基于“點擊流數據”的電子商務用戶行為分析研究綜述

詹明君++陳曉璇++肖祺

【摘 要】點擊流數據的出現和研究為電子商務組織的個性化服務的優化提供了支持?，F有的點擊流數據在電子商務上的研究多集中于對電子商務用戶的行為的建模，希望從中理解電子商務用戶的行為，以優化自身的決策。本文使用內容分析法，主要詳細地回顧了點擊流數據文獻中關于電子商務用戶行為的研究，補充完善了現有的基于點擊流數據關于電子商務用戶行為的文獻綜述，將基于點擊流數據如何分析電子商務用戶行為的研究文獻分成兩大部分闡述：電子商務用戶瀏覽路徑分析和用戶動態轉換行為，并對點擊流數據在電子商務用戶行為研究上的局限性和未來的研究趨勢作了預測和展望。

【關鍵詞】電子商務；點擊流；用戶行為；動態轉換；預測和展望

1. 引言

伴隨著信息技術的快速發展，互聯網使得實時、低成本以及隱性地收集用戶個人活動的詳細信息成為了可能。點擊流數據成為了一種研究網上消費者的新范式[1]。點擊流數據以一個完整，及時和精確地方式捕獲了各種各樣的信息。這些數據覆蓋了用戶的行為，例如瀏覽的路徑，購買的產品和點擊的廣告，這為研究者們和從業者們嘗試去了解用戶作出的選擇行為提供了很大的幫助。許多研究者已經探究了來自于銷售單一類型產品的網站的點擊流數據，例如汽車產品和書籍等。相對于獲取單一類型的網站點擊流數據，從綜合性的電子商務網站上收集到的點擊流數據將會遠比這類數據復雜。電子商務網站的數據通常會封裝一個人的行為歷史的相當多的細節信息，而且這過多的細節信息會使得數據集本身龐大而冗雜，導致了數據挖掘上的困難，因而點擊流數據的復雜性讓學者們止步難前，因此，厘清點擊流數據在電子商務網站用戶行為研究的發展和現狀，不僅對于往后電子商務網站用戶行為的研究，對于其他領域的研究也都具有非常重要的意義。

本文系統地回顧了點擊流數據和電子商務的發展相關關系。在這個基礎上，本文詳細地梳理了當前點擊流數據在電子商務應用中的不足，并提出即時地感知用戶的興趣的重要性，引出優化個性化服務的方向，有助于學術領域和實踐領域系統地把握已有的研究成果，并在此基礎上開展進一步的研究。

本文的結構安排如下：第二部分對電子商務網站上的點擊流路徑進行分析；第三部分對電子商務網站上的用戶購買轉換行為進行分析；第四部分綜述電子商務用戶的興趣挖掘和聚類算法研究；最后是總結與未來研究展望。

2.電子商務網站的點擊流路徑分析

2.1 電子商務網站的分類系統

電子商務的成功離不開大量數據的支持。任何公司或者組織的成功必然離不開決策的正確性，而點擊流數據就是這種正確性決策最可靠、最有效的數據基礎。當前的電子商務網站如同雨后春筍，正因為意識到了點擊流數據所蘊含的巨大能量，使得如何更有效地利用點擊流數據已經成為了現代商業競爭優勢的必備利器。

在線商店運用多種信息如人口特征，購買歷史等來尋找消費者。如今數據越來越多，而對于點擊流數據的利用并不充分，點擊流數據不僅提供了用戶在瀏覽網頁時的頁面順序信息，還提供了他們閱覽時的路徑信息。

在人機交互的角度，考慮用戶在電子商務網站的目的，文獻[2]提出了一個分類方案作為電子商務網站的一個通用的分類系統。點擊流數據會潛在地成為一種非常充裕的數據資源的原因是每一個URL的全文或者HTML內容都是已知的。使用分類系統是為了側重于對應每一頁瀏覽的頁面的類別。每一個頁面都被分類為七個類別中的一個：主頁，帳戶，分類，產品，信息，購物車，訂單，以及進入/退出頁面。主頁是一個通用的新任務的起點。帳戶頁面是用來登錄，地址變更，以及查看訂單狀態的。分類頁面呈現的是商品、類別或者是搜索結果的列表。產品頁面包含了詳細的產品信息，產品的描述，價格信息，可用性和產品評論。購物車頁面是用于加入或刪除產品的，以及輸入購買信息。訂購頁面是表示一個已經下單的確認頁面。進入/退出頁面表示一個時間段的開始或結束。但是這種分類系統會覆蓋了頁面內容的其他信息，沒有考慮到廣告、圖形和文本信息等其他信息。

2.2 基于用戶路徑的分析模型

路徑信息可能包含了一個用戶的目標、知識以及興趣等信息。路徑從一個新的視角來預測消費者行為，具體而言，路徑對事件的次序進行了編碼，為購買作準備，而不是單獨地尋找一個購買的場合。大多研究的分類方式是較為粗糙的，僅對用戶的目標明確與否進行區分，但是這也暗示了根據一個用戶的路徑可以得知這個用戶的目標，并有可能預測未來的行為。

前人的研究中的選擇模型來從路徑中提取信息。但是沒有考慮準確性和連續性屬性。文獻[3]對對應于網頁組任務的結論進行了建模，確實考慮了一些連續的信息，但他們通過任務對應頁面的收集來對頁面層的行為進行建模，因而信息并不詳細。文獻[4]借鑒了過去的工作提出了一個新的選擇模型，考慮了準確性和連續性。特別地，他們還構建了一個統計模型，訪問者在瀏覽網站的時候，它可以分析他們逐頁的瀏覽情況，并將自身的自回歸多項式概率模型與多元多項式模型和潛在組模型進行比較。

文獻[5]對用戶的瀏覽路徑進行了馬爾科夫描述，用類別的首字母作為縮寫簡潔地表示路徑。例如，字符串“HCPE”（Home，Category，Product，Exit）表示一個用戶從主頁開始搜索一本書，轉到分類頁面去查看結果，在考慮了個人產品后停留產品頁面，結束這個時間段。其中，此文通過假定一個用戶沒有瀏覽任何頁面持續時間為20分鐘來表示時間段的結束。但是并沒有對一個時間段間隔的定義作出較為合理的解釋，因為這將會導致用戶的瀏覽路徑變得不一樣；并加入了一個混合的過程，消費者的模型參數可以在一個時間段內切換，以表明瀏覽行為有可能由于消費者當前目標或心情而千差萬別并突然轉變。

文獻[4]提出的統計模型可以對未來的路徑進行概率評估，包括用戶是否會進行購買，并可以普遍用于預測網站上的任意路徑。例如，哪一類用戶更有可能會去瀏覽另一個產品的頁面，或者在接下來的五個點擊內就完全離開這個網站了？并且這個模型可以被用于網頁設計和設置營銷混合變量，例如，如果知道一個用戶在這個網站購買的可能性較少，可以在頁面中通過加入有幫助的鏈接來動態地改變網站的設計；而對于有可能購買的用戶來說，網站可以變得更簡化。另外，使用這個模型的預測可以改善購買轉換率，它可以大幅提高運營利潤。但是他們只是單純地去了解序列信息的作用，所用數據為期1個月，并通過傳統的分類方案進行分析，這可能會導致研究結果不具備代表性。而該文提出的自回歸性可能提供了未來優化此類概率模型研究的一個有趣的方向。

當然網頁設計有很多方面，廣告和促銷是這個問題的重要元素。路徑分析并不是否定或者取代研究這些方方面面問題的需要。但對于購買行為的預測能力因導航路徑能反映用戶目標而得到改善。結合消費者行為的結構模型可能會對路徑信息有更好的使用。

3.電子商務網站的動態轉換行為

3.1 動態轉換行為定義

購買轉換指的是，網頁瀏覽者在一個網上零售商處瀏覽期間進行購買的百分比。這是一個電子網站的成功的一個關鍵指標，因為它提供了訪問者轉變為消費者的一個度量。盡管電子商務的發展快速，網上購買轉換率仍然很低。一些大型的網上零售商如Amazon.com， 等的購買轉換率的范圍在1～2%。電子商務的管理者們希望了解影響了購買轉換率的因素，以及如何通過動態地適應消費者的行為表現來提高他們的購買轉換率。

網上購物與線下購物的差異中最突出的特點是訪問虛擬商店所需的低廉交通成本。在線下購物行為的研究中，構建消費者商店選擇和購買決策模型的一個重要部分是從一家店去到另一家或多家店的成本（包括有形成本和心理成本）。與此相反，客戶訪問在線商店網站實際上是無成本的。這對觀察到的行為有不少的影響。首先，因為成本要低得多，網上購物者更可能會沒有目的地訪問一間商店。在線下購物環境中，購物者僅僅是花費時間和精力去拜訪商店就會產生成本，他很少會空手回來。因此，我們注意到網上購物的轉換率很低。第二，訪問網站的低成本使得購物者可能會推遲購買的決定然后下次訪問再購買。相反地，在線下購買環境中，由于再次訪問的經濟規模非常有限，所以購物者可能會急于完成購買以避免產生更多的交通費用。由于這些原因，我們更可能會看到在線購物者為了一個購買決策多次訪問同一家商店，即使是為了較低參與度的購買決策。

3.2 動態轉換行為的影響因素

文獻[6]構建了一個概念化框架，在框架中購買概率是訪問效應和購買閥值效應的結果，但他們主要的研究焦點是對購買前考慮時間的影響因素的描述性分析，沒有對購買的轉換行為進行考慮。文獻[7]通過購買基數概率、對購買有正面效應的訪問、對購買的負面購買閾值效應、訪問效應和購買閾值的差異性、隨著時間變化的效應和從不購買的瀏覽者這六個部分構建了個人層面的轉換行為概率模型。類似于文獻[8]的模型，Moe等人使用傾向基數和增量效應來表示訪問凈效應，該模型明確提出了購物者差異以及隨著時間的動態變化。這個模型對轉換行為提供了一個更為有效和有用地檢測手段，但是其忽視了每次訪問中發生的不同的活動，如訪問序列，人口統計特征和網站設計等因素。

當消費者熟悉了新的環境時，他們會累積更多的經驗，從而減少需要累積足夠多的信息去購買的訪問量。然而同時這些用戶受到商店的影響就會越少，因此需要增加說服他們去購買的訪問量。訪問效應和購買閥值的大小可能會隨著消費者在購物環境下的購物經驗而變化。例如，在同個網站的重復訪問會對購物減少影響，因為消費者有可能習慣了環境的刺激。購物閥值可能會減少，因為消費者在重復購物中獲得了熟悉感，或者購物經歷是舒適的，因此在將來再次購買的可能性會更高。在另一方面，有些人在早期的訪問就有可能性會購買（也許是為了體驗這個購買過程是怎樣的），但是隨著購買次數的增加，新鮮感會消退，他對購買的抵觸情緒有可能會增強；這似乎暗示了感知用戶興趣變化的重要性。

4. 結論與展望

本文使用內容分析法，詳細地回顧了關于電子商務用戶行為的研究，補充完善了現有的基于點擊流數據關于電子商務用戶行為的文獻綜述。在這些文獻的基礎上，本文系統地回顧了點擊流數據和電子商務的理論和發展，闡述了電子商務網站的瀏覽路徑分析；并對其用戶的購買轉換行為進行分析；同時，本文詳細地梳理了感知用戶的興趣的重要性。這為學術界和實踐界系統理解已有研究成果提供了有效的幫助。

由于點擊流數據自身的海量性和復雜性，當前學者們對其在電子商務用戶行為的研究還是很不完善的。第一，對于時間段間隔的定義還存在著爭議；第二，電子商務的其他分類方案可能會改變現有研究模型的預測準確度；第三，現有的研究雖然能夠分析用戶的瀏覽路徑，但用戶興趣的動態性變化，并不能針對地對用戶提供更優質的個性化服務。

綜上所述，未來的研究可以從以下幾個方面探討和闡述電子商務用戶的行為如何能在點擊流數據的支持下得到更深入的分析。

1. 更合理地定義時間段的間隔，即搜索周期。許多的研究對于時間段的間隔的定義都不一致，例如15分鐘，20分鐘等。沒有一個通用的標準將會使得收集到的數據分析結果有差異，我們難以分析這些差異造成的影響。因此，后續研究應當結合時間段即搜索周期的合理定義，防止錯誤的數據分析，以便得到更為優化的研究結果。

2. 重視其他的電子商務分類系統開發?，F有研究多使用由文獻[2]提出的一個電子商務網站的通用分類系統，或增加其分類，或減少其分類。但是這種通過頁面分類來抽象化網頁的行為，會導致關于頁面內容的圖形和文本信息的損失。因此，其他的分類方案可能會改變現有研究模型的預測準確度。而局限于通用分類系統的原因，對于這個問題的探討在目前的研究是比較缺乏的。

3. 感知并挖掘用戶即時的意圖。對電子商務用戶的瀏覽路徑進行分析即是為了捕捉用戶的內心活動。在電子商務企業的角度，留住老客戶，發覺潛在新客戶是他們的目標，而在用戶的角度，如何能從中獲取自己希望得到并對之滿意的服務是他們的需求。因此，感知用戶的動態興趣，并及時地推薦或獲取更優質的服務是未來十分重要的方向。

最后值得一提的是，從綜合性的電子商務網站上收集到的點擊流數據將會遠比現有的單一類型研究數據復雜。如何能有效地收集并利用這些點擊流數據也是一個難題。相信如何利用點擊流數據為電子商務用戶即時提供更有效地個性化服務是未來研究的重要方向，這不僅是電子商務企業，也是用戶們希望看到的。

參考文獻：

[1] 李雙雙， 陳毅文， LiShuangshuang，等. 點擊流：一種研究網上消費者的新范式[J]. 心理科學進展， 2007， 15（4）：715-720.

[2] Redish， Janice （2002）， “Information-Rich Web Sites： Challenges and Opportunities”， www.redish.net/cmu.pdf. Last accessed October 2002.

[3] Sismeiro， Catarina and Randolph E. Bucklin （2003）， “Modeling Purchase Behavior at an Ecommerce Website： A Conditional Probability Approach”， Anderson School at UCLA， Working Paper.

[4] Montgomery， A.L， et al.， 2004. Modeling online browsing and path analysis using clickstream data. Marketing Science 23 （4）， 579—595.

[5] Cadez， Igor， David Heckerman， Christopher Meek， and Padhraic Smyth （2000）， “Visualization of Navigation Patterns on a Web Site Using Model Based Clustering”， Technical Report MSRTR- 00-18， Microsoft Research.

[6] Putsis， William P.， Jr.， Narasimhan Srinivasan. 1994. Buying or just browsing？ The duration of purchase deliberation. J. Marketing Res. 31（August） 393—402.

[7] Moe， W.W.， Fader， P.S.， 2004. Dynamic conversion behavior at e-commerce sites.Management Science 50 （3）， 326—335.

[8] Schmittlein， David C.， Donald G. Morrison. 2003. A live baby or your money back： The marketing of in vitro fertilization procedures. Management Sci. 49（12） 1617—1635.