论文部分内容阅读
摘要：社区团购如今正处于白热化阶段，一批批企业不断涌入这个互联网行业的新风口，本文通过运用K-prototype方法对成都市社区团购消费者多阶段抽样的数据进行聚类分析，对其进行用户画像：将使用社区团购频率最高的三类用户聚类画像可得潜在、积极、保守三类，分别看中商品的质量和实用性;质量、价格因素;性价比及实用性。其中商品的质量是各类消费者都十分看重的特性。
关键词：社区团购 K-prototype聚类分析 用户画像 消费者行为
消费者购物行为特征探究——K-prototype聚类分析
聚类类别基本情况分析
针对使用社区团购的频率、购买商品的种类以及选择社区团购时考虑的因素，根据年龄、月收入、性别、职业选择聚类分析对样本进行分类，由于数据中包括定类数据，因而使用K-Prototype Cluster Analysis Method（原型聚类分析方法），从下表可以看出：最后的重组产生了三组类别，总体上分布相当清晰，表明重组结果令人满意：分别为25.59%、28.62%和45.79%。如表1 聚类类别基本情况汇总所示。
聚类类别方差分析和交叉分析
集群聚类类别、方差分析是为研究每个类别的差异（定量分析项目），同时为了探索每个类别的具体特点所选用的方法。最后的类别命名可以进行基于每个类别的特征。运用方差分析的方法去探索各个类别的特征，从下表可知：集群聚类对于课题研究项均呈现出显著性，具体表现为p值小于0.05，意味着聚类分析所取得到的三类具象群体，其探究因子（使用社区团购的频率、生鲜水果食材类、母婴用品、护肤用品、质量、价格、商家信誉、销售量、外观、实用性、评价、生活所需用品、办公用品、科技产品、休闲零食休闲零食、酒水饮料、冷冻食品、常温乳品）上的特征具有显著的差异性，若要探究具体差异性，可通过平均值进行分析比对。结合实际情况，根据以上分析对该三类用户进行命名，cluster1为潜在消费型，cluster2为积极消费型，cluster3为保守消费型。
聚类类别对于大部分研究项目几乎都显示出显著性的特点（p<0.05），这就代表根据聚类分析得到的3類群体，这三类在变量指标（从事职业， 固定月收入，性别， 年龄段）上的特点具有显著差别性，详细的差别性如表3 交叉（卡方）分析结果所示。
用户特征模型构建
最终结合实际情况，由以上分析对用户进行画像得出以下三类群体的模型：
潜在消费型用户的画像大致如下：为月收入在中等偏上、年龄为中年、职业为企业员工、公职人员为主的人，使用社区团购频率高，经常购买的商品类型为生鲜食材类、生活用品、办公用品、电子产品和冷冻食品等，看重商品的质量和实用性。这类用户对购买的商品类型有一定的偏好性，如果针对这类用户推荐相应高质量的产品，提高顾客购物体验后能收获一大批潜在消费型的用户。
积极消费型用户的画像大致如下：主要为月收入较低的年轻女性，以学生为主，使用社区团购频率高，经常购买的商品类型为生鲜食材类、护肤品、生活产品、学习用品、科技产品、乳品和冷冻食品等，对于商品的质量、价格、商家信誉、销量、产品外观、实用性、评价七个因素都比看重。这类用户购买商品类型多，频率高，属于积极主动消费型的用户。
保守消费型用户的画像如下：主要为月收入中等、学业或事业较忙的群体。使用社区团购频率高，经常购买的商品类型为生鲜食材类、零食饮料等，对于商品的质量、价格、实用性比较看重。这类消费者在社区团购平台购买商品的种类相对来说比较单一，购物时会着重比较商品的性价比及实用性，建议对此类用户可多推荐高性价比和实用性强的商品。
结语
社区团购的本质是C2M模式，商品的选择将直接决定用户的忠诚度问题。如何去精准的选品和推送是社区团购平台要解决的一个重要问题问题。随着大数据和人工智能等技术不断地应用到零售场景中，社区团购平台有了用户积累之后，亦可以沉淀大量用户的数据。要成为社区团购赢家，必须对不同类型人群进行针对性的方案实施，进一步为消费者提供更为精准细致的商品和服务。
参考文献
[1] 王桂琦.社区团购平台消费者使用意愿影响因素研究[D]，2020.
[2]严峻.浅谈社区团购新零售模式发展的若干思考[J].商业研究，2019（8）.
[3]Eisinga R， Te Grotenhuis M， Pelzer B. The reliability of a two-item scale： Pearson， Cronbach， or Spearman-Brown？[J]. International Journal of Public Health， 2013， 58（4）：637-642.
[4]何晓群. 现代统计分析方法与应用.第3版[M]. 中国人民大学出版社， 2012.
关键词：社区团购 K-prototype聚类分析 用户画像 消费者行为
消费者购物行为特征探究——K-prototype聚类分析
聚类类别基本情况分析
针对使用社区团购的频率、购买商品的种类以及选择社区团购时考虑的因素，根据年龄、月收入、性别、职业选择聚类分析对样本进行分类，由于数据中包括定类数据，因而使用K-Prototype Cluster Analysis Method（原型聚类分析方法），从下表可以看出：最后的重组产生了三组类别，总体上分布相当清晰，表明重组结果令人满意：分别为25.59%、28.62%和45.79%。如表1 聚类类别基本情况汇总所示。
聚类类别方差分析和交叉分析
集群聚类类别、方差分析是为研究每个类别的差异（定量分析项目），同时为了探索每个类别的具体特点所选用的方法。最后的类别命名可以进行基于每个类别的特征。运用方差分析的方法去探索各个类别的特征，从下表可知：集群聚类对于课题研究项均呈现出显著性，具体表现为p值小于0.05，意味着聚类分析所取得到的三类具象群体，其探究因子（使用社区团购的频率、生鲜水果食材类、母婴用品、护肤用品、质量、价格、商家信誉、销售量、外观、实用性、评价、生活所需用品、办公用品、科技产品、休闲零食休闲零食、酒水饮料、冷冻食品、常温乳品）上的特征具有显著的差异性，若要探究具体差异性，可通过平均值进行分析比对。结合实际情况，根据以上分析对该三类用户进行命名，cluster1为潜在消费型，cluster2为积极消费型，cluster3为保守消费型。
聚类类别对于大部分研究项目几乎都显示出显著性的特点（p<0.05），这就代表根据聚类分析得到的3類群体，这三类在变量指标（从事职业， 固定月收入，性别， 年龄段）上的特点具有显著差别性，详细的差别性如表3 交叉（卡方）分析结果所示。
用户特征模型构建
最终结合实际情况，由以上分析对用户进行画像得出以下三类群体的模型：
潜在消费型用户的画像大致如下：为月收入在中等偏上、年龄为中年、职业为企业员工、公职人员为主的人，使用社区团购频率高，经常购买的商品类型为生鲜食材类、生活用品、办公用品、电子产品和冷冻食品等，看重商品的质量和实用性。这类用户对购买的商品类型有一定的偏好性，如果针对这类用户推荐相应高质量的产品，提高顾客购物体验后能收获一大批潜在消费型的用户。
积极消费型用户的画像大致如下：主要为月收入较低的年轻女性，以学生为主，使用社区团购频率高，经常购买的商品类型为生鲜食材类、护肤品、生活产品、学习用品、科技产品、乳品和冷冻食品等，对于商品的质量、价格、商家信誉、销量、产品外观、实用性、评价七个因素都比看重。这类用户购买商品类型多，频率高，属于积极主动消费型的用户。
保守消费型用户的画像如下：主要为月收入中等、学业或事业较忙的群体。使用社区团购频率高，经常购买的商品类型为生鲜食材类、零食饮料等，对于商品的质量、价格、实用性比较看重。这类消费者在社区团购平台购买商品的种类相对来说比较单一，购物时会着重比较商品的性价比及实用性，建议对此类用户可多推荐高性价比和实用性强的商品。
结语
社区团购的本质是C2M模式，商品的选择将直接决定用户的忠诚度问题。如何去精准的选品和推送是社区团购平台要解决的一个重要问题问题。随着大数据和人工智能等技术不断地应用到零售场景中，社区团购平台有了用户积累之后，亦可以沉淀大量用户的数据。要成为社区团购赢家，必须对不同类型人群进行针对性的方案实施，进一步为消费者提供更为精准细致的商品和服务。
参考文献
[1] 王桂琦.社区团购平台消费者使用意愿影响因素研究[D]，2020.
[2]严峻.浅谈社区团购新零售模式发展的若干思考[J].商业研究，2019（8）.
[3]Eisinga R， Te Grotenhuis M， Pelzer B. The reliability of a two-item scale： Pearson， Cronbach， or Spearman-Brown？[J]. International Journal of Public Health， 2013， 58（4）：637-642.
[4]何晓群. 现代统计分析方法与应用.第3版[M]. 中国人民大学出版社， 2012.