网上商城毕业论文开题

网上商城毕业论文开题一.摘要

随着信息技术的迅猛发展，网上商城已成为现代商业的重要组成部分，深刻改变了消费者的购物习惯和企业的经营模式。本研究以某知名网上商城为案例，探讨了其在运营过程中面临的关键问题及其解决方案。案例背景选取该商城自上线以来的发展历程，涵盖了市场定位、用户群体、技术架构、供应链管理等多个维度。研究方法采用混合研究设计，结合定量数据分析和定性案例研究，通过收集并分析用户行为数据、交易记录以及企业内部管理文档，系统评估了该商城的运营效率和用户体验。主要发现表明，该商城在用户留存率、交易转化率和技术稳定性方面存在显著波动，其中用户界面设计、物流配送效率和服务响应速度是影响运营效果的核心因素。通过对比行业标杆，研究发现该商城在个性化推荐算法和移动端优化方面存在明显短板。基于这些发现，研究提出了针对性的改进策略，包括优化用户界面设计、引入智能物流管理系统以及加强数据驱动的服务响应机制。结论指出，网上商城的成功运营需要技术、管理和市场策略的协同创新，而持续的数据分析和用户反馈是提升运营效率的关键驱动力。本研究不仅为该商城的优化提供了实践指导，也为其他网上商城的运营管理提供了理论参考。

二.关键词

网上商城；运营管理；用户体验；数据驱动；物流配送；个性化推荐

三.引言

随着互联网技术的飞速发展和普及，电子商务行业经历了前所未有的变革与增长。网上商城作为一种新兴的商业模式，打破了传统实体店的时空限制，为消费者提供了更加便捷、高效的购物体验。近年来，网上商城的数量和规模不断扩大，市场竞争日益激烈，消费者需求也日趋多元化和个性化。在这一背景下，如何提升网上商城的运营效率、优化用户体验、增强市场竞争力，成为企业和研究者共同关注的焦点。

研究网上商城的运营管理具有重要的现实意义和理论价值。首先，从现实意义来看，网上商城的健康发展不仅能够满足消费者的购物需求，提升消费者的生活质量，还能够促进商业模式的创新和升级，推动经济的数字化转型。其次，从理论价值来看，网上商城的运营管理涉及多个学科领域，如管理学、市场营销学、信息科学等，通过对网上商城运营管理的研究，可以丰富和发展相关理论体系，为电子商务行业的发展提供理论支撑。

本研究以某知名网上商城为案例，旨在深入探讨其运营管理过程中面临的关键问题及其解决方案。通过对该商城的运营数据、用户反馈、市场环境等进行系统分析，本研究试揭示影响网上商城运营效率的关键因素，并提出相应的优化策略。具体而言，本研究将重点关注以下几个方面：一是用户界面设计对用户体验的影响；二是物流配送效率对用户满意度的影响；三是数据驱动服务对运营效率的影响；四是个性化推荐算法对用户留存率的影响。

在研究问题或假设方面，本研究提出以下假设：首先，用户界面设计的优化能够显著提升用户体验和交易转化率；其次，物流配送效率的提升能够增强用户满意度和忠诚度；第三，数据驱动的服务能够提高运营效率和服务质量；最后，个性化推荐算法的优化能够增加用户留存率和客单价。为了验证这些假设，本研究将采用定量数据分析和定性案例研究相结合的方法，通过收集并分析相关数据，对假设进行检验和验证。

本研究的主要目的是为该网上商城的运营管理提供优化建议，同时为其他网上商城的运营管理提供理论参考和实践指导。通过对该商城运营管理问题的深入分析，本研究希望能够揭示网上商城运营管理的内在规律和规律，为网上商城的健康发展提供理论支撑和实践指导。

四.文献综述

电子商务的兴起为商业模式带来了性的变化，网上商城作为其核心载体，其运营管理的有效性直接关系到企业的市场竞争力与可持续发展。国内外学者对网上商城的运营管理进行了广泛的研究，涵盖了用户行为分析、物流优化、数据挖掘应用、平台架构设计等多个方面。本综述旨在梳理现有研究成果，为后续研究提供理论基础，并识别出当前研究存在的空白与争议点。

在用户行为分析领域，早期研究主要集中在用户在线购买决策的影响因素上。Dwivedi等人（2013）通过实证研究发现，产品质量、价格、设计及用户信任度是影响用户购买决策的关键因素。随着研究的深入，学者们开始关注用户在线行为的动态变化。例如，Kumar和Kumar（2015）利用大数据技术分析了用户的浏览路径和购买历史，提出了基于用户行为的个性化推荐算法，有效提升了用户满意度和购买转化率。然而，现有研究大多集中于发达国家市场，对发展中国家用户行为的研究相对较少，尤其是在文化差异和消费习惯方面存在研究空白。

物流配送作为网上商城运营的重要组成部分，其效率直接影响用户体验和成本控制。Brown和Wilson（2014）通过对美国主要电商平台的物流系统进行分析，发现高效的物流配送能够显著提升用户满意度和忠诚度。近年来，随着和物联网技术的发展，学者们开始探索智能物流系统的构建。例如，Li等人（2016）提出了一种基于物联网的智能物流管理系统，通过实时监控和预测物流状态，优化了配送路径和库存管理，降低了物流成本并提升了配送效率。尽管如此，智能物流系统在实际应用中仍面临诸多挑战，如技术集成难度、数据安全风险等，这些问题的深入研究仍需进一步探索。

数据挖掘技术在网上商城运营管理中的应用日益广泛，成为提升运营效率的重要手段。Chen等人（2012）通过对电商平台用户数据的挖掘，发现用户购买行为中存在显著的模式和趋势，基于这些模式可以优化商品推荐和营销策略。近年来，机器学习和深度学习技术的引入进一步推动了数据挖掘技术的发展。例如，Zhang等人（2017）利用深度学习算法分析了用户的购买历史和浏览行为，构建了精准的个性化推荐系统，显著提升了用户留存率和客单价。然而，现有研究在数据隐私保护和算法透明度方面存在争议。一方面，数据挖掘技术的应用需要收集大量用户数据，这引发了用户隐私保护的担忧；另一方面，许多复杂的推荐算法缺乏透明度，用户难以理解推荐结果的生成机制，这影响了用户对推荐系统的信任度。

平台架构设计是网上商城运营管理的另一个重要方面，其合理性直接关系到系统的稳定性、可扩展性和用户体验。早期研究主要集中在设计和用户界面优化上。例如，Nielsen（2000）提出了用户界面设计的十大原则，强调了易用性和用户友好性在设计中的重要性。随着移动互联网的普及，移动端优化成为平台架构设计的新焦点。例如，Lee等人（2015）通过对多个移动电商应用的分析，发现响应式设计和简化操作流程能够显著提升移动端用户体验。然而，现有研究在跨平台兼容性和性能优化方面存在不足。随着新技术的不断涌现，如何构建一个既能适应多种设备又能保持高性能的跨平台架构，成为当前研究面临的主要挑战。

综上所述，现有研究在用户行为分析、物流优化、数据挖掘应用和平台架构设计等方面取得了显著进展，但仍存在一些研究空白和争议点。特别是在发展中国家市场的研究、文化差异对用户行为的影响、数据隐私保护与算法透明度、跨平台兼容性及性能优化等方面，需要进一步深入探讨。本研究将聚焦于这些空白与争议点，通过实证分析和理论探讨，为网上商城的运营管理提供新的视角和解决方案。

五.正文

本研究旨在深入探讨网上商城的运营管理问题，通过实证分析和理论探讨，提出优化策略并验证其有效性。研究内容主要围绕用户界面设计、物流配送效率、数据驱动服务和个性化推荐算法四个方面展开。研究方法采用混合研究设计，结合定量数据分析和定性案例研究，以确保研究结果的全面性和可靠性。

首先，本研究对用户界面设计进行了详细分析。通过对某知名网上商城的用户界面进行评估，发现其在导航结构、视觉布局和交互设计等方面存在不足。具体而言，导航结构不够清晰，用户在寻找商品时需要多次点击；视觉布局过于复杂，导致用户容易迷失在信息海洋中；交互设计不够人性化，用户在操作过程中感到不便。为了优化用户界面设计，本研究提出以下改进措施：一是简化导航结构，采用层级分类和搜索推荐相结合的方式，帮助用户快速找到所需商品；二是优化视觉布局，采用简洁的界面风格和合理的色彩搭配，提升用户的视觉体验；三是改进交互设计，增加用户反馈机制和操作引导，降低用户的操作难度。

其次，本研究对物流配送效率进行了系统分析。通过对该商城的物流配送数据进行分析，发现其在配送速度、配送准确性和配送成本方面存在明显问题。具体而言，配送速度较慢，部分地区的配送时间超过预期；配送准确性不高，存在包裹丢失和错送的情况；配送成本较高，影响了用户的购买意愿。为了提升物流配送效率，本研究提出以下改进措施：一是引入智能物流管理系统，通过实时监控和预测物流状态，优化配送路径和库存管理；二是加强与第三方物流企业的合作，提高配送网络覆盖率和配送速度；三是采用无人机和无人车等新技术，降低配送成本并提升配送效率。

第三，本研究对数据驱动服务进行了深入探讨。通过对该商城的用户数据进行挖掘，发现其在数据收集、数据分析和数据应用方面存在不足。具体而言，数据收集不够全面，缺乏对用户行为数据的实时监控；数据分析不够深入，未能有效挖掘用户行为中的模式和趋势；数据应用不够广泛，未能将数据分析结果转化为具体的运营策略。为了提升数据驱动服务水平，本研究提出以下改进措施：一是建立完善的数据收集系统，实时收集用户的浏览行为、购买历史和评价反馈；二是采用机器学习和深度学习算法，对用户数据进行深入分析，挖掘用户行为中的模式和趋势；三是将数据分析结果应用于个性化推荐、精准营销和智能客服等方面，提升运营效率和服务质量。

最后，本研究对个性化推荐算法进行了优化。通过对该商城的个性化推荐系统进行评估，发现其在推荐准确度、推荐多样性和推荐实时性方面存在明显问题。具体而言，推荐准确度不高，推荐结果与用户实际需求不符；推荐多样性不足，用户容易陷入信息茧房；推荐实时性不够，未能根据用户的实时行为进行动态调整。为了优化个性化推荐算法，本研究提出以下改进措施：一是引入协同过滤和深度学习算法，提高推荐准确度；二是增加推荐结果的多样性，避免用户陷入信息茧房；三是采用实时推荐技术，根据用户的实时行为进行动态调整，提升推荐效果。

为了验证上述改进措施的有效性，本研究进行了实证分析。首先，对用户界面设计进行了优化，并收集了优化前后的用户反馈数据。结果表明，优化后的用户界面显著提升了用户的满意度和购买转化率。其次，对物流配送效率进行了优化，并收集了优化前后的配送数据。结果表明，优化后的物流配送系统显著提升了配送速度和配送准确性，降低了配送成本。第三，对数据驱动服务进行了优化，并收集了优化前后的数据分析结果。结果表明，优化后的数据驱动服务显著提升了运营效率和服务质量。最后，对个性化推荐算法进行了优化，并收集了优化前后的推荐效果数据。结果表明，优化后的个性化推荐系统显著提升了推荐准确度和推荐实时性，增强了用户留存率。

通过实证分析，本研究验证了所提出的改进措施的有效性，并揭示了网上商城运营管理的关键问题及其解决方案。研究结果表明，用户界面设计、物流配送效率、数据驱动服务和个性化推荐算法是影响网上商城运营效率的关键因素。通过对这些方面的优化，可以有效提升用户体验、增强市场竞争力，推动网上商城的健康发展。

本研究不仅为该网上商城的运营管理提供了优化建议，也为其他网上商城的运营管理提供了理论参考和实践指导。通过对网上商城运营管理问题的深入分析，本研究希望能够揭示网上商城运营管理的内在规律和规律，为网上商城的健康发展提供理论支撑和实践指导。同时，本研究也指出了未来研究的方向，如文化差异对用户行为的影响、数据隐私保护与算法透明度、跨平台兼容性及性能优化等，这些问题的深入研究将进一步提升网上商城的运营管理水平，推动电子商务行业的持续发展。

六.结论与展望

本研究以某知名网上商城为案例，深入探讨了其运营管理过程中面临的关键问题及其解决方案。通过对用户界面设计、物流配送效率、数据驱动服务和个性化推荐算法四个方面的系统分析和实证验证，本研究揭示了影响网上商城运营效率的关键因素，并提出了相应的优化策略。研究结果表明，通过对这些方面的优化，可以有效提升用户体验、增强市场竞争力，推动网上商城的健康发展。本部分将对研究结果进行总结，并提出相关建议和展望。

首先，本研究总结了用户界面设计的优化效果。研究发现，优化后的用户界面显著提升了用户的满意度和购买转化率。具体而言，简化导航结构、优化视觉布局和改进交互设计等措施，有效降低了用户的操作难度，提升了用户的视觉体验，帮助用户快速找到所需商品。这些结果表明，用户界面设计是影响用户体验和购买转化率的关键因素。未来，网上商城应更加注重用户界面设计的优化，采用以用户为中心的设计理念，提升用户的购物体验。

其次，本研究总结了物流配送效率的提升效果。研究发现，优化后的物流配送系统显著提升了配送速度和配送准确性，降低了配送成本。具体而言，引入智能物流管理系统、加强与第三方物流企业的合作以及采用无人机和无人车等新技术，有效提升了配送效率，降低了配送成本。这些结果表明，物流配送效率是影响用户满意度和市场竞争力的关键因素。未来，网上商城应更加注重物流配送效率的提升，采用新技术和新模式，降低配送成本，提升配送速度和准确性。

第三，本研究总结了数据驱动服务的优化效果。研究发现，优化后的数据驱动服务显著提升了运营效率和服务质量。具体而言，建立完善的数据收集系统、采用机器学习和深度学习算法进行数据分析，以及将数据分析结果应用于个性化推荐、精准营销和智能客服等方面，有效提升了运营效率和服务质量。这些结果表明，数据驱动服务是提升网上商城运营效率和服务质量的关键因素。未来，网上商城应更加注重数据驱动服务的应用，利用大数据技术进行数据分析，提升运营效率和服务质量。

最后，本研究总结了个性化推荐算法的优化效果。研究发现，优化后的个性化推荐系统显著提升了推荐准确度和推荐实时性，增强了用户留存率。具体而言，引入协同过滤和深度学习算法、增加推荐结果的多样性以及采用实时推荐技术，有效提升了推荐效果，增强了用户留存率。这些结果表明，个性化推荐算法是提升用户体验和用户留存率的关键因素。未来，网上商城应更加注重个性化推荐算法的优化，采用新技术和新方法，提升推荐效果，增强用户留存率。

基于上述研究结果，本研究提出以下建议：首先，网上商城应更加注重用户界面设计的优化，采用以用户为中心的设计理念，提升用户的购物体验。其次，网上商城应更加注重物流配送效率的提升，采用新技术和新模式，降低配送成本，提升配送速度和准确性。第三，网上商城应更加注重数据驱动服务的应用，利用大数据技术进行数据分析，提升运营效率和服务质量。最后，网上商城应更加注重个性化推荐算法的优化，采用新技术和新方法，提升推荐效果，增强用户留存率。

同时，本研究也指出了未来研究的方向。首先，未来研究可以进一步探讨文化差异对用户行为的影响，分析不同文化背景下用户的购物习惯和行为模式，为网上商城的运营管理提供更加精准的指导。其次，未来研究可以进一步探讨数据隐私保护与算法透明度的问题，研究如何在保护用户隐私的同时，提升算法的透明度和可信度。第三，未来研究可以进一步探讨跨平台兼容性及性能优化的问题，研究如何构建一个既能适应多种设备又能保持高性能的跨平台架构。最后，未来研究可以进一步探讨新技术在网商商城运营管理中的应用，如区块链技术、虚拟现实技术等，探索新技术如何为网上商城的运营管理带来新的机遇和挑战。

总之，本研究通过对网上商城运营管理问题的深入分析，揭示了网上商城运营管理的内在规律和规律，为网上商城的健康发展提供了理论支撑和实践指导。未来，网上商城应更加注重用户体验的提升、物流配送效率的提升、数据驱动服务的应用和个性化推荐算法的优化，以应对日益激烈的市场竞争，实现可持续发展。同时，未来研究也应进一步探讨网上商城运营管理中的新问题和新挑战，为网上商城的健康发展提供更加全面的理论支撑和实践指导。

七.参考文献

Dwivedi,Y.K.,Carlson,J.,Hughes,D.L.,Jacobson,J.,&Williams,M.R.(2013).Aninvestigationintothefactorsinfluencingcustomerchoiceofonlineretlserviceproviders.*InternationalJournalofElectronicCommerce*,*17*(3),75-102.

Kumar,V.,&Kumar,U.(2015).Bigdataanalyticsinretl:Aresearchframework.*InternationalJournalofInformationManagement*,*35*(2),187-201.

Brown,S.W.,&Wilson,D.T.(2014).Theeffectsoflogisticsintegrationonmarketingandlogisticsintegration.*JournalofBusinessLogistics*,*35*(1),3-22.

Li,Y.,Chen,Z.,&Zhang,D.(2016).ResearchontheoptimizationofurbanlogisticsdistributionsystembasedonInternetofThingstechnology.*20162ndInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,899-903.

Chen,M.,Mao,S.,&Liu,Y.(2012).Bigdata:Asurvey.*MobileNetworksandApplications*,*17*(2),213-225.

Zhang,C.,Ma,K.,&Zhang,Z.(2017).Deeplearningbasedpersonalizedrecommendationalgorithmfore-commerce.*2017IEEEInternationalConferenceonBigData(BigData)*,IEEE,2984-2989.

Nielsen,J.(2000).*Designingwebusability:Thepracticeofinteractivedesign*.MorganKaufmann.

Lee,K.,Kim,Y.,&Yoo,Y.(2015).Astudyonthemobileuserexperience(UX)ofmobilecommerceapplications.*2015IEEEInternationalConferenceonConsumerElectronics(ICCE)*,IEEE,1-6.

Brown,S.W.,&Wilson,D.T.(2014).Theeffectsoflogisticsintegrationonmarketingandlogisticsintegration.*JournalofBusinessLogistics*,*35*(1),3-22.

Li,Y.,Chen,Z.,&Zhang,D.(2016).ResearchontheoptimizationofurbanlogisticsdistributionsystembasedonInternetofThingstechnology.*20162ndInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,899-903.

Chen,M.,Mao,S.,&Liu,Y.(2012).Bigdata:Asurvey.*MobileNetworksandApplications*,*17*(2),213-225.

Zhang,C.,Ma,K.,&Zhang,Z.(2017).Deeplearningbasedpersonalizedrecommendationalgorithmfore-commerce.*2017IEEEInternationalConferenceonBigData(BigData)*,IEEE,2984-2989.

Nielsen,J.(2000).*Designingwebusability:Thepracticeofinteractivedesign*.MorganKaufmann.

Lee,K.,Kim,Y.,&Yoo,Y.(2015).Astudyonthemobileuserexperience(UX)ofmobilecommerceapplications.*2015IEEEInternationalConferenceonConsumerElectronics(ICCE)*,IEEE,1-6.

Wang,Y.,&Luo,X.(2014).Anempiricalstudyonthefactorsinfluencingonlineshoppingbehavior.*ComputersinHumanBehavior*,*39*,75-84.

Zhang,X.,&Zhao,X.(2016).Theimpactofe-commerceplatformcharacteristicsonconsumertrustandpurchaseintention.*JournalofElectronicCommerceResearch*,*17*(4),345-360.

Li,H.,&Zhang,Y.(2013).Theroleofsocialmediaine-commerce:Aliteraturereviewandresearchagenda.*InternationalJournalofInformationManagement*,*33*(1),1-9.

Wang,H.,&Zhang,D.(2015).Bigdataanalyticsforpersonalizedmarketingine-commerce.*2015IEEEInternationalConferenceonBigData(BigData)*,IEEE,2978-2983.

Chen,L.,&Liu,C.(2014).Theimpactofmobilecommerceuserexperienceoncustomersatisfactionandloyalty.*2014IEEEInternationalConferenceonConsumerElectronics(ICCE-Tempe)*,IEEE,1-6.

Liu,J.,&Wang,H.(2016).Researchontheinfluencefactorsofe-commercecustomerrepurchaseintention.*201610thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,679-683.

Zhao,X.,&Zhang,X.(2015).Theeffectofonlinecustomerreviewsonconsumerpurchasedecision:Theroleofreviewvalenceandvolume.*JournalofBusinessResearch*,*78*,1-9.

Wang,L.,&Li,X.(2017).Theimpactofe-commerceplatformreputationonconsumertrustandpurchaseintention.*20172ndInternationalConferenceonElectronicCommerceandDigitalBusiness(ECDB)*,IEEE,1-6.

Zhang,G.,&Zhao,F.(2014).Theroleofe-commerceplatformcharacteristicsinconsumertrustformation.*20147thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,1-5.

Li,S.,&Wang,Y.(2016).Theinfluenceofsocialproofonconsumerpurchasedecisionine-commerce.*2016IEEEInternationalConferenceonBigData(BigData)*,IEEE,2990-2995.

Wang,J.,&Zhang,H.(2015).Theimpactoflogisticsservicequalityone-commercecustomersatisfaction.*2015IEEEInternationalConferenceonConsumerElectronics(ICCE-Tempe)*,IEEE,1-6.

Chen,Y.,&Liu,Y.(2017).Theroleofonlinecustomerserviceine-commercecustomersatisfactionandloyalty.*2017IEEEInternationalConferenceonBigData(BigData)*,IEEE,3000-3005.

Liu,C.,&Wang,H.(2016).Researchontheinfluenceofe-commercewebsitedesignonuserexperience.*201610thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,684-688.

Zhao,F.,&Zhang,G.(2014).Theimpactofe-commerceplatformusabilityonconsumerpurchaseintention.*20147thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,6-10.

Li,X.,&Wang,L.(2017).Theroleofe-commerceplatforminnovationinconsumersatisfactionandloyalty.*20172ndInternationalConferenceonElectronicCommerceandDigitalBusiness(ECDB)*,IEEE,7-12.

Wang,H.,&Zhang,D.(2015).Bigdataanalyticsforpersonalizedmarketingine-commerce.*2015IEEEInternationalConferenceonBigData(BigData)*,IEEE,2978-2983.

Chen,L.,&Liu,C.(2014).Theimpactofmobilecommerceuserexperienceoncustomersatisfactionandloyalty.*2014IEEEInternationalConferenceonConsumerElectronics(ICCE-Tempe)*,IEEE,1-6.

Liu,J.,&Wang,H.(2016).Researchontheinfluencefactorsofe-commercecustomerrepurchaseintention.*201610thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,679-683.

Zhao,X.,&Zhang,X.(2015).Theeffectofonlinecustomerreviewsonconsumerpurchasedecision:Theroleofreviewvalenceandvolume.*JournalofBusinessResearch*,*78*,1-9.

Wang,L.,&Li,X.(2017).Theimpactofe-commerceplatformreputationonconsumertrustandpurchaseintention.*20172ndInternationalConferenceonElectronicCommerceandDigitalBusiness(ECDB)*,IEEE,1-6.

Zhang,G.,&Zhao,F.(2014).Theroleofe-commerceplatformcharacteristicsinconsumertrustformation.*20147thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,1-5.

Li,S.,&Wang,Y.(2016).Theinfluenceofsocialproofonconsumerpurchasedecisionine-commerce.*2016IEEEInternationalConferenceonBigData(BigData)*,IEEE,2990-2995.

Wang,J.,&Zhang,H.(2015).Theimpactoflogisticsservicequalityone-commercecustomersatisfaction.*2015IEEEInternationalConferenceonConsumerElectronics(ICCE-Tempe)*,IEEE,1-6.

Chen,Y.,&Liu,Y.(2017).Theroleofonlinecustomerserviceine-commercecustomersatisfactionandloyalty.*2017IEEEInternationalConferenceonBigData(BigData)*,IEEE,3000-3005.

Liu,C.,&Wang,H.(2016).Researchontheinfluenceofe-commercewebsitedesignonuserexperience.*201610thInternationalConferenceonE-BusinessandE-Government(ICEEG)*,IEEE,684-688.

Zhao,F.,&Zhang,G.(2014).Theimpactofe-commerceplatformusabilityonconsumerpurchaseintention.*20147thI