基于百度指数的B2C图书销售策略研究分析 电子商务专业

目录摘要及关键词 1一、引言2（一）研究背景2（二）国内外研究现状2二、研究方法及数据来源3（一）研究方法3（二）数据来源4三、图书关键词百度指数趋势曲线及原因分析4（一）高考类辅导用书4（二）公考类辅导用书6（三）考研类辅导用书7四、图书关键词百度指数趋势曲线变化的定量分析基于MATLAB8（一）matlab介绍8（二）分析方法8（三）数据处理过程及结果8（四）基于同比数据的关注度预测13五、结论分析及销售策略研究建议14（一）结论分析15（二）销售策略建议15（三）总结16参考文献17基于百度指数的B2C图书销售策略研究 摘要：网络搜索数据记录了用户的搜索关注与需求，为研究顾客网上购书行为提供了必要数据基础。文章基于百度指数，从定性和定量两方面进行分析。数据来源为图书大类中的教辅类图书，从中选取高考类、公考类和考研类三类教辅书籍的2016年度百度关键词关注度指数作为目标，通过matlab建立对应模型，分析趋势变化，再选取考研类辅导用书关键词2010年至2016年在2月第二周的数据进行同比预测，对B2C图书销售给出以下的建议：.高考类辅导用书在周末进行促销活动；对于公考类辅导用书和考研类辅导用书，商家需要通过分析过去销售量与关注度的关系预测下一阶段销售量，从而决定备货量。 关键词： 百度指数；网络图书销售；网络关注度Research on the Marketing Strategy of B2C Book Based on Baidu Index Abstract: The data of web search records the users search attention and demands, which can provide the necessary data basis for researching the customers online purchase. Based on the baidu index, the thesis makes the analysis from aspects of qualitative and quantitative. The source of the data comes from the reference books in the book categories, and we choose the reference books focus index of the 2016 baidu keywords, which are related to the college entrance exam, the civil service exam and the postgraduate exam. Firstly, we analyze the changes of trend by using the matlab to establish the corresponding model. And secondly, we choose the second week of the data about the key words of reference books that are related to postgraduate exam to carry out the prediction on year-on-year basis. Finally, we give the following suggestions for B2C book sales: The reference books related to college entrance exam should be made the promotion activities on weekends. As to the reference books that are related to the civil service exam and the postgraduate exam, the shops should predict the sales volume in next stage by analyzing the relationship between the past sales volume and attention so that they can decide the storage volume. Key words: Baidu index; Network book sales; Network attention一、引言（一）研究背景互联网的建设和发展，使得世界的科技、经济和社会在不断的进步，同时它也以惊人的速度迅速地渗透到社会生活的方方面面，深刻地影响着生活中信息技术的结构，并转变了人类社会信息交流的方式方法和商业运作的模式。 中国互联网络信息中心（CNNIC）于2017年1月22日在北京发布的第49次中国互联网络发展状况统计报告1显示：截至2016年12月，我国网民规模达到7.31亿，全年共计新增网民4299万人，全年增长率为6.2%，互联网普及率为53.2%亿。在这样的背景下，网络购物对人们的吸引力愈发增强，网络书店作为网络图书销售的最佳供应方也逐步得到人们的喜爱，越来越多的人直接从网络书店获取所需的书籍。网络书店作为一种全新的图书发行主体，随着图书出版向数字出版的转变而占据越来越重要的地位。在这种背景下，国内网络书店（如当当网、亚马逊和京东）的发展，已经进入了信息化同步时代，竞争也呈现白热化状态。谁能看准机遇、把握时机、抢占先机，谁就能成为最后的赢家。但与传统线下书店图书营销模式不同的是，B2C模式下网络书店的营销模式与传统的营销模式相比在理念、手段、方法从上发生了巨大变化，中国的网络书店要想实现可持续发展前景，就必须适应新形势下的市场经济发展要求，更新市场营销理念，加强市场营销组合理论研究，探索新的市场营销组合战略，制定适合自身发展的营销策略，开展营销创新，逐步形成网络书店的长效发展机制。由此可以看出，制定出正确的营销策略，对于网络书店自身的发展具有重要意义。（二）国内外研究现状网络书店作为互联网产业，诸多的数据都需要在网络上进行搜集，这就需要用到各种数据搜集工具。如梁志峰2将 Google 趋势作为研究区域网络关注度的一种新的思路，以区域名为搜索关键词的“搜索量指数”作为判断区域网络关注度的关键因素，分析了其基本态势以及区域内相关关键词对它的影响力，从而判断区域网络关注度的变化趋势以及品牌、产业、人物、机构等对区域网络关注度的影响情况。金斯伯格利用谷歌提供的搜索与解析功能，发现许多与流感有关的关键词与同期的流感病人人数具有较高的相关性，借此构建了基于谷歌搜索指数的监控预测模型，该模型在测算流感的爆发趋势上比传统的预测方法有提前两周预测的优势，证明了搜索数据对流感疫情预测具有一定的帮助作用3。面对网络图书行业的现状，诸多学者也借助大数据等工具对影响B2C图书销售业绩的因素进行诸多的分析与研究。许波4通过搜集网上书评对销量预测影响因素进行分析，获取对销量影响最大的关键因素，并据此构建时间序列模型中的 ARIMA 模型对各类别图书在畅销榜中的排名进行了短期预测，研究人们对于各类图书的需求变化情况。二、研究方法及数据来源（一）研究方法近年以来，搜索引擎在中国网民网络应用使用中一直排名前二。截至2016年底，搜索引擎用户规模已达到5.93亿。百度()是全球最大的中文搜索引擎的同时，也是中国流量第一大搜索引擎网站，2017年3月，百度国内市场份额占有率达到了76.09% 。之所以采用百度的数据，是因为百度所占据的市场份额，使得它所提供的数据具有足够的可信度和普遍性。百度指数是百度提供的以自身海量的用户搜索数据为基础的数据分析服务，用以反映不同关键词在过去段时间里的用户关注度和媒体关注度。其中，“用户关注度”是以众多网民在百度的搜索量为数据基础，把关键词作为统计对象，科学的分析计算出不同关键词在百度搜索中搜索频次的加权和，并通过曲线图的形式展现给用户。本文通过百度的关键词工具百度指数，将其作为衡量网络关注度的重要指标，以此更有效地来分析网络关注度变化对图书销售的影响因素，可以抓取到在对应时间段内，相关图书关键词分别在谷歌和百度中的关注度变化趋势和搜索量数据，由此可以清晰明确的看出某特定时间段内的图书关注度和顾客倾向。通过深入分析热点数据，挖掘出顾客对图书的网络关注度和实际购买需求的关系并运用百度指数中“关键词数据累加检索”以及与“关键词比较检索”组合进行数据统计与对比分析，从而分析影响影响B2C网络图书销售的影响因素，为网络书店做出更好更有效的营销策略提供有力的数据支持，促进B2C图书销售进一步发展。（二） 数据来源代写各专业硕博学位论文,代写代发CSSCI、北大核心论文，合作加QQ:97079517、 97079518 ; 微 电同号：1580 1280 825。淘宝交易，安全无忧。CSSCI来源期刊：电子政务、汉语学习、会计与经济研究、现代中文学刊、甘肃行政学院学报、天津体育学院学报民族学刊、大学教育科学、金融论坛、南方经济、东北亚论坛、宁夏社会科学、法商研究、云南社会科学、人文杂志、甘肃社会科学、东北大学学报、自然资源与环境。审稿周期：35-90天办结查稿。北大核心期刊：西安理工大学学报、心理与行为研究、统计与信息论坛、人口与发展、广西民族大学学报.哲学社会科学版、南昌大学学报理科版、现代法学、江西财经大学学报、武汉金融、学校党建与思想教育、成人教育、中国科技翻译审稿周期：35-90天办结查稿。普刊：中国新通信、兰台内外、中国多媒体与网络教学学报、农村科学实验、今日财富、心血管外科中国结合医学、经贸实践、语文课内外、记者观察、新课程、现代职业教育、建筑与装饰、畜牧兽医科学、化工管理、魅力中国、人力资源管理、新教育时代、心理月刊等300多家国家级、省级普刊。审稿周期：1-7天办结查稿。本文对于网上图书销售策略的研究是以百度指数为基础，从各种图书大类中提取典型图书的关键词，然后进行百度指数分析研究。所以我们根据当当网的图书分类，从中选出以下图书大类：教育、小说、文艺、童书、生活、人文社科、经管、励志/成功、科技，并从中选取教育类图书进行重点分析研究。为了抓取代表性数据，我们选择高考类辅导用书、公务员考试辅导用书和考研类辅导用书作为关键词选取对象，高考类辅导用书选出“五年高考三年模拟”、“恩波教育”、“王后雄教材完全解读”3个关键词，公务员考试辅导用书选出“中公公务员”、“华图公务员”2个关键词，考研类辅导用书选出“新东方考研英语”、“考研红宝书”、“张剑黄皮书”3个关键词，然后累加检索获取各类关键词搜索量的时间曲线变化图，并对各类图书数据进行分析比较,从而判断相应时间段，相关图书销售热点，为网上图书营销制定策略建议。三、图书关键词百度指数趋势曲线变化的定性分析（一）高考类辅导用书图1 2016年高考类图书百度指数趋势曲线图2 2016年11月份高考类图书百度指数趋势曲线 由上可以看出2016年以“五年高考三年模拟”、“恩波教育”、“王后雄教材完全解读”3个关键词得出的高考类图书百度指数趋势变化特征：观察图1，2016年，用户对高考辅导类用书的关注度在1、2、3月逐渐提高，至5月底保持一个平稳的阶段，6月初高考时在几天内突然提高至一个高峰，然后也迅速回落，之后一直到7月中达到全年最高峰，8月略有回落，9月开学后关注度达到第二个高峰，之后一直到12月都逐渐回落。分析具体情况，6月前关注度的波动应属于正常情况，开学后随着学期课程的进行，学生开始关注课外辅导教材。与此同时，6月的高考属于全国性的大事，吸引了家长学生的大量目光。在那一个时间段，无论是学生对于自身的学业还是家长对自己的孩子的学业，他们都会投入较大的关注。同时低年级学生即将进入更高的年级，学业的压力也会使他们寻求辅导教材的帮助。之后随着时间的推移关注度会略有下降，秋季开学时会有一个小高峰但并不影响整体趋势的下降。总体而言，高考类辅导用书关注度是以年为周期循环往复的，受开学以及高考时间影响很大。另外从图一可以观察出部分时间段的关注度曲线具有显著周期性，所以我们又提取了11月份的关注度指数（见图2），可以看出5、6、12、13、19、20、26、27这8天的关注度指数明显高于别的日期，查询日历可知这8天都是11月的周末，联系前文很容易得出非寒暑假期间，周末的关注度高于周一至周五的关注度。 （二）公考类辅导用书图3 2016年公考类图书百度指数趋势曲线 由上可以看出2016年以“中公公务员”、“华图公务员”2个关键词得出的高考类图书百度指数趋势变化特征：观察图3，可以看出1月关注度有一个小高峰，然后回落至2月中后提高，在3月底4月初达到高峰，接下来波动回落，一直到10月初都保持一个低谷，10月迅速拔高达到一年的最高峰，然后迅速回落。一年中，除1、3、4、10月份，别的时间关注度都处在平均线以下。分析具体情况，公务员三个关注高峰期一个在国考报名时间段，一个在国考出成绩时间段，最后一个则在省考出成绩时间段，可见相关消息的发布对于大众关注度的吸引作用很大。而这三个时间段通常与大学生新学期开始时间重合，大三大四学生的关注不可避免的受其影响。 （三）考研类辅导用书图4 2016考研类辅导用书百度指数趋势曲线 由上可以看出2016年以“新东方考研英语”、“考研红宝书”、“张剑黄皮书”3个关键词得出的高考类图书百度指数趋势变化特征：观察图4，可以看出关注度在1月底2月初达到谷底，2月稳步提高，在2月底3月初达到全年峰值，接下来跌下峰值，保持下降趋势至6月后回升，8月开始缓慢回落，直到年底。 分析具体情况，考研作为现在大学生进一步深造的主要途径之一，关注度不可能有明显过低的情况出现，图3中1、2月的谷底值应受寒假假期的影响，而后的高峰关注则属于受到研究生考试初试成绩公布的影响，全年较为稳定的关注度波动情况也说明考研类辅导用书销量相对稳定。四、图书关键词百度指数趋势曲线变化的定量分析基于MATLAB （一）matlab介绍 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 （二）分析方法 在百度指数上提取以上三类关键词在2016年份的具体数据后，导入matlab，先以画图函数polt绘制图像，在借助matlab拟合工具箱cftool进行曲线拟合，通过SSE、RMSE、R-square来判断拟合曲线与原始数据的吻合程度，确定误差最小的拟合数据，最后确定模型。 （三）数据处理过程及结果分析 通过以上方法，我们得到了以下图像和数据： 1.高考类辅导用书图5 2016高考类辅导用书数据拟合模型General model Gauss7: f(x) = a1*exp(-(x-b1)/c1)2) + a2*exp(-(x-b2)/c2)2) + a3*exp(-(x-b3)/c3)2) + a4*exp(-(x-b4)/c4)2) + a5*exp(-(x-b5)/c5)2) + a6*exp(-(x-b6)/c6)2) + a7*exp(-(x-b7)/c7)2)Coefficients (with 95% confidence bounds): a1 = 625.3 (-38.02, 1289) b1 = 232.1 (225.9, 238.2) c1 = 20.55 (1.263, 39.84) a2 = 1035 (980.3, 1091) b2 = 51.28 (43.43, 59.12) c2 = 86.04 (65.23, 106.9) a3 = 1010 (513.8, 1506) b3 = 187.7 (183.2, 192.2) c3 = 17.44 (9.699, 25.19) a4 = 1024 (975.9, 1073) b4 = 311.7 (284.1, 339.4) c4 = 109 (26.27, 191.7) a5 = 174.9 (-238, 587.8) b5 = 266.6 (242.3, 290.8) c5 = 16.59 (-12.9, 46.07) a6 = 530.5 (132.8, 928.2) b6 = 145.9 (134.2, 157.6) c6 = 32.59 (14.4, 50.78) a7 = 388.9 (-257.9, 1036) b7 = 207.7 (202.7, 212.7) c7 = 9.501 (0.3894, 18.61)Goodness of fit: SSE: 6.445e+006 R-square: 0.5569 Adjusted R-square: 0.5307 RMSE: 138.1分析数据，可以认为拟合曲线与原始数据显著相关。观察图5，在x轴区间（150,200）内可以看出模型最高点值与最低点值之间相差600左右，最低点值约为860，而离散点中最低点值大概700出头，与最高点值相差近800。该区间对应时间段为6月，说明从6月初到6月末，关注度指数会提高80%，最高不超过120%。而从模型最后的走势看，2017年1月初关注度指数在800范围内波动。 2.公考类辅导用书图6 2016公考类辅导用书数据拟合模型General model Gauss7: f(x) = a1*exp(-(x-b1)/c1)2) + a2*exp(-(x-b2)/c2)2) + a3*exp(-(x-b3)/c3)2) + a4*exp(-(x-b4)/c4)2) + a5*exp(-(x-b5)/c5)2) + a6*exp(-(x-b6)/c6)2) + a7*exp(-(x-b7)/c7)2)Coefficients (with 95% confidence bounds): a1 = 444.8 (399.5, 490) b1 = 286.9 (286.3, 287.5) c1 = 7.066 (6.163, 7.968) a2 = 458 (362.4, 553.7) b2 = 4.842 (4.629, 5.055) c2 = 1.271 (0.9529, 1.588) a3 = 3.961e+004 (-5.894e+007, 5.902e+007) b3 = -9973 (-3.07e+006, 3.05e+006) c3 = 4569 (-6.831e+005, 6.922e+005) a4 = 263.2 (228.8, 297.6) b4 = 76.81 (75.32, 78.3) c4 = 17.12 (14.34, 19.89) a5 = 110.9 (69.2, 152.7) b5 = 137.1 (135, 139.2) c5 = 7.134 (3.799, 10.47) a6 = 30.07 (-92.47, 152.6) b6 = 195.7 (145.5, 245.9) c6 = 82.74 (-115.4, 280.8) a7 = 68.58 (37.88, 99.28) b7 = 315 (307.6, 322.3) c7 = 19.7 (5.263, 34.13)Goodness of fit: SSE: 8.158e+005 R-square: 0.7944 Adjusted R-square: 0.7823 RMSE: 49.06分析数据，可以认为拟合曲线与原始数据显著相关。观察图6，模型上有4个高峰变化，分别对应的是1月初、3月、5月和10月，其余时间段关注度基本维持在300左右，波动不明显。其中第一个高峰因为持续时间太短可以忽略，另外3个高峰顶点值分别比平均值300高出300、100、400，其所对应时间段的离散点最高点值则将差距各自扩大100，说明这三个时间段内关注度会比平日增长100%、33%、133%，误差在30%上下。模型最后的走势也可以预测来年初关注度指数在300左右徘徊。3.考研类辅导用书图7 2016公考类辅导用书数据拟合模型 General model Gauss6: f(x) = a1*exp(-(x-b1)/c1)2) + a2*exp(-(x-b2)/c2)2) + a3*exp(-(x-b3)/c3)2) + a4*exp(-(x-b4)/c4)2) + a5*exp(-(x-b5)/c5)2) + a6*exp(-(x-b6)/c6)2)Coefficients (with 95% confidence bounds): a1 = 428.1 (130.7, 725.5) b1 = 57.69 (56.46, 58.92) c1 = 14.33 (9.396, 19.27) a2 = 122.6 (83.84, 161.4) b2 = 192.4 (189.5, 195.3) c2 = 11.87 (6.996, 16.75) a3 = 510.2 (496.7, 523.7) b3 = 240.7 (234.3, 247.2) c3 = 152.1 (139.3, 164.8) a4 = 323 (245.4, 400.7) b4 = 84.51 (66.23, 102.8) c4 = 33.61 (12.16, 55.07) a5 = 82.04 (26.41, 137.7) b5 = 136.9 (131.2, 142.5) c5 = 11.97 (2.495, 21.45) a6 = 382.2 (335.3, 429.1) b6 = 14.28 (11.62, 16.93) c6 = 19.36 (14.98, 23.74)Goodness of fit: SSE: 1.124e+006 R-square: 0.7321 Adjusted R-square: 0.7188 RMSE: 57.24 分析数据，可以认为拟合曲线与原始数据显著相关。 观察图7，在2月前后，关注度指数呈上扬趋势，最高点约750，与最低点相差400左右，同时期离散点最高点最低点差距则达到近700，说明该时间段关注度高峰期会比初始阶段高出110%，存在80%的误差可能。后面模型在6至9月整体数值偏高，接下来年末模型走势也能看出下一年初关注度应该在400上下。（四）基于同比数据的关注度预测在百度指数中抓取考研类辅导用书关键词从2010年起至2016年每年2月第二周的全部数据，见表1：年份表1 2010年2016年考研类辅导用书数据表日期201120122013201420152016总值平均值星期一2064463304443614792266377.67星期二2354164064342614712223370.50星期三2144494164442905062319386.50星期四2284403974464154522378396.33星期五2553943584183644892278379.67星期六2294525144463634872491415.17星期天2774915015022734652509418.17总值16443088292231342327334916464平均值237.71441.14417.43447.71332.43478.43392.00 将周平均值导入matlab，拟合结果如下：图8 2010年2016年考研类辅导用书数据拟合模型Linear model Poly1: f(x) = p1*x + p2Coefficients (with 95% confidence bounds): p1 = 25.94 (-30.79, 82.66) p2 = 301.7 (80.8, 522.6)当x=7时，y= 483.28，即通过模型预测2017年2月第二周关注度指数平均值约为483.28。2017年2月第二周实际数据如下表：表2 2017年2月第二周考研类辅导用书数据星期一星期二星期三星期四星期五星期六星期天总值平均值4644705375635444745243576510.86 经比较实际值与预测值误差不超过10%，预测结果可信。 上述结果说明关注度模型可以看作以年为周期变化的函数，通过同比与环比可以进行较为准确的预测。五、结论分析及销售策略研究建议（一）结论分析 我们选取了高考类、公考类、考研类三类图书进行数据分析。由对趋势曲线的定性分析可知，这三类图书关注度基本都随着以年为单位的周期进行波动：高考类图书受关注度在大周期上与学期的开始与结束以及高考的时间紧密相关，在小周期上与一周学习休息时间相对应；公考类图书受关注度在周期上与国考省考从接受报名到成绩公布的时间段联系密切；考研类图书受关注度周期波动性不是很明显，在时间上看在两次开学时间段关注人次相对高一些。这些“波峰”时间段就属于销售商的销售旺季了。而从对数据的定量分析来看，建立的数据模型与原始数据的拟合程度较高，能够显著表现关注度真实变化趋势，在掌握足够数据的基础上，对下周、下月乃至下个季度的关注度可以做到在误差范围内的预测。这样就能帮助线上线下图书销售商确定进货订货的大致数量，以达到的利润的最大化。（二）销售策略建议总结上述分析结论，教育类图书由于教育与考试间互不可少的关系，往往受到考试时间安排的影响很大，而高中以前的学习中，因为学校的强制学习缘故，学生周一至周五很难接触到手机电脑，在周末休息时间通过互联网对教辅材料的关注度就会有一个明显的提升。商家可以契合学生的的学习日程，在周末推出一些打折促销活动，以吸引关注，提高销量。而对于国考与考研两个考试类别，由趋势曲线和数据模型可以看出每年的销售有淡季和旺季之分。这种情况下，商家首先要建立销售量与网络关注度之间的对应关系，明白关注度对销售量的影响。如公考类辅导用书10月份关注度比9月份关注度高出近一倍，商家就可以以9月份销售量为基础上扩大一倍作为10月份公考类辅导书的备货量，这样就能保证全年3月、10月两个销售旺季能够实现利润最大化。同理对于考研辅导用书，每年的初试成绩公布，新的学子开始进行新一轮的考研备考，对考研资料的需求也明显加大，2016年2月关注度明显高于1月一倍，且全月都处于上升阶段，商家就可以比1月多进一倍的货，来获取收益。（三） 总结综上所述，通过上文对三类图书的定性定量分析，我们通过预测的方法得知了它们未来可能的销售量，从而帮助我们给图书销售商以销售建议。分析过程固然存在缺陷，但结果还是有一定的价值。希望本文能对B2C图书销售起到一定帮助作用。参考文献1中国互联网络信息中心.第39次中国互联网络发展状况统计报告EB/OL.2 梁志峰.基于Google趋势分析的区域网络关注度研究以湘潭为例J,湖南科技大学学报,2010，13(5):41-48.3 Ginsberg J,Mohebbi M H,Patel R SDetecting influenza epidemics using search engine query dataJ.Nature,2009,(2):101210144 许波.基于网络口碑的网上书店销售研究D,合肥:合肥工业大学,2010:1-7.5 郝震.B2C电子商务企业盈利模式分析-以当当网为例D.河北:河北经贸大学,2015:12-18. 6 叶秀敏.浅析我国电子商务B2C市场的发展现状、特色与问题J.信息化建设.2011(06):32-35.7 杨超,赵昆.B2C电子商务发展策略与服务模式研究J.经济与管理.2010(08):69-71.8 蔡玲.基于网络的图书营销攻略D.安徽:安徽大学.2013:4-8.9 吴小秋.微型B2C在线书店网络推广模式研究D.北京:北京交通大学.2012:5-6.10 林小兰.我国中小企业营销策略分析J.江苏商论.2008(11):121-123.11 邱丽丽.亚马逊的B2C经营模式研究D.黑龙江:黑龙江大学.2015:5-6.12 蔡青.中国B2C电子商务企业发展策略研究D.武汉：华中师范大学.2011:6-7.13 宋园林,晁瑞昌.浅析中国B2C电子商务的三种模式J.商业现代化,2012(2):65-66.14 赵涛,郑诗田.我国电子商务盈利模式研究基于B2C网站的分析价格理论与实践J.2009(11):19-20.15 张雨露.我国网上书店业态与发展研究D.河南:河南大学.2013:6-7.16 石昊苏.我国网上书店发展的思考J.科技信息,2011(16):44-46.