社会化电商平台中消费者代表性评价决策模型的构建及产品个性化改进研究

A tremendous amount of product reviews from friends and strangers and diverse product and service attribute information on social e-commerce platform lead to information overload for consumers when they make the review decision. Therefore, it must be confronted for them to adopt appropriate decision-making mechanism to simplify decision process. Considering that consumer review decision affects not only product sales, but also product and service improvement, exploring review decision-making of different types of consumers under the circumstances of information overload has become an urgent need to be addressed in the field of network marketing and product improvement. For this purpose, this research proposes a thorough solution to build consumer review decision model based on the bounded rational decision theory and the idea of meta-learning. Specifically, the research involves five parts: extracting representative reviews according to consumer homophily; mining consumer mental threshold about product and service quality perception; building consumer review decision model set which is widely representative; analyzing review behavior contagion and evolvement under the circumstances of manipulating review; proposing personalized development strategies for both search products and experience goods. Bringing decision rule choices into consideration, the model can depict the characteristics of consumer decision comprehensively and precisely. Compared to extracting representative reviews semantically, which is inaccurate due to the dynamics and contradiction of reviews, employing homophily to induce is able to overcome these defects. Meanwhile, the resources and examples during research will be public.

社会化电商平台中海量的朋友与陌生人的在线评论信息、多样化的服务及产品属性信息造成了消费者评价决策时信息过载，如何采用适合的决策机制来简化决策过程成为其必须面对的评价决策步骤。由于消费者的评价决策结果不仅影响产品销量，还影响产品及服务改进，所以探究信息过载环境下各类消费者的评价决策机制，是产品网络营销与改进领域迫切需要解决的问题。为此，本课题基于消费者有限理性决策理论与元学习思想给出消费者评价决策模型构建的彻底解决方案。具体包括基于消费者同嗜性归纳代表性评论，挖掘消费者产品及服务质量感知的心理阈值，构建有广泛代表性的消费者评价决策模型集，分析评论被操纵情况下评价行为传染及演化，搜索型和体验型产品个性化改进等。代表性评价决策模型融合了消费者选取的决策规则能全面、精准刻画其决策特性；利用同嗜性归纳代表性评论能克服评论动态性和矛盾性导致的从语义上归纳代表性评论不精准的缺陷。同时公开研究资源与算例。

社会化电商平台在促进消费者购买、改进产品、价值共享等方面有着巨大优势。但该平台中海量冗杂的信息也造成了消费者评价决策时面临着信息过载与信息不足并存的困境。目前国内外基于该平台的消费者评价行为的研究大都忽略了从社交关系网络及复杂系统的角度出发，对消费者的评价决策行为进行系统地研究。为了弥补现有研究的不足，促进社会化电商平台健康发展，提高我国企业基于该平台的产品个性化设计及后续营销管理的研究与应用水平，本项目聚焦于社交因素影响下的消费者服务及产品的质量感知机理挖掘，并据此提出一套包含消费者同嗜性特征指标族提取、评价决策行为建模、社会化电商复杂系统演化分析、产品个性化改进及后续营销等内容的，全面、系统、全新的社会化电商消费者评价决策建模及产品个性化改进的关键理论和方法，具有重大学术价值以及社会和经济价值。本项目首先构建了多源集成的代表性电商增量式大数据样本采集平台，并从网络拓扑结构以及平台内容的角度提取了冷启动及信息过载情况下消费者同嗜性特征指标族；据此构建了消费者评价决策行为模型，包括隐性情感挖掘模型、有限理性购买决策模型、三阶段评价计划行为模型、信息采纳模型等；并进一步建立了社会化电商复杂系统演化控制的创新方法及理论；最后基于所提理论、指标、算法和模型，展开了应用研究，包括社会化电商平台的产品个性化改进（如产品/产品族精益改进、个性化集成改进等）及基于改进后产品（新产品）的营销（如平台引流、概念营销、持续营销等）。在本项目支撑下，目前已完成学术论文40余篇，其中发表/录用论文30余篇（SCI/SSCI期刊20余篇，JCR认定的TOP期刊3篇），完成相关专著一部，培养了26名硕士/博士研究生，其中20人次获得各类省部级以上奖励，建成了O2O实践教学基地。公开了本项目获得的部分典型样本数据，供国内外学者参考和选用。所提出的理论与模型的有效性在平台企业得到了应用和验证。

内容获取失败，请点击重试