基于全网数据的消费者行为与偏好研究

Advanced information technology makes it possible to track and get consumers’ cross-website behavior, which provides both new possibilities and challenges for accurately predicting consumers’ preference. How to model consumers’ cross-website data and use it to support marketing decision-making is the most challenging problem facing marketing scholars all over the world. This project will develop methods for modeling consumers’ cross-website data in four areas. The four sub-projects are: (1) consumer characteristic and preference identification through cross-website data; (2) cross-website recommendations based on consumers’ multi-B2C behavior; (3) the dynamic effectiveness of cross-platform advertising; and (4) consumers’ choice and involvement for diverse social networks. These four sub-projects are relatively spread out while connected, and provide useful ways in modeling consumers’ cross-website data in four different marketing areas. This project will contribute to theoretical development and provide important managerial implications for marketers.

信息技术的发展使得获取消费者的全网行为数据成为可能，为更准确地预测消费者偏好提供了新的可能和挑战。如何对消费者的全网数据进行建模并用于营销决策的制定，是一个非常具有挑战性、也是国际营销学的前沿课题。本项目将着重在四个领域对消费者全网数据的建模与分析进行科学、系统的研究。这四个方面是：(1) 基于全网数据的消费者特征识别与偏好获取、(2) 基于消费者跨电商行为的个性化交叉商品推荐、(3) 基于全网数据的互联网广告动态效果分析与预测、(4) 基于全网数据的消费者社交网络选择与行为偏好研究。这四个课题相互独立又相互依托，针对四个不同的应用领域对消费者全网数据的提出有效的建模方法，不仅具有理论价值，也将对营销实践提供重要的指导。

借助于先进的技术手段，越来越多的企业可以获取消费者的全网消费行为数据。然而，对于全网行为数据的建模和分析，进而帮助企业制定更精准的营销策略，是充满挑战和难度的前沿课题。本课题组系统性地梳理了相关文献，将研究问题聚焦和细化为四个主题的研究内容：(1) 如何利用全网数据更好地识别消费者偏好和进行商品销量预测？我们提出了利用全网数据搭建消费者标签体系的方法，同时探讨了融合网站内外部数据对商品销量预测的方法，并用实证研究进行了验证，取得了一些有意思的研究发现；(2) 大数据驱动的个性化商品推荐对消费者行为产生怎样的影响？融合全网数据的个性化推荐能否产生更好的推荐效果？我们结合实地实验和实验室实验研究了展示和屏蔽个性化商品推荐对消费者短期搜索行为和长期忠诚度的影响，在另一项研究中，我们进一步对比了一般的个性化推荐和融合了外部数据的个性化推荐的效果；(3) 在互联网广告领域，搜索引擎的关键词广告越来越普遍，不同的关键词类型和匹配类型如何影响广告效果？如何利用大数据建模的方法，来对传统的促销效果进行估计，进而支持和优化企业的促销决策？我们分别开展实证研究，探讨了以上两个大问题，研究成果分别发表于Information Systems Research和Decision Sciences；(4) 实时消费过程中的社交因素（例如弹幕）如何影响消费体验和产品评价？社交网络分析中可以开展哪些关键的方法创新，进而推动该研究领域的进步？我们开展了两项关于视频弹幕的研究，其中一项研究成果即将被Marketing Science接受，关于社交网络分析方法创新的多篇文章已经被Journal of Econometrics接受。以上主题针对四个不同的应用领域对消费者全网数据提出有效的建模方法，不仅具有理论价值，也将对营销实践提供了重要的指导。项目组形成的研究成果包括12篇SSCI/SCI论文，中文CSSCI论文5篇，专著4部，会议论文7篇，学术论文获奖2项，省部级科学技术奖1项，专利9项。