移动社交电商平台UGC对用户购买意愿的影响研究：基于大数据文本挖掘

User-generated content (UGC) has a potential influence on purchase intention on mobile social e-commerce platform. It is important to know whether the influence is dominated by fact or emotion in UGC. Answers to this question will help optimize purchase experience and increase sales volume. A key issue here is conducting in-depth analysis of the contents of UGC, which has been a world-class challenge. To this end, we employ an integrated research technique by primarily leveraging text mining. Firstly, a theoretical model describing the interactions between UGC composers, UGC readers, et al., is established based on interview results. The influence of UGC topic selection and means of expression on purchase intention is then investigated using computer-based UGC acquisition and text mining. Finally, behavioral tests are employed for validation and explanation of the findings. Overall, this project is expected to extend the breadth and depth of mobile marketing theory studies, as well as form the best practice of the sales-WOM (word of mouth)-new sales business cycle.

在移动社交电商平台上，用户生成内容（UGC）对阅读者购买意愿的影响，究竟是“晓之以理”占据主导，还是“动之以情”更胜一筹，该问题的答案对提升用户体验、推动平台业绩有关键性的作用。为了准确而全面地回答该问题，本项目采用以大数据文本挖掘为核心、以访谈和实验为辅助的组合研究方法，从而实现对海量、真实UGC文本内容的深度解析。具体地，本项目首先基于深度访谈构建移动社交电商平台UGC对用户购买意愿影响的理论模型；其次运用计算机编程对UGC进行智能化的语义分析，提炼UGC中话题选取（客观信息）和表达方式（主观情感）的大数据规律，及其与用户购买意愿的相关性；最后利用行为学实验在移动营销场景下验证UGC对用户购买意愿的影响并解释机理。本项目的意义在于拓展移动营销理论学术研究的广度和深度，推动形成移动营销领域“销量——口碑——新销量”的最佳商业实践。

本项目紧密围绕从互联网上高存量的用户生成内容（UGC）中挖掘出影响消费者动机和满意度的核心因素这一主题，有序开展了系列研究。在基金的资助下，保质保量完成了研究目标与预期成果。. 本项目主要包含移动社交电商平台UGC对用户购买意愿影响的理论模型构建、UGC智能化语义分析、UGC中话题选取的大数据规律及其与用户购买意愿的相关性提炼等研究内容。具体来讲，一是以互联网平台UGC作为数据基础，开展了UGC文本预处理以降低干扰因素，实现了文本主题建模从而得到结构化的数据；二是结合运用传统计量分析和机器学习技术来准确预测顾客满意度；三是对用户进行分类比较以挖掘深层知识，将UGC分析与传统量表对比以提出范式融合的必要性及未来研究建议。. 本项目形成了理论和实践层面的重要结果。理论层面，创新性地将数据驱动的文本挖掘与传统量表关键要素相结合，从而完整呈现顾客用餐体验的必要性，并对中美顾客在旅游期间的餐厅UGC进行了跨文化对比，补充了相关理论。实践层面，课题针对餐厅、健身中心等具体场景提出了落地的营销管理者建议。. 本项目还在数据分析方面做出了科学贡献。一是论证了建立网上用户评论和评分关联的必要性和可行性，开展了从互联网平台获取UGC数据并挖掘营销知识的规范化操作；二是在餐饮UGC研究中，尝试了减小概念的颗粒度，以获取更具体的商品体验信息，并对比了数据驱动的研究方法和传统的餐饮服务量表在运用中的利弊。