《基于K—means聚类法的大学生网购抱怨行为分析》-经济学论文，经济论文-论文范文参考-科学狗论文网

标题

基于K—means聚类法的大学生网购抱怨行为分析

范文

张慧+李克芳+李志桢

[摘要]文章运用聚类分析中的K-means聚类法对在校大学生网购抱怨行为进行聚类分析。研究发现，大学生网购抱怨类型可以分为传播型抱怨者、效用型抱怨者和沉默型抱怨者，不同类型的抱怨者各有其特点，这就要求电商应根据不同的抱怨类型的特点采取相应的补救策略，以保持和提高大学生网购的忠诚度。

[关键词]抱怨行为；K-means聚类分析；补救策略

随着互联网的兴起，网购正成为一种趋势和潮流，在人们的日常生活中占据越来越重要的位置。众所周知，大学生接受新事物能力强，能熟练使用互联网，因此大学生对于网购的接受程度比其他人群更高，现在的在校大学生将成为未来网购市场的主要组成部分。但是大学生网购常常会遇到不满意的情况，产生抱怨行为，若不能有效安抚抱怨者的情绪，其忠诚度会大打折扣。所以，电商必须了解大学生抱怨行为的类型和特点，采取有效的补救策略，消除他们的抱怨情绪。本文在借鉴前人研究成果和方法的基础上，主要以在校大学生为样本，研究他们在近年兴起的网购大潮中的抱怨行为类型。

1文献回顾

1.1顾客抱怨

顾客抱怨是指顾客对产品或服务的不满和责难，顾客对产品或服务的抱怨即意味着经营者提供的产品或服务没达到他的期望、没满足他的需求。另外，也表示顾客仍旧对经营者具有期待，希望能改善服务水平。其目的就是为了挽回经济上的损失，恢复自我形象。大致在20世纪70年代，由于受到消费至上主义的影响，西方学者就已经开始注意对顾客投诉行为的研究。直到现在，顾客抱怨领域总是能引起很多研究者的兴趣。通过对以往有关抱怨主题的研究文献进行收集整理，发现这一主题的研究成果逐渐成熟和完善。

1.2网购抱怨行为

1999年年底，随着互联网高潮来临。中国网络购物的用户规模不断上升。2010年中国网络购物市场延续用户规模、交易规模的双增长态势。《2013—2017中国网络购物行业市场前瞻与投资预测分析报告》统计数据显示，2010年中国网络购物市场交易规模接近5000亿元，达4980.0亿元，占到社会消费品零售总额的3.2%；同时，网络购物用户规模达到1.48亿，在网民中的渗透率达30.8%。网购将成为未来发展的必然趋势，在人们的生活中占据十分重要的位置。不可否认的是网购的兴起和蓬勃发展为人们的生活带来很多的便利，同时本身也存在很多的问题：大量的假冒伪劣产品充斥着网购；诚信问题；配送的速度不一；退货不方便等。由于这些问题的存在使得网购的抱怨行为难以避免，同时，网购抱怨行为发生的频率更高，传播性更广，危害性也更大，不同于线下购买的顾客抱怨行为。网购抱怨行为是绝大多数电商必将面临的重要问题，具有十分重要的研究意义。

1.3K-means聚类

聚类分析中常用的一种聚类算法是1967年MacQueen提出的基于误差平方和准则的K-均值算法，该算法因具有简单且容易理解，计算方便、速度快以及能够有效处理大型数据库的优点而成为聚类分析中的经典算法。K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。

2研究方法

2.1研究对象及数据收集

本文以有网上购物经历的在校大学生为研究对象。2008年6月发布的《中国网络购物报告》显示网购用户中学历是大专及以上的用户比例已高达85%。其中大专和本科学历的用户占75%，也就是说，在校的本科、专科大学生将成为未来网购市场的主要组成部分。从2012年来看，在校大学生网购用户占总体网购用户的3成，亚马逊网和拍拍网用户群体中在校大学生比例超过4成。目前，在校大学生的网购人数有增无减。由此可见，在校大学生已经在现在的网购的市场中占据不可忽略的位置，也必将在未来的网购市场中占据十分重要的位置，因此本文选择在校大学生为研究对象。向某高校的大学生随机发放问卷，共发放了150份，回收136份，有效问卷125份。

2.2变量测量

本文采用了Likert 5分量表法，它是由美国社会心理学家李克特于1932年在原有的总加量表基础上改进而成的。该量表由一组陈述组成，每一陈述有“非常同意”“同意”“不一定”“不同意”“非常不同意”五种回答，分别记为5、4、3、2、1，每个被调查者的态度总分就是他对各道题的回答所得分数的加总，总分的高低说明了消费者的态度强弱。在参考相关文献的基础上，本研究中涉及的变量及测项如表1所示。

3数据分析与结果

整理问卷数据并录入，运用SPSS软件进行K-means聚类运算。得到表2、表3、表4，如下：

利用方差分析可以判断所分的类别是否合理。由表2可以看出，分类后各变量在不同类别之间的差异都是显著的，P值均小于0.05，说明分类比较合理。

表3数据表示各类别在各变量上的平均值，比如：2.82就表示第一类在变量V1上的平均值。可以看出，大学生网上购物抱怨行为共分为3类。

第一类在变量V2、V7上的平均值较大，在其他变量上的平均值较小。根据V2和V7描述的特点，把这类抱怨行为定义为“传播型抱怨者”。

第二类在变量V1、V5上的平均值较大，在其他变量上的平均值偏小，我们可以把这种期望通过抱怨获得一定补偿的行为定义为“效用型抱怨者”。

第三类在变量V3、V4、V6 上的平均值较大，而在其他变量上的平均值较小。根据这三个变量描述的特点，把这类抱怨者命名为“沉默型抱怨者”。

由表4可知，第一类“传播型抱怨者”含33个样本，占总样本（125个）的26.4%；第二类“效用型抱怨者”含27个样本，占总样本的21.6%；第三类“沉默型抱怨者”含65个样本，占总样本的52%，显然沉默型抱怨者占绝大部分。

4管理启示

通过对以上数据分析与结果的思考，得出以下管理启示：

第一类“传播型抱怨者”仅占了26.4%的比例，但对电商的声誉会造成很大影响。他们会向周围的人或通过社交媒体传播负面口碑，并转向其他竞争者。电商可以采取以下补救措施：培养与顾客的关系，牢固的关系是电商发生严重失误时的缓冲剂，可以降低消极口碑出现的可能性；从流失的顾客身上学习，发现自身的不足之处，避免以后再出现同样的失误。

第二类“效用型抱怨者”对抱怨产生的结果抱有积极的预期，不会轻易选择转向其他电商。建议电商采取以下措施：首先了解抱怨者抱怨的原因及对补救结果的最高期望和最低期望。其次补救结果不能低于其最低期望，否则“效用型抱怨者”将转为“传播型抱怨者”或“沉默型抱怨者”。

第三类“沉默型抱怨者”是大学生网购抱怨群体的主流，也是电商应给予重点关注的群体。这类抱怨者具有以下特点：保持沉默，很少采取行动，不太可能进行负面口碑传播，更不会向第三方投诉，只是会吸取经验教训，默默转向其他电商。针对这类抱怨者，电商可以采取如下补救措施：一开始就把事情做好，这是最佳的补救策略。如果大学生一开始就对网购很满意，自然就没有抱怨，不会转换电商；鼓励并跟踪抱怨，鼓励抱怨是打破沉默、促使大学生直接向电商抱怨的有效办法，电商可以通过大学生网购满意度调查、关键事件研究等来鼓励和跟踪抱怨。

5结论

对大学生网购抱怨行为进行K-means聚类分析有利于电商深入了解大学生抱怨行为的内在特点，大学生抱怨行为的类型及各抱怨类型所占比例，并根据不同的抱怨类型有针对性地采取相应的补救策略，加强补救的效果，维持和提高大学生对电商的认可度和忠诚度。

参考文献：

[1]刘靖明，韩丽川，候立文.基于粒子群的K均值聚类算法[J].系统工程理论与实践，2005（6）：54-58.

[2]杨善林，李永森，胡笑旋，等.K-means算法中的K值优化问题研究[J].系统工程理论与实践，2006（2）：97-101.

[3]刘艳丽，刘希玉.K-均值算法聚类分析及其在人力资源管理中的应用[J].山东科学，2008（4）.

[4]赵喜仓，崔冬梅，窦志红.聚类分析在客户细分中的研究与应用[J].江苏商论，2007（8）.

[5]郭志刚.社会统计分析方法——SPSS 软件应用[M].北京：中国人民大学出版社，1999.

[6]金立印.顾客抱怨倾向的决定因素：模型及基于中国零售业的实证检验[J].南开管理评论，2007，10（1）：38-43.

[7]朱美艳，庄贵军，刘周平.顾客投诉行为的理论回顾[J].山东社会科学，2006（11）： 137-144.

[8]薄湘平，周琴.服务补救：重建顾客满意的重要手段[J].湖南大学学报：社会科学版，2005（1）.

[9]李克芳，聂元昆.服务营销学[M].北京：机械工业出版社，2012.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。