电子商务产品销售能力评价体系

本文是一篇电子商务论文范文,关于电子商务类本科论文开题报告,关于电子商务产品销售能力评价体系相关毕业论文范文。适合电子商务及社会科学及大学学报方面的的大学硕士和本科毕业论文以及电子商务相关开题报告范文和职称论文写作参考文献资料下载。

〔摘 要〕对于电子商务供应商而言,充分地评估和了解自身产品销售的竞争能力,是提升其竞争力水平的前提.本文在网络消费影响因素的基础上,结合电子商务条件下产品销售的特性,提出了电子商务产品销售能力评价指标体系.利用遗传算法（GA）对BP神经网络进行改进,建立了基于GA-BP神经网络的评价模型.其目的是帮助电子商务供应商准确地了解产品属性及其竞争形势,通过有针对性地更改销售策略,调整服务来提升产品的竞争力.

〔关 键 词〕电子商务；销售能力；评价体系；遗传算法；BP神经网络

DOI：10.3969/j.issn.1008-0821.2013.10.027

〔中图分类号〕F724.6〔文献标识码〕A〔文章编号〕1008-0821（2013）10-0120-04

根据中国互联网信息中心数据显示,截至2012年12月,我国网络购物用户规模达到2.42亿人,网络购物使用率提升至42.9%.在“十二五”规划明确要积极发展电子商务后,国家对企业进入电子商务市场扶持力度的不断加大,加之企业自身意识的提升以及电子商务运营商新型政策的出台等原因,促使电子商务行业蓬勃发展以及传统企业互联网化程度的不断加深.根据易观国际2012年7月发布的研究报告显示,2012年第2季度中国网上零售市场交易规模达到2788亿元,环比增长27.4%,同比增长45%.其中B2C交易额988.4亿,逼近千亿.由此可以看出,相比传统购物模式,网络购物在时间、地域以及商品选择等方面都具有很大优势,网络购物的方便快捷特点,使其受到越来越多的关注,并逐渐成为人们生活中不可或缺的一部分.网购用户的迅猛增长为网络购物市场带来广阔的发展前景,与此同时也带来了电子商务领域日趋激烈的竞争.对于电子商务的企业而言,进行生产或提供服务的最终目的都是诱发消费者的购买行为,如何让自己的产品在激烈竞争的市场中获得优势是至关重要的问题.因此,全面分析电子商务中产品销售能力影响因素间的关系,构建产品销售能力评价体系,对企业把握自身产品的竞争优势,争取利润,制定有效的生产计划,提高竞争力具有重要的现实意义.

随着电子商务的迅猛发展,针对网络消费的分析和研究也越来越多.文献[1]介绍了电子商务条件下影响消费者购买行为的个人以及环境因素.文献[2]分析了网络团购条件下消费者购买选择行为偏好的影响因素.文献[3]针对电子商务卖家的激烈竞争环境,提出了电子商务环境下卖家可以采取的5种具体竞争战略.

尽管国内外有关电子商务的研究已经成为近几年的学术研究热点,但是相对而言,大多数的研究都集中在对于网络环境下消费者的消费心理以及影响其购买行为因素等方面,对电子商务产品销售能力的研究没有进行深入探讨,也没有形成关于产品销售能力的全面评价体系.针对电子商务中产品销售能力的分析是一个信息不完全的复杂多因素综合决策问题,运用定性和定量相结合的系统分析方法,研究电子商务中产品销售能力的评价指标体系.采用遗传算法优化BP神经网络评价方法对电子商务产品销售能力进行评价,提高了评价结果的科学性和合理性,以利于电子商务企业在产品营销策略中做出正确的决策.

科学合理地构建电子商务产品销售能力的评价指标系统,是正确评价电子商务产品销售能力的前提和基础.因此,对电子商务产品销售能力的分析原则上应能科学、全面、客观和公正地反映其真实的内涵和水平.本文试图通过对影响电子商务产品销售能力的因素进行分析和整合,从定性和定量相结合的角度,由电子商务中产品的销售策略因素、产品特性因素、产品的交易因素、产品服务与信誉机制因素4个一级指标以及与之相关的16个二级指标来建立电子商务产品销售能力的评价指标体系（见表1）.

表1电子商务产品销售能力的评价指标体系[4-6]

一级指标1二级指标1指标说明产品销售策略因素1产品广告投入1定量；广告投入/成本产品促销力度1定量；促销投入/成本互动营销方式的开展1定量；一年内卖家互动营销,体验营销的开展次数.整合网络营销的进行1定量；整合网络多种营销推广投入/成本产品特性因素1性能/价格比1定性；单位付出所购得的商品性能品牌价值1定性；反应人们对产品综合品质的评价和认知质量水平1定性；反应产品成功满足用户的需要程度市场占有率1定量；产品的市场占有率产品交易因素1销量1定量；最近一个月内产品的销售数量产品配送力度1定量；物流的平均配送时间交易的安全性1定性；买家交易过程中的安全性顾客好评率1定量；顾客对产品的好评率产品服务与

信誉机制因素1产品信息提供1定量；反应卖家对产品完整、无偏差信息提供程度的评分卖家服务水平1定量；反应卖家服务质量的评分消费者保障机制1定量；是否支持消费者保障、产品退货换货等服务卖家信誉度1定量；反应卖家信誉的评分

1.1电子商务产品的销售策略

在电子商务卖家激烈竞争的环境里,产品的销售一直是企业所围绕的话题,销量无疑是卖家的最终追求.提高企业产品的知名度以及打造产品的品牌效应,让企业的产品或品牌深入到消费者心坎里去,让消费者认识产品、了解产品、信任产品到最后的依赖产品是电子商务企业产品销售策略最直接的体现.因此,电子商务产品的销售策略是产品销售能力至关重要的因素.

1.2电子商务产品特性

网络购买相对于传统的购买来说,是发生在一个新的购买环境里,并且具有产销活动无时空限制、个性化和共享性突出等显著特征[7],消费者只能凭借有限的信息来了解物品,无法亲身体验物品.因此,在网络消费环境下,产品的性价比、品牌价值、质量以及市场占有率对其销售能力的影响也就显得更为重要了.

1.3产品交易

由于网上交易的虚拟性,交易过程中买卖双方通常是处在非面对面环境中[8],在信息不对称和不完全的条件下,除了商品的销售量外,消费者往往更有可能通过在线评论去信任其他消费者,尤其是已购买者提供的经验信息.此外,网上购物无法提供像现场购物那样的安全放心的交易,交易本身的安全性以及物流的配送力度很大程度上影响着消费者的购买决策.1.4产品服务与信誉机制

由于互联网络的开放性、虚拟性、数字化等特征,网络购物与传统购物模式相比,消费者感知到的风险会比较大[9],消费者无法进行实物商品的体验,因而增加了购买的不确定性.所以,对卖家而言,完整、无偏差的产品信息提供与消费者之间无障碍的沟通有利于引导消费者的购买.同时,健全的消费者保障机制以及良好的信誉度也是提升卖家竞争优势的关键所在.

2电子商务产品销售能力评价方法

由于层次分析法、灰色评价法以及模糊综合评价法等常见的评价方法都依赖专家打分来确定权重,难以避免其评价过程中的主观随意性.神经网络具有高速信息处理的能力以及很强的不确定性信息处理能力.即使输入信息不完全、不准确或模糊不清,神经网络仍然能够联想存在于记忆中的事物的完整图像[10].利用神经网络并行分布、自组织适应、收敛性和容错性的优势,结合定性与定量分析,能够有效的适应电子商务产品销售能力这类多因素和不确定性问题.针对标准的BP神经网络存在着收敛速度慢和容易陷入局部极小值的问题,采用遗传算法对BP神经网络网络进行优化,将优化后的神经网络用于电子商务产品销售能力评价中,能够较好的保证评价结果的客观性.

2.1遗传算法（GA）

遗传算法（GeicAlgorithm,GA）是一种基于自然选择和基因遗传机理的全局搜索算法,算法以生物界的进化规律为参照,通过模拟自然界进化来寻找最优解.遗传算法将生物界“优胜劣汰、适者生存”的进化原理引入到待优化参数形成的编码串群体中,按照一定的适应度函数及一系列遗传操作对各个体进行筛选[11],从而产生新一代群体,并通过给定的适应度值来决定种群中个体的去留,最终使群体进化到包含或接近最优解的状态.基本遗传算法的流程如图1.

1图1基本遗传算法的流程图1

2.2基于遗传算法优化BP神经网络模型

遗传算法的全局优化、自适应以及概率搜索等特点使得它能够对目标函数空间进行多线索的并进式搜索,能够弥补BP神经网络连接权值和阈值选择上的随机性缺陷.本文利用遗传算法来优化BP神经网络的权值和阈值.通过建立染色体编码长度与神经网络连接权值之间的映射,使神经网络中连接权值和偏置值的个数与编码的长度一致,并使用神经网络误差的倒数作为适应度函数.基于遗传算法的BP神经网络初始权值优化步骤如下：

（1）初始化BP网络结构.初始化神经网络各层间的连接权值、阈值,并将它们顺序级联,构成初始的染色体组；

（2）设定网络误差函数的倒数为染色体的适应度函数,并计算每个染色体的适应值；

（3）根据个体适应度大小,选出适应度高的个体,并按一定的交叉概率和变异概率产生新的个体,并计算它们的适应度；

（4）考察种群中染色体的适应度或当前循环次数,如果满足结束条件,得出适应度最大的个体,作为BP网络的初始权值和阈值,否则,转至步骤（3）；

（5）用（4）得到的权值和偏置对神经网络进行训练.

3评价模型的建立

3.1电子商务产品销售能力评价指标预处理

在电子商务产品销售能力评价指标体系中,同时存在定性指标和定量指标,为了增加各指标间的可比性,必须对各指标进行处理.由于定量指标的衡量单位和级差各不相同,所以必须对其进行规范化和趋同化处理,具体处理方式如下：

x（t）等于x（t）-xmin1xmax-xmin

式中,x（t）表示预处理后的数据,xmax和xmin分别为评价系统区域范围内某项指标的最大值和最小值.经过数据预处理后,数据范围在[0,1]区间中.

对于定性指标,因为不能直接量化,可以通过模糊综合评价的方法,确定各指标对于“电子商务产品销售能力高低”这个模糊集的隶属度,以指标的隶属度作为神经网络的输入值.确定其隶属度的具体做法是：设xi是定性评价指标,V等于（v1,v2,等,vn）是其对应的评价集,U等于（u1,u2,等,un）为评价集V对应的权重,xi相对于评价集V的隶属度向量ri等于（ri1,ri2,等,rin）可以通过专家评价或者问卷调查等方法来确定.根据模糊矩阵合成法B等于U·ri便可计算出定性指标在给定标度U下的量化值了.在电子商务产品销售能力定性评价指标体系中,指标对于“电子商务产品销售能力”的模糊评价集为（差、一般、中等、好）,相应的权重为B等于（1,0.7,0.4,0.1）.

3.2电子商务产品

本文是一篇电子商务论文范文,关于电子商务类本科论文开题报告,关于电子商务产品销售能力评价体系相关毕业论文范文。适合电子商务及社会科学及大学学报方面的的大学硕士和本科毕业论文以及电子商务相关开题报告范文和职称论文写作参考文献资料下载。

（1）网络的层数.根据Kolmogorov定理,在不限制隐含层节点数的情况下,三层BP神经网络充分学习后能够实现任何非线性映射,因此构建三层结构的BP神经网络.

（2）网络的节点数.电子商务产品销售能力的评估是一个模式识别问题,网络的目标是根据输入参数给出产品销售能力评价的综合指数.由于输入向量包含16项指标,故输入层应包含16个节点,输出层只有一个输出节点,输出电子商务产品销售能力评价的综合指数.隐含层节点数的设计参考经验式：J等于entn+m+a.式中,ent为取整函数,n和m分别表示输入层、输出层神经元的个数,a为1～10之间的常数.根据试算比较,本文最终确定隐含层节点数为11.

（3）确定隐含层、输出层传递函数关系以及训练函数.网络隐含层传递函数采用双曲正切函数tansig,输出层传递函数采用对数函数logsig,训练函数为LM（Levenberg-Marquardt）算法（trainlm）.

（4）设定遗传算法的种群规模为30,最大进化代数为800,选择概率为0.8,交叉概率为0.5,变异概率0.05.

4结论

随着互联网的高速发展,网络交易模式逐步被人们所接受并应用,网络购物的方便快捷、便宜、降低消费成本等优势,使其越来越受到消费者的欢迎.对网络交易中的供应商而言,准确分析和判断其产品的销售能力是提高自身竞争优势的重要环节.因而,对电子商务产品销售能力的评价是一个综合系统的动态过程,需要设计全面的评价指标体系并对其进行综合评价.本文在分析了电子商务产品销售能力构成的基础上,利用基于遗传算法优化BP神经网络的评价模型,来评价电子商务产品的销售能力.通过结合遗传算法多点搜索的全局寻优能力和BP神经网络算法的局部搜索优势,能够有效的避免网络陷入局部最优,同时保证了评价结果的准确性,对电子商务产品销售能力的评价有助于供应商准确地了解产品属性及其竞争优势,对设计产品、制定营销策略和完善商家服务体系具有指导作用.