《消费者行为学》课件 第4章 消费者行为新趋势-网络消费

消费者行为新趋势——网络消费第四章消费者行为学目录CONTENTS01网络消费初识02网络消费者行为分析03网络消费者行为的大数据分析导入案例

淘宝直播：解开网络消费时代的购物新密码网络消费初识01在数字化时代，网络消费已深度融入人们的生活，成为经济活动中不可忽视的重要组成部分。它突破了传统消费在时间与空间上的限制，让购物变得更加便捷高效，人们只需轻点鼠标或滑动屏幕，琳琅满目的商品便可尽收眼底。网络消费的方式丰富多样，而参与网络消费的人群也形形色色。一、网络消费的优势消费者不再受时间和空间的限制，无论何时何地，只要有网络连接，都可以通过手机、计算机等设备访问电商平台购物。而且，网络消费的购物流程简洁高效，大大节省了消费者的时间和精力。便捷性网络销售模式减少了实体店面租金、销售人员工资等多项成本，商家能够将这些节省下来的成本转化为商品价格的优势。消费者可在多个电商平台之间比较同一商品的价格，还可查看商品的历史价格走势，以及不同商家的促销活动和优惠信息。价格优势消费者可以在一个平台上找到各种不同类型、风格、功能的商品，满足不同的需求。同时，商家能够及时更新商品信息和库存情况，消费者可以第一时间了解到最新上市的商品、商品库存以及即将下架的商品等信息。商品选择多样性电商平台可为每件商品提供详细的文字描述、图片展示、用户评价、使用说明等信息，消费者可以全面了解商品的外观、性能、材质、尺寸等详细信息。而且，消费者在购买商品前可以查看其他买家对该商品的评价。信息获取便利性基于大数据和人工智能技术，电商平台能够根据消费者的浏览历史、购买记录、搜索关键词等行为数据，为其提供个性化的商品推荐。此外，一些网络商家还提供定制化的商品和服务。个性化体验消费者可以通过社交媒体、电商平台的社区等渠道，分享自己的购物心得、使用体验、穿搭建议等，也可以参与到关于商品和品牌的讨论中，获取更多的信息和建议。随着社交电商的发展，越来越多的消费者可以直接在社交平台上完成购物。社交互动性二、网络消费的常见方式电商平台购物按照平台所经营商品的种类范围，电商平台可以划分为综合电商平台和垂直电商平台。品牌官方网站购物消费者可以通过品牌官方网站直接购买商品，也可以通过品牌方忠诚度计划与会员服务购买商品。社交媒体购物社交媒体购物是指消费者通过使用社交媒体平台内置购物功能、接受“网红”推荐与带货的方式购买

商品。在线服务消费在线服务消费包括在线教育服务消费和在线娱乐服务消费。移动支付服务购买移动支付服务购买一般指用户借助移动支付平台的拓展功能，以及利用支付平台的优惠活动与消费券，参与相关商品和服务的购买活动。三、网络消费者的类型冲动型消费者冲动型消费者极易被各种诱因触动神经，享受即时消费带来的快感。理性型消费者理性型消费者在购物时谨慎行事，精挑细选，力求每一次消费都物有所值。习惯型消费者习惯型消费者钟情于特定品牌与平台，这源于他们对其商品质量、风格的认可，更来自对其购物流程、服务的信赖。社交型消费者社交型消费者通常将购物视作社交的延伸，热衷于在购物时与他人互动交流，喜欢在社区分享心得、展示成果，其活跃表现让网络充满活力与话题性。价格敏感型消费者价格敏感型消费者始终紧盯价格标签，他们将价格视为购物的核心考量因素，为寻找最实惠的商品，会四处搜罗折扣信息、优惠券，并且善用比价工具。三、网络消费者的类型区别的维度网络消费者传统消费者信息获取方式更多依赖网络平台（如搜索引擎、社交媒体、电商平台）的产品介绍和用户评价等主要通过线下渠道获取信息，如电视广告、传单、店内销售人员介绍等消费场景和便利性可以随时随地通过电子设备进行购物，便利性更高需要前往实体店铺购物，受时间和空间限制较大社交影响程度网络的社交属性使得消费者之间的信息传播更加迅速和广泛，消费者可能因为“网红”的推荐或分享而产生购买行为社交影响更多来自现实中的亲朋好友或销售人员，范围相对较窄消费决策速度冲动型消费者和理性性消费者在决策速度方面存在明显的差异。冲动型消费者可能因为一键下单的便捷性而更快做出购买决策；对于理性型消费者，网络消费虽然提供了更多信息，但也可能导致决策时间延长，因为需要筛选大量信息进行线下消费时，冲动型消费者需要考虑交通成本、时间成本等因素，冲动消费的可能性相对降低；理性型消费者面对有限的商品信息，决策过程可能相对较短网络消费者与传统消费者的区别三、网络消费者的类型案例思考三类典型消费者的“行为光谱”“双十一”购物节期间，各大电商平台的销售数据屡创新高。其中，有几种类型的消费者表现较为突出。一部分消费者属于“简单型”，他们早在活动前就将心仪的商品加入购物车，等到“双十一”当天直接下单，整个过程十分迅速，只为满足日常所需且追求购物的高效性。“简单型”消费者与习惯型消费者类似，都有一定的消费习惯和熟悉特定商品，但习惯型消费者有长期形成的消费习惯，而“简单型”消费者更侧重于此次“双十一”购物节中的高效购买行为，可能不一定有长期的消费习惯。“冲浪型”消费者在“双十一”前很长一段时间就开始频繁浏览各大电商平台，关注各类商品的优惠信息和新品，享受在众多网页和商品中穿梭比较的过程，即使最终购买的商品可能并非刚需，他们也乐在其中。“冲浪型”消费者与理性型消费者相似，在购物时会进行较为充分的信息收集和比较分析，但“冲浪型”消费者最终购买的商品可能并非刚需，这与典型的理性型消费者更注重产品实际需求和价值有所不同，他们可能更注重购物过程中的体验和乐趣。还有一类是“议价型”消费者，与价格敏感型消费者相似，他们会仔细研究各个平台、店铺的优惠券使用规则，参与各种满减、折扣活动，为了以最低的价格买到商品，不惜花费大量时间和精力去计算和比较，甚至会与客服反复沟通，争取更多的优惠。网络消费者行为分析02消费者在网络环境中的行为表现复杂多样，受到多种因素的综合影响：个人偏好和消费习惯是消费者决策的基石，潜移默化地影响着消费者的选择与行为模式；而社交互动作为外部的强力纽带，将消费者与不同的群体和观点相连；营销手段则像催化剂，激发消费者的潜在需求，制造消费热点和激发消费欲望。这些因素相互渗透、协同发力，共同影响着网络消费者的决策路径。一、网络消费者购买行为过程消费者在购置商品前进行抉择的过程，此过程中消费者综合各类信息，考量多种因素，以确定是否购买以及购买何种商品。这一过程中的决策考量会延续至等待收货阶段，影响消费者对商品的期待与后续评价。01消费者完成支付至收到商品期间的行为过程。等待收货过程中的体验与感受会促使消费者反思购买决策的合理性。02一、网络消费者购买行为过程（1）购物媒介与依赖能力不同（2）商品展示与信息获取差异（3）决策过程与决策依赖性的差异网络消费者购买行为和传统购买行为的区别网络消费者购买行为过程与传统购买行为过程一、网络消费者购买行为过程（1）购物媒介与依赖能力不同（2）商品展示与信息获取差异（3）决策过程与决策依赖性的差异网络消费者购买行为和传统购买行为的区别（1）激发需求（2）搜集信息（3）评估选择（4）购买决策（5）购后评价网络消费者的具体购买行为过程二、理解网络消费者购买行为模型网络对消费者购买行为的影响可以从消费者行为模式的演变中发现端倪，即从传统营销下的消费者行为模式（AIDMA模型）到互联网影响下的消费者行为模式（AISAS模型）的转变。在互联网兴起后，消费场景发生了转变，消费者不再被动接收信息，“搜索”改变了消费者的购买行为。网络对消费者购买行为的影响传统营销下和互联网影响下的消费者行为模式二、理解网络消费者购买行为模型要想更深入地了解网络消费者购买行为模型，首先要了解以下几个方面的知识。（1）技术接受模型（2）期望确认理论（3）感知风险（4）信誉和信任网络消费者购买行为模型网络消费者购买行为模型技术接受模型二、理解网络消费者购买行为模型要想更深入地了解网络消费者购买行为模型，首先要了解以下几个方面的知识。（1）技术接受模型（2）期望确认理论（3）感知风险（4）信誉和信任网络消费者购买行为模型网络消费者购买行为模型期望确认理论二、理解网络消费者购买行为模型网络消费者购买行为模型与传统消费者购买行为模型的区别主要有以下几点。网络消费者与传统消费者购买行为模型的区别信息获取渠道网络消费者主要通过互联网获取信息，包括搜索引擎、社交媒体、电商平台、专业论坛等。网络信息量大、传播速度快，消费者能够主动搜索和筛选信息。决策过程网络消费者购买决策过程更加复杂和多变。消费者可能在信息搜集阶段不断循环，反复比较不同商品的信息。而且，网络环境下的实时信息（如促销优惠、新的用户评价）可能随时影响消费者的决策。影响因素网络口碑、在线评论、网络广告、“网红”推荐等因素对网络消费者购买行为的影响更大。购后行为网络消费者可以通过电商平台的评价系统、社交媒体、商品论坛等多种渠道进行购后反馈。这些反馈具有即时性和广泛的传播性，对其他消费者的影响较大。二、理解网络消费者购买行为模型案例思考“绿植风”助力电商腾飞，抓住室内绿植装饰热潮近年来，室内绿植装饰热度高涨，不少电商平台借此机会大显身手，全方位实施营销策略，深度挖掘绿植市场潜力。小红书上“绿植美学”话题热度高，大量博主分享绿植搭配家居的照片，评论区满是求购绿植的声音。电商平台的商家顺势在小红书精准投放龟背竹、仙人掌等热门绿植的广告，还发起“绿植改造家”打卡挑战，参与者展示绿植如何让狭小空间焕然一新，激发大众购入绿植的热情。抖音上有众多绿植养护科普短视频，以绿萝为例，园艺师详细讲解浇水频率、光照需求，还有花友分享自家绿萝“爆盆”经验，“按照这个法子养，绿萝蹭蹭长”。视频下方直接挂着购买链接，方便消费者一键下单。淘宝推出“绿植精选榜单”。就空气凤梨这一“网红”绿植，榜单从植株大小、造型独特性、养护难易程度、价格区间等方面对比不同商家的商品，结合买家晒图评价，让消费者迅速甄别，选出心仪绿植，电商平台也成功借“绿植风”提升了销量。三、消费者的网络访问行为网络访问行为是指消费者在互联网上浏览、搜索、访问各种网站和平台，以获取商品信息、服务信息、价格信息等相关内容的行为。消费者的网络访问行为具体表现在信息搜索、浏览电商平台和访问品牌官网等3个方面。网络访问行为说明信息搜索消费者会使用搜索引擎（如百度等），输入关键词，查找自己感兴趣的商品或服务浏览电商平台访问各大电商平台（如淘宝、京东、拼多多等），通过分类浏览、搜索栏查找等方式，查看商品的详情页面，包括查看商品图片、规格参数、用户评价、价格等信息访问品牌官网直接访问品牌官方网站，深入了解品牌的历史、文化、产品系列、售后服务等内容，以获取更准确和详细的信息消费者的网络访问行为四、消费者的网络互动行为网络互动行为是指消费者在网络环境中与其他主体（如商家、其他消费者等）进行信息交流的行为。消费者的网络互动行为具体表现在社交媒体互动、咨询在线客服、参与论坛和社区讨论等方面。网络互动行为说明社交媒体互动在社交媒体平台（如微信、微博、抖音等）上发布关于产品或服务的内容，如使用心得、评价、晒单等，也会查看其他用户发布的相关信息，并进行点赞、评论、分享等操作咨询在线客服通过电商平台的在线客服、品牌官网的客服渠道等，向商家咨询产品的相关问题，如产品功能、尺寸规格、售后服务等，以获取更准确的信息参与论坛和社区讨论加入与产品或服务相关的论坛和社区，与其他消费者交流经验，讨论产品的优缺点，获取购买建议等消费者的网络互动行为四、消费者的网络互动行为AI赋能：使用AIGC工具分析网络消费者的购买行为1购买决策过程分析AIGC工具可以分析消费者在购买前的信息搜索、产品比较等行为数据，了解他们是如何逐步形成购买意向的。商家可据此优化产品介绍和营销重点。4关联购买分析AIGC工具通过分析消费者购买的其他相关产品，找出与购买行为具有关联性的商品。商家可以利用这些关联信息进行捆绑销售或交叉推荐，提高客单价和销售额。2购买偏好挖掘AIGC工具对消费者的历史购买记录、浏览偏好等数据进行分析，挖掘消费者的购买偏好。商家可以根据这些信息为消费者推荐个性化的产品和营销活动。3购买时间分析AIGC工具可以分析消费者购买行为的时间特征，如购买频率、购买时间分布等。这有助于商家合理安排库存，制定促销策略。5购买行为预测基于消费者的历史行为数据和当前的浏览行为，AIGC工具建立预测模型，预测消费者未来的购买可能性和购买时间。商家可及时进行精准营销和个性化推荐。6营销活动响应分析AIGC工具可以评估不同营销活动对消费者购买行为的影响，为商家优化营销策略提供依据。五、影响网络消费者行为的因素消费者在进行网络购物时会受到诸多因素的影响，从个人特质到网络环境，从社会文化到商家策略等，剖析这些因素有利于电商企业制定合适的营销策略，实现精准营销与业绩增长。影响网络消费者行为的因素主要有以下几个。（1）经济因素（2）社会文化因素（3）政策因素（4）购物网站的属性特征外在因素（1）个人因素（2）心理因素对网购缺乏信任感个人隐私与网上支付安全感缺失对价格信任不足对售后服务保障缺乏信任内在因素五、影响网络消费者行为的因素案例分析小米有品——构建品质生活电商的消费链路网络消费者行为的大数据分析03随着互联网技术的飞速发展和大数据时代的到来，网络用户的消费行为呈现出前所未有的复杂性和

多样性。企业通过对海量、多源、异构的数据进行挖掘和分析，可以揭示出隐藏在数据背后的消费者行为模式和规律，从而为企业制定精准的营销策略提供有力支持，帮助企业在激烈的市场竞争中脱颖而出。一、网络消费者行为数据的收集网络消费者行为数据收集是指通过各种技术手段与工具，系统地采集消费者在网络平台进行的，如点击、浏览、搜索、购买以及评价等一系列行为所产生的相关数据。网络消费者行为数据收集查看网站和移动应用程序日志查看用户注册和账户信息利用Cookie跟踪用户行为收集社交媒体平台数据收集调查问卷和反馈收集网络消费者行为数据的方法二、网络消费行为数据的预处理数据清洗重复数据：企业可以通过比较数据记录中的订单编号、用户ID和时间戳等关键标识符来识别并删除重复数据。缺失值：如果缺失的是一些非关键信息，可以直接忽略。但如果是关键信息，则需要采取填充方法，包括使用均值、中位数填充数值型数据，使用众数填充分类数据，或根据数据的分布规律和相关性填充预测值。数据集成网络消费行为数据可能来自多个渠道，如网站后台、移动应用、第三方支付平台等，这些数据需要集成到一起。企业需要解决数据格式不一致、语义冲突等问题。不同数据源对于同一概念可能有不同的定义或记录方式。企业需要建立统一的分类标准，对数据进行重新分类或映射，确保数据的一致性和准确性。数据转换不同的数据特征可能具有不同度量尺度和取值范围。为使不同特征在分析中具有相同的权重，避免某些特征因取值范围过大而对模型产生过大的影响，企业需要对数据进行标准化或归一化处理。对于一些连续型数据，如