基于K—means聚類法的大學(xué)生網(wǎng)購抱怨行為分析

張慧　李克芳　李志楨

[摘要]文章運(yùn)用聚類分析中的K-means聚類法對在校大學(xué)生網(wǎng)購抱怨行為進(jìn)行聚類分析。研究發(fā)現(xiàn)，大學(xué)生網(wǎng)購抱怨類型可以分為傳播型抱怨者、效用型抱怨者和沉默型抱怨者，不同類型的抱怨者各有其特點(diǎn)，這就要求電商應(yīng)根據(jù)不同的抱怨類型的特點(diǎn)采取相應(yīng)的補(bǔ)救策略，以保持和提高大學(xué)生網(wǎng)購的忠誠度。

[關(guān)鍵詞]抱怨行為；K-means聚類分析；補(bǔ)救策略

隨著互聯(lián)網(wǎng)的興起，網(wǎng)購正成為一種趨勢和潮流，在人們的日常生活中占據(jù)越來越重要的位置。眾所周知，大學(xué)生接受新事物能力強(qiáng)，能熟練使用互聯(lián)網(wǎng)，因此大學(xué)生對于網(wǎng)購的接受程度比其他人群更高，現(xiàn)在的在校大學(xué)生將成為未來網(wǎng)購市場的主要組成部分。但是大學(xué)生網(wǎng)購常常會遇到不滿意的情況，產(chǎn)生抱怨行為，若不能有效安撫抱怨者的情緒，其忠誠度會大打折扣。所以，電商必須了解大學(xué)生抱怨行為的類型和特點(diǎn)，采取有效的補(bǔ)救策略，消除他們的抱怨情緒。本文在借鑒前人研究成果和方法的基礎(chǔ)上，主要以在校大學(xué)生為樣本，研究他們在近年興起的網(wǎng)購大潮中的抱怨行為類型。

1 文獻(xiàn)回顧

1.1 顧客抱怨

顧客抱怨是指顧客對產(chǎn)品或服務(wù)的不滿和責(zé)難，顧客對產(chǎn)品或服務(wù)的抱怨即意味著經(jīng)營者提供的產(chǎn)品或服務(wù)沒達(dá)到他的期望、沒滿足他的需求。另外，也表示顧客仍舊對經(jīng)營者具有期待，希望能改善服務(wù)水平。其目的就是為了挽回經(jīng)濟(jì)上的損失，恢復(fù)自我形象。大致在20世紀(jì)70年代，由于受到消費(fèi)至上主義的影響，西方學(xué)者就已經(jīng)開始注意對顧客投訴行為的研究。直到現(xiàn)在，顧客抱怨領(lǐng)域總是能引起很多研究者的興趣。通過對以往有關(guān)抱怨主題的研究文獻(xiàn)進(jìn)行搜集整理，發(fā)現(xiàn)這一主題的研究成果逐漸成熟和完善。

1.2 網(wǎng)購抱怨行為

1999年年底，隨著互聯(lián)網(wǎng)高潮來臨。中國網(wǎng)絡(luò)購物的用戶規(guī)模不斷上升。2010年中國網(wǎng)絡(luò)購物市場延續(xù)用戶規(guī)模、交易規(guī)模的雙增長態(tài)勢。《2013—2017中國網(wǎng)絡(luò)購物行業(yè)市場前瞻與投資預(yù)測分析報告》統(tǒng)計數(shù)據(jù)顯示，2010年中國網(wǎng)絡(luò)購物市場交易規(guī)模接近5000億元，達(dá)4980.0億元，占到社會消費(fèi)品零售總額的3.2%；同時，網(wǎng)絡(luò)購物用戶規(guī)模達(dá)到1.48億，在網(wǎng)民中的滲透率達(dá)30.8%。網(wǎng)購將成為未來發(fā)展的必然趨勢，在人們的生活中占據(jù)十分重要的位置。不可否認(rèn)的是網(wǎng)購的興起和蓬勃發(fā)展為人們的生活帶來很多的便利，同時本身也存在很多的問題：大量的假冒偽劣產(chǎn)品充斥著網(wǎng)購；誠信問題；配送的速度不一；退貨不方便等。由于這些問題的存在使得網(wǎng)購的抱怨行為難以避免，同時，網(wǎng)購抱怨行為發(fā)生的頻率更高，傳播性更廣，危害性也更大，不同于線下購買的顧客抱怨行為。網(wǎng)購抱怨行為是絕大多數(shù)電商必將面臨的重要問題，具有十分重要的研究意義。

1.3 K-means聚類

聚類分析中常用的一種聚類算法是1967年MacQueen提出的基于誤差平方和準(zhǔn)則的K-均值算法，該算法具有簡單且容易理解，計算方便、速度快以及能夠有效處理大型數(shù)據(jù)庫的優(yōu)點(diǎn)而成為聚類分析中的經(jīng)典算法。K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標(biāo)，即認(rèn)為兩個對象的距離越近，其相似度就越大。

2 研究方法

2.1 研究對象及數(shù)據(jù)收集

本文以有網(wǎng)上購物經(jīng)歷的在校大學(xué)生為研究對象。2008年6月發(fā)布的《中國網(wǎng)絡(luò)購物報告》顯示網(wǎng)購用戶中學(xué)歷是大專及以上的用戶比例已高達(dá)85%。其中大專和本科學(xué)歷的用戶占75%，也就是說，在校的本、?？拼髮W(xué)生將成為未來網(wǎng)購市場的主要組成部分。從2012年來看，在校大學(xué)生網(wǎng)購用戶占總體網(wǎng)購用戶的3成，亞馬遜網(wǎng)和拍拍網(wǎng)用戶群體中在校大學(xué)生比例超過4成。目前，在校大學(xué)生的網(wǎng)購人數(shù)有增無減。由此可見，在校大學(xué)生已經(jīng)在現(xiàn)在的網(wǎng)購的市場中占據(jù)不可忽略的位置，也必將在未來的網(wǎng)購市場中占據(jù)十分重要的位置，因此本文選擇在校大學(xué)生為研究對象。向某高校的大學(xué)生隨機(jī)發(fā)放問卷，共發(fā)放了150份，回收136份，有效問卷125份。

2.2 變量測量

本文采用了Likert5分量表法，它是由美國社會心理學(xué)家李克特于1932年在原有的總加量表基礎(chǔ)上改進(jìn)而成的。該量表由一組陳述組成，每一陳述有“非常同意”“同意”“不一定”“不同意”“非常不同意”五種回答，分別記為5、4、3、2、1，每個被調(diào)查者的態(tài)度總分就是他對各道題的回答所得分?jǐn)?shù)的加總，總分的高低說明了消費(fèi)者的態(tài)度強(qiáng)弱。在參考相關(guān)文獻(xiàn)的基礎(chǔ)上，本研究中涉及的變量及測項如表1所示。

3 數(shù)據(jù)分析與結(jié)果

整理問卷數(shù)據(jù)并錄入，運(yùn)用SPSS軟件進(jìn)行K-means聚類運(yùn)算。得到表2、表3、表4，如下：

利用方差分析可以判斷所分的類別是否合理。由表2可以看出，分類后各變量在不同類別之間的差異都是顯著的，P值均小于0.05，說明分類比較合理。表3數(shù)據(jù)表示各類別在各變量上的平均值，比如：2.82就表示第一類在變量V1上的平均值。可以看出，大學(xué)生網(wǎng)上購物抱怨行為共分為3類。

第一類在變量V2、V7上的平均值較大，在其他變量上的平均值較小。根據(jù)V2和V7描述的特點(diǎn)，把這類抱怨行為定義為“傳播型抱怨者”。

第二類在變量V1、V5上的平均值較大，在其他變量上的平均值偏小，我們可以把這種期望通過抱怨獲得一定補(bǔ)償?shù)男袨槎x為“效用型抱怨者”。

第三類在變量V3、V4、V6 上的平均值較大，而在其他變量上的平均值較小。根據(jù)這三個變量描述的特點(diǎn)，把這類抱怨者命名為“沉默型抱怨者”。

由表4可知，第一類“傳播型抱怨者”含33個樣本，占總樣本（125個）的26.4%；第二類“效用型抱怨者”含27個樣本，占總樣本的21.6%；第三類“沉默型抱怨者”含65個樣本，占總樣本的52%，顯然沉默型抱怨者占絕大部分。

4 管理啟示

通過對以上數(shù)據(jù)分析與結(jié)果的思考，得出以下管理啟示：

第一類“傳播型抱怨者”僅占了26.4%的比例，但對電商的聲譽(yù)會造成很大影響。他們會向周圍的人或通過社交媒體傳播負(fù)面口碑，并轉(zhuǎn)向其他競爭者。電商可以采取以下補(bǔ)救措施：培養(yǎng)與顧客的關(guān)系，牢固的關(guān)系是電商發(fā)生嚴(yán)重失誤時的緩沖劑，可以降低消極口碑出現(xiàn)的可能性；從流失的顧客身上學(xué)習(xí)，發(fā)現(xiàn)自身的不足之處，避免以后再出現(xiàn)同樣的失誤。

第二類“效用型抱怨者”對抱怨產(chǎn)生的結(jié)果抱有積極的預(yù)期，不會輕易選擇轉(zhuǎn)向其他電商。建議電商采取以下措施：首先了解抱怨者抱怨的原因及對補(bǔ)救結(jié)果的最高期望和最低期望。其次補(bǔ)救結(jié)果不能低于其最低期望，否則“效用型抱怨者”將轉(zhuǎn)為“傳播型抱怨者”或“沉默型抱怨者”。

第三類“沉默型抱怨者”是大學(xué)生網(wǎng)購抱怨群體的主流，也是電商應(yīng)給予重點(diǎn)關(guān)注的群體。這類抱怨者具有以下特點(diǎn)：保持沉默，很少采取行動，不太可能進(jìn)行負(fù)面口碑傳播，更不會向第三方投訴，只是會吸取經(jīng)驗教訓(xùn)，默默轉(zhuǎn)向其他電商。針對這類抱怨者，電商可以采取如下補(bǔ)救措施：一開始就把事情做好，這是最佳的補(bǔ)救策略。如果大學(xué)生一開始就對網(wǎng)購很滿意，自然就沒有抱怨，不會轉(zhuǎn)換電商；鼓勵并跟蹤抱怨，鼓勵抱怨是打破沉默、促使大學(xué)生直接向電商抱怨的有效辦法，電商可以通過大學(xué)生網(wǎng)購滿意度調(diào)查、關(guān)鍵事件研究等來鼓勵和跟蹤抱怨。

5 結(jié) 論

對大學(xué)生網(wǎng)購抱怨行為進(jìn)行K-means聚類分析有利于電商深入了解大學(xué)生抱怨行為的內(nèi)在特點(diǎn)，大學(xué)生抱怨行為的類型及各抱怨類型所占比例，并根據(jù)不同的抱怨類型有針對性地采取相應(yīng)的補(bǔ)救策略，加強(qiáng)補(bǔ)救的效果，維持和提高大學(xué)生對電商的認(rèn)可度和忠誠度。

參考文獻(xiàn)：

[1]劉靖明，韓麗川，候立文.基于粒子群的K均值聚類算法[J].系統(tǒng)工程理論與實踐，2005（6）：54-58.

[2]楊善林，李永森，胡笑旋，等.K-means算法中的K值優(yōu)化問題研究[J].系統(tǒng)工程理論與實踐，2006（2）：97-101.

[3]劉艷麗，劉希玉.K-均值算法聚類分析及其在人力資源管理中的應(yīng)用[J].山東科學(xué)，2008（4）.

[4]趙喜倉，崔冬梅，竇志紅.聚類分析在客戶細(xì)分中的研究與應(yīng)用[J].江蘇商論，2007（8）.

[5]郭志剛.社會統(tǒng)計分析方法——SPSS 軟件應(yīng)用[M].北京：中國人民大學(xué)出版社，1999.

[6]金立印.顧客抱怨傾向的決定因素：模型及基于中國零售業(yè)的實證檢驗[J].南開管理評論，2007，10（1）：38-43.

[7]朱美艷，莊貴軍，劉周平.顧客投訴行為的理論回顧[J].山東社會科學(xué)，2006（11）： 137-144.

[8]薄湘平，周琴.服務(wù)補(bǔ)救：重建顧客滿意的重要手段[J].湖南大學(xué)學(xué)報：社會科學(xué)版，2005（1）.

[9]李克芳，聶元昆.服務(wù)營銷學(xué)[M].北京：機(jī)械工業(yè)出版社，2012.