双十一又快到了，笔者观察到近期很多小伙伴使用GooSeeker网络爬虫软件采集电商商品信息和商品评论，今天就顺势分享一篇对双十一消费行为进行分析的范文。 之前我们已经分享过几篇对电商商品评论文本进行处理和分析的文章，有需要的同学也可以阅读和参考： 1. 《基于文本挖掘的速卖通平台女性消费者连衣裙偏好分析》：这篇范文利用 GooSeeker 集搜客网络爬虫软件采集速卖通平台，搜索“women dress”关键词，按照销量排行前 60 名，即 PC 端（非手机上的速卖通APP）第一页的产品数据信息，包含产品基本信息、销量数据、价格数据等；其次逐条收集销量前 60 名产品的特征属性信息；最后再次利用 GooSeeker 爬取速卖通平台连衣裙销量前 60 名产品的全部客户评价信息以及差评信息。基于爬取到的速卖通平台商品评论数据进行文本挖掘，从而分析得出速卖通平台上女士连衣裙消费者偏好，为开展跨境电商销售的商家进行连衣裙产品设计提供参考，同时对企业在跨境电商平台的产品开发和设计提供思路。 2. 《面向用户评论的关键词抽取研究-以美团为例》：这篇论文范例，通过自动从海量用户评论中抽取有效关键词, 帮助用户和商家快速有效地发现有价值的信息, 从而更好地为用户购买行为提供决策支持, 为商家改善服务质量提供信息反馈。 3. 《分析电商评论发现消费者话题-分词和情感分析篇》：这篇文章使用gooseeker文本分词和情感分析软件对已经采集到的iphone12手机评论进行分词，词频统计，情感分析，生成社交网络图。 4. 《分析电商评论发现消费者话题-LDA主题分析篇(Jupyter Notebook)》：这是一篇Jupyter Notebook，实验了使用Python进行LDA主题分析的步骤。 1，范例简介 标题： 网络外部性、同伴效应与从众行为——基于不完美信息贝叶斯模型的实证研究 作者： 习明明 作者单位：江西财经大学江西经济发展研究院 发表日期：2020-11-15 基金资助： 国家自然科学基金项目“基于同伴效应的网络经济中的从众行为及其特征研究”(71863011)； 江西省教育厅科技项目“基于贝叶斯模型的网络从众行为及其特征研究”(201912)； 江西省高校人文社会科学青年基金项目“推动中部崛起与江西经济高质量发展研究”(JJ19204)； 关键词：同伴效应;从众行为;贝叶斯模型;网络外部性; 摘要： 数字经济是我国未来发展的重要方向,同伴效应在数字经济发展中起到了非常重要的驱动作用。利用2019年"双十一"网络消费调查数据,基于不完美信息贝叶斯决策模型的理论与实证研究表明,同伴效应会对消费者从众行为产生显著的影响,并且这种影响会随着同伴数量的增加而以递减速度增加。进一步数据分析显示,由于网络信息外部性和支付外部性,参与"双十一"活动的同伴数量每增加一位,平均而言会使得消费者参加"双十一"活动的概率提高约8%以上。在使用工具变量法和倾向指数匹配分析处理之后,该结果仍然显著成立。这说明,数字经济的发展存在一定程度的非理性繁荣,要维持数字经济健康持续稳定发展,还需要从政府政策、企业管理和个人决策等方面分别做出优化提升。 文章目录 一、问题的提出 二、理论模型与变量选择 （一）不完美信息贝叶斯决策模型 （二）数据来源及说明 三、实证分析 （一）同伴效应的基准回归结果 （二）同伴效应特征的贝叶斯Probit估计 （三）稳健性检验 1. Probit似无关工具变量估计 2. 倾向指数匹配分析 （四）进一步讨论 四、结论和对策建议 2，本研究范例主要研究方法、相关知识点和工具 2.1 什么是贝叶斯分类算法 参看数学建模交流板块的2个帖子： 朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。 通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大的类别，这就是朴素贝叶斯的思想基础。 分类问题一般都是通过对经验的学习从而实现对一定概率意义上的正确分类，如前面的例子，为什么遇到黑人会认为他来自于非洲？其实可以从世界黑人中随机取100W个黑人，统计发现90W来自非洲，其他来自美洲、欧洲、亚洲。显然这个经验告诉我们，黑人来自非洲的比率最高，也就是说，朴素贝叶斯分类会预测这个人来自非洲。 2.1.1 使用什么工具获取电商在线评论数据？ 推荐使用GooSeeker快捷采集工具集, 输入网址或关键词，启动采集。完成后直接导出在线评论数据excel表，下面是部分工具：
3，本范例研究结论 本文使用问卷收集大学生参加“双十一”网购的数据和个人信息，基于同伴效应的角度，实证检验网络信息外部性和支付外部性影响下，消费者网购过程中的从众行为。研究结果表明： 第一，由于网络信息外部性和支付外部性的影响，“双十一”网购消费中存在显著的同伴效应和从众行为，并且参与“双十一”活动的同伴数量每增加一位，平均而言会使得消费者参加“双十一”活动的概率提高8%以上。 第二，网购消费者同伴效应对从众行为的影响会随着同伴数量的增加而显著增加，并且呈现出以递减的速度增加的特征。参与活动的同伴数量越多，消费者与同伴保持一致行为的倾向越高。随着可参照同伴数量从一位增加到三位，消费者从众的概率分别提高 12.6%、21.4%和 26.5%。 第三，消费者从众的原因是同伴效应，不是消费者的个体特征，尽管消费者的个体特征也会影响决策。 |
