意见”（）所决定，代1213X表的是注重品牌和口碑的程度，因此，第五个主因子命名为名牌效应因子；第六个主因子主要由“我有储蓄的习惯”（）、“我会把部分富裕的资产用于投资股票、股6F14X份”（）所决定，代表的是注重财富累计的程度，是否会通过投资储蓄等方法来对15X自己的财产进行保值或增值，因此，第六个主因子命名为理财因子。具体命名如下表7。表7各公共因子命名公因子高载荷指标因子命名相比于电视、报纸、杂志的广告，我更喜欢互联网广告我经常会冲动性地购买一些不需要的东西我喜欢在网上购买商品广告是生活中必不可少的东西主因子一我做事一向果断，不会犹豫不决冲动网络因子对我来说，家庭是最重要的主因子二我对饮食非常讲究家庭饮食因子我会选择在降价促销时购买某产品主因子三相同的产品，我会选择在价格最低的店家购买低价因子购物前我通常会比较几家商店同类商品的价格主因子四我在购买前我会通过媒介了解产品相关信息购前评价因子我比较偏好知名品牌主因子五我更愿意接受他人的购买意见名牌效应因子我有储蓄的习惯主因子六我会把部分富裕的资产用于投资股票、股份理财因子利用SPSS得出的因子得分系数矩阵（见表8），可以建立因子的线性模型11231314152341230839071020376925544FXXX13141556703017052680377FXXX表8因子得分矩阵COMPONENTSCORECOEFFICIENTMATRIXCOMPONENT123456购物前我通常会比较几家商店同类商品的价格000700490061061301620012我在购买前我会通过媒介了解产品相关信息002800610102057600050027我更愿意接受他人的购买意见000100910014009706520160我比较偏好知名品牌011600290091007106550057我经常会冲动性地购买一些不需要的东西032901390120016600300012相同的产品，我会选择在价格最低的店家购买000500430548010000380041我会选择在降价促销时购买某产品010800160575005700820088我喜欢在网上购买商品027101360151004000170110我会把部分富裕的资产用于投资股票、股份013703250037002300320567我有储蓄的习惯021401310074002200680634我对饮食非常讲究003904260063011000330165广告是生活中必不可少的东西022702380036006900690068相比于电视、报纸、杂志的广告，我更喜欢互联网广告038300130145009500520174我做事一向果断，不会犹豫不决022301850213006500460055对我来说，家庭是最重要的007905340064000600880201332应用聚类分析分出市场规模把因子分析中得到的六个态度因子作为变量对样本进行聚类分析。因为这个群体有316个样本，属于大样本，因此，这里采用快速聚类分析方法，即KMEANS聚类。在确定族群数目时尝试做了4、5、6、7、8类，发现5类的聚类效果最为理想，因此最终确定了5个细分市场，细分市场之间拥有差异较大的生活与购物态度。最终聚类中心如下表所示表9最终聚类中心FINALCLUSTERCENTERSCLUSTER12345冲动网络因子013064078775079236119074037217家庭饮食因子061517074909070697008399056745低价因子016871036095032006003592101928购前评价因子089897001465021790024199083639名牌效应因子018882086489036721046428027413理财因子000237109003007234084742038832市场一各项分值都很低，其中，在“购前评价因子”处达到最低值0899，表明该人群大多不会主动收集产品的相关信息，其生活和购物态度都是比较随性的，因此，命名为“随性型”；市场二在“冲动网络因子”、“家庭饮食因子”的分值比较高，该人群对网络有一定的依赖性，同时对家庭和饮食的重视程度比较高，但该人群十分不注重理财与品牌，命名为“家庭饮食型”；市场三在“家庭饮食因子”和“名牌效应因子”的分值比较高，但“在冲动网络因子”上的分值很低，该人群在生活和产品要求方面比较高，命名为“品质生活型”；市场四各项分值都很高，其中他们是在网上最活跃的人群，更容易接触到团购。其中在“冲动网络因子”的分值达到最高，该人群对于网上广告有较大的兴趣，同时购物上有一定的冲动性，容易受他人影响，注重理财，命名为“网络活跃型”；市场五在“低价因子”和“购前评价因子”上的分值达到最高，这群人的购物态度是比较理性与谨慎的，很追求价格上的优惠，命名为“产品谨慎型”。各类市场所包含的人数如下表所示表10每类包含样本成员个数NUMBEROFCASESINEACHCLUSTER185000234000386000460000CLUSTER551000VALID316000MISSING48000从上面的分析中，我们可以知道“冲动网络因子”分值越高的人群，越是团购市场的最优的目标人群，因为他具有进行团购消费基本所需条件。团购网站可以根据上述消费者市场细分结果，设定方案，有针对性的对其目标人群进行营销，确定市场规模。34对团购网站的选择分析341不同细分市场对团购网站的选择下面根据这五个细分市场，看看拥有不同的生活与购物态度的人在选择团购网站方面有什么不同。1）潜在消费者中不同细分市场对团购网站的评价是否存在差异表11认为最好的网站糯米网美团网窝窝团嘀嗒团拉手网满座网淘宝网聚划算大众点评团QQ团购新浪团58团购总体频数61132215行4077201313100列40251125203323总体92253323频数1312119行113311221111100列25338201710014总体25232214频数72231431124行2988134171344100列4750503310033301710038总体113352652238频数1225行204040100列1117208总体2338频数122121211行91818918918100列10013501117103317总体233232317频数1154491121061164行223661421916922100列100100100100100100100100100100100100总体223661421916922100总体1随性型2家庭饮食型3品质生活型4网络活跃型5产品谨慎型在调查中，潜在消费者的样本量为64，但两变量的各水平比较多，致使各单元的样本量比较少，因此这里仅用于借鉴，观察各团购网站在这部分潜在消费者心目中的大致排名。因此，由上表可以看到不论是哪种生活和购物态度的人群，认为“美团网”是最好的团购网站的占了总调查人数的23，其次是“淘宝网聚划算”、“大众点评网”和“拉手网”，分别占了19、16和14，可以大致的认为这些网站在这部分潜在消费者中的印象分是比较高。其中，对不同生活与购物态度的人群进行分析，随性型和品质生活型的人更多的选择了“美团网”和“淘宝聚划算”，分别占了40、29和20、17，家庭饮食型的更多的选择了“拉手网”和“大众点评网”，分别占了33和22，“网络活跃型”和“产品谨慎型”选择相对分散。对不同的团购网站人群构成进行分析，认为“美团网”是最好的人群中，品质生活型所占的比例达到最大，达到47，其次是随性型和产品谨慎型；认为“淘宝聚划算”是最好的人群中，品质生活型和随性型所占比例较大，分别为33和25；2）现有消费者中不同细分市场对团购网站的选择是否存在差异表12最经常购买的网站糯米网美团网窝窝团千品网嘀嗒团拉手网满座网高朋网淘宝网聚划算饭统网饭团24券大众点评团36团QQ团购新浪团58团购1号店唯品会聚美优品总体频数3125126571161270行417717971012313100列502933211883375038171728总体1525223060128频数211741241225行8442816481648100列571001212331110171710总体100320120110频数11121771211423162行2183271123223352100列172613292133115033332510025总体04173010611025频数134136155214155行24724112994272100列31272218172612331003310022总体5252022102022频数2439101311311140行5108232538338333100列