基于TAM的网购满意度模型构建和实证研究
这是一篇关于网络购物,结构方程模型,技术接受模型,顾客满意度的论文, 主要内容为随着网购交易平台的发展壮大,网购市场潜力逐渐被各运营商开发出来。消费者的网购交易额所占消费品零售总额的的比重越来越高。网购时代是消费者主宰的时代,电子商务要实现可持续发展的目标,重要着力点是提升网购满意度,吸引大批用户进入网购深度消费。顾客既是商品的购买者又是信息技术的使用者,网购交易系统会影响顾客的购物态度和消费行为,因此,针对网购顾客满意度的问题进行理论和实证的深入研究。通过借鉴技术接受模型的思想构建网购顾客满意度型,建立一个新的指标体系来测评顾客满意度,具有重大的理论意义和现实价值。通过分析经典的顾客满意度模型和技术接受模型,阐明这两种模型的的特点,在此基础上选取了影响网购满意度的五个变量,包括:顾客期望、感知风险、感知质量、感知有用性以及感知易用性,并构建网购满意度模型以及提出相应的假设;运用问卷调查获取数据,运用ANOVA分析性别和学历等外部变量对本研究的影响,并用SEM方法进行模型拟合优度和路径系数检验以及用多元回归分析检验感知价值的中介作用。实证结果表明,感知质量是影响顾客满意度的最大直接因素,并且可通过感知价值的中介作用间接影响顾客满意度,感知价值、感知有用性以及感知质量均能显著影响顾客满意度,顾客期望对顾客满意度有显著的负向影响,感知易用性和感知风险对顾客满意度的影响不显著。此研究结果对电商平台具有建设性的作用。
基于第三方电商平台的网购商品质量监管策略研究
这是一篇关于网络购物,质量监管,第三方电商平台,演化博弈,仿真分析的论文, 主要内容为网络购物因其便捷性受到了广大消费者的青睐,成为最重要的消费方式之一。随着收入的增加和生活水平的提高,公众的消费观念也发生转变,除了关注网络购物的便捷性外,对商品品质的追求也在逐渐提升。但网络购物过程中存在的政府监管缺失、第三方电商平台审查不足、在线卖家违法销售、消费者投诉失效等问题日益突出,导致低质量商品违法销售事件频发。如何基于第三方电商平台,实现有效的网购商品质量监管从而为消费者提供高质量商品成为目前亟待解决的问题。本文运用文献分析法、三方演化博弈、四方演化博弈、仿真分析法等研究方法,分别考虑了合谋行为、多主体协同、消费者反馈等多种情形,构建了政府监管部门、第三方电商平台、在线卖家、消费者参与的博弈模型,分析了各主体的演化稳定策略及影响因素,基于Lyapunov第一法则研究了演化稳定点存在的条件。最后,结合公开数据和官方报道,运用Matlab对模型求解的结果进行了仿真分析。旨在解决以下问题:第一,政府监管部门选择何种监管策略,从而使网购商品达到高质量水平;第二,第三方电商平台如何采取有效的奖惩措施,以激励在线卖家提供高质量商品;第三,在线卖家的策略选择受到哪些因素的影响;第四,消费者如何在网购商品质量监管中发挥作用。本文研究得到如下主要结论:(1)政府监管部门加大监管力度,加强第三方电商平台与在线卖家之间的连带责任,可以促进网购商品质量水平的提高;(2)第三方电商平台应充分利用自己的平台优势和信息优势,对于提供高质量商品的在线卖家,要给予适当的奖励;对于提供低质量商品的在线卖家,要严厉处罚;(3)在线卖家的策略选择受第三方电商平台的影响,第三方电商平台参与协同监管将促进在线卖家提供高质量商品;(4)消费者反馈包括消费者评价和消费者投诉,发挥着间接监管的作用。本文一方面丰富了第三方电商平台网购商品质量监管的理论基础,拓展了博弈模型的应用范围;另一方面为政府监管部门加强网购商品质量监管提出了可行性建议,为第三方电商平台承担质量审查责任提供了决策支持。
基于感知价值的网络购物指标对于消费者购买意愿的影响
这是一篇关于网络购物,购买意愿,感知价值,扎根理论,层次分析法的论文, 主要内容为随着电子商务的迅猛发展和人们消费观念的转变,网络购物已经成为大多数人生活不可分割的一部分。在线购物模式不同于传统的购物模式,在这种特殊的购物环境下,明确贯穿于整个购物流程的,对消费者购买意愿产生影响的因素以及这些因素具体的影响作用对于了解线上消费心理有着重要的意义,并进一步为电商平台企业或卖家决策提供实际的参考价值,为相应指标的建立和修正提供理论基础。本文从采用定性分析和定量分析相结合的方式,主要研究内容有以下几点:(1)基于大量相关文献阅读和分析整理,总结出在网络购物模式下,从消费者感知角度出发的网络购物指标维度,包括内容价值和体验价值,内容价值又包括网站价值、店铺价值、产品价值和服务价值;(2)基于扎根理论,借助Nvivo分析软件,在感知价值、满意度、信任、忠诚度和购买意愿的所有相关文献中全面的探索挖掘了在网络购物环境下对于消费者购买意愿产生影响的因素,并对因素进行分类研究,形成了完整的对于消费者购买意愿产生影响的网络购物指标体系;(3)通过问卷调研,科学地确定了两两指标的重要性程度关系,利用层次分析法最终得到了各指标的影响权重;(4)选取了不同模式的电商网站的典型代表,B2C京东和C2C淘宝进行了指标项的现实评估和实际购买意愿影响值的计算。(5)针对不同运营模式的电商网站的现实状况和网络购物体系中各指标对于消费者购买意愿影响程度的不同,提出了相应的对策和建议。
互联网商务金融应用与家庭杠杆
这是一篇关于网络购物,网络消费金融,家庭杠杆,信贷约束,居民消费的论文, 主要内容为随着互联网的普及,网络购物便捷实惠的优势逐渐为人所熟知,日益成为一种重要的消费形式。为给用户提供更佳的线上支付体验、释放消费潜能,近年来各大电商平台先后推出了多种先消费、后付款的互联网消费信贷产品,其实时审批、灵活分期的特性同样收获了广泛认可。本文将此种商务与金融结合的应用形态称为互联网商务金融应用。近年来,我国居民部门债务存在着集中于少数客群与房贷项目上的结构失衡,互联网商务金融应用因其金融功能的普惠性质与专注于短期小额消费贷款的特征,成为了该问题的一个有效解决方案。通过对已有文献的梳理总结,本文提出了两条互联网商务金融应用提升家庭杠杆的作用机制:首先,从信贷供给的角度来看,其缓解了家庭受到的信贷约束;其次,从信贷需求的角度来看,其刺激了家庭消费需求。随后的实证研究中,本文使用中国家庭追踪调查(CFPS)2014年、2016年的微观数据建立两部分模型进行分析,发现互联网商务金融应用显著提升了家庭参与信贷的概率与借贷家庭的杠杆率,引入工具变量、替换核心解释变量与回归模型之后结果依然稳健。异质性分析显示该效应引导信贷服务走向正规化,且主要作用于中西部地区、中低教育水平、青年与中等收入家庭。最后,本文验证了上述作用机制的有效性并发现互联网商务金融应用通过改善消费结构提升了居民生活水平。
基于网络购买行为的分类预测模型研究
这是一篇关于网络购物,机器学习,深度学习,模型改进,预测的论文, 主要内容为近些年来,互联网技术的迅猛发展促进了电子商务的成长,电子商务使用量的增长创造了庞大的市场潜力。随着互联网及网络购物的普及,网络购物的发展让消费者能够享受到无需出行的便捷,而且物品品类繁多、价格便宜、容易比较价格等众多的优点让网络购物变成大多数消费者的首要选择,许多电子商务网站为了迎合消费者的需求,要在历史购物信息中发掘消费者的习惯和爱好。本文使用了机器学习算法和深度学习算法,通过消费者的历史购物行为数据信息获得预测模型,当新数据输入时,就可以对消费者的购买行为进行预测。本文先从理论上阐述了常见的机器学习算法和深度学习算法的原理,并简要描述了评价模型的指标与方法,从消费者的购买行为的分类预测模型的对比研究和深度神经网络分类预测模型研究两个方面开展理论分析、模型构建和算法实现,然后对分类预测模型进一步优化和改进,从算法实现和预测结果这两个方面对每个模型进行归纳总结、得出结论。在机器学习模型中,针对常见的分类预测模型的不足提出了多融合模型,使用Stacking方法和Boosting方法对分类预测模型进行融合得到了新的分类预测模型,通过实验证明了多融合模型对本文的数据集有着更好的预测效果,且基于Stacking方法的多融合模型有着更优良的预测结果。在深度学习模型中,在深度神经网络模型的基础上提出了改进优化模型,从数据和算法的角度进行优化,分别对正负样本比例和深度神经网络的激活函数进行调整,结果证明优化后的深度神经网络模型比机器学习模型和深度神经网络模型有着更好的预测效果。本文的研究以数据为驱动,用模型论证了使用消费者历史消费行为数据并预测消费者未来消费行为的可行性。本文提出的分类预测模型可用于电子商务平台的推荐系统中,提高电子商务平台的转化率。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码导航 ，原文地址：https://m.bishedaima.com/lunwen/48306.html
