大学生的网购问题（精选4篇）
大学生的网购问题 第1篇
纵观近三年的“双十一”, 2013年“双十一”网民参与度定调在57.3%, 近三年始终保持在55%以上, 2015年达到57.7%。三年间, “双十一”促销转化率虽然有所波动, 但是与2014年相比, 2015年显著提升6个百分点, 达到62.8%。而截至2015年6月, 网络购物的普及率为56%, 这意味着一方面, “双十一”在吸引新用户方面具有一定的影响力;另一方面, “双十一”的网民参与度达到较高水平, 其进一步提升有待网络购物的普及化发展。[2]
目光投向大学校园, 同学们的手机基本都安装有淘宝、京东等购物网站的APP, 平时同学们就会进行很多的购物行为, 购买自己需要的商品, 例如服饰, 书籍, 零食, 生活用品。因此, 取快递也成了大学生活的一个组成部分。当然, 同学们不会放过像“双十一”这样的购物狂欢节。“双十一”无疑成了大学生的购物庆典!平时觉得价格较高而舍不得买的商品会在“双十一”这样的活动中进行购入。网络购物可以说已经成为大学生进行购物的常用方式, 这也与老一辈人的购物方式形成了巨大的差异。
1 调查数据分析
为了研究大学生的网络购物行为以及大学城周边的实体店分布情况, 我们做了一份调查问卷, 并通过调查问卷得到了较为可靠的数据。
1.1 样本数据的年龄段。
样本主要以大学生为主, 年龄集中在19-25岁, 人数占样本总数的77.14%。
1.2 样本数据的职业。
被调查者主要以大学里的学生以及大学老师为主, 这种职业分布也使网络购物的种类调查涉及不全面。但能对我们所研究的大学生购物行为提供依据和支持 (图2) 。
1.3 常用的购物方式以及倾向。
在我们的调查中, 有81.4%的被调查者经常使用两种购物方式:网络购物与实体店购物 (图3) 。
但两者之中也会存在倾向, 因此我们进一步研究了被调查者在哪种购物方式上花费了更多的资源。根据下图:可以看出在被调查者中, 有52.86%的被调查者更倾向于使用网络进行购物 (图4) 。
1.4 网上购物和实体店购物的主要购买商品。
通过对被调查者填写的此项多选题进行统计, 我们发现被调查者主要会通过网络购物购买服饰、生活日用品、书籍、食品等商品。被调查者实体店购物的主要种类为服装、生活日用品、食品 (包括一日三餐等需求) 、电子产品等。
通过对数据分析, 加上被调查地的实际情况, 可以认为数据是符合实际情况的。被调查地以大学为圆心向外进行扩散, 根据实际情况, 大学城周边虽然无大型的服装购物商场, 但也存在一些小的服装店, 再加上交通方便, 可以进入市区进行服装购买但因为服装款式、品牌较单一, 所以服装类购物在实体店购物居主要位置的同时, 网络购物中所占的比重也较大。大学城周边存在着很多的小超市, 便利店, 购买食品、生活日用品是比较方便的, 但由于网店中商品的种类齐全, 样式新颖, 所以视频、生活日用品在网络购物方面也占据较大比重。在被调查地周边存在一些小型书店, 售卖一些教辅资料, 但书店中杂志、诗词、小说几乎没有, 同学无法买到自己想要的书籍, 所以户通过网络进行购买。大学城周边也存在化妆品店、电子产品店, 其网络购物购买比重小于实体店购物比重, 是受到消费心理等因素影响, 担心在网络上购买到劣质产品。
2 结论
根据以上调查数据, 我们对大学城周边的实体店存在和发展有了更直观的理解。对大学生的网络购物行为也有了较为合理的分析。大学周边存在较多小型超市、零售店, 餐馆等, 这能够满足大学同学对日常生活用品和食品的需求;也存在一些服装零售店, 但由于种类款式无法满足同学的需求, 所以存在较大问题。同样书店也无法满足同学的需求。因此在这种情况下, 我们根据被调查地的实际情况, 为一些店铺提供一些供参考的方案:
2.1 对餐饮类、生活日用品类来说, 在大学周边存在的店铺较多, 竞争压力更大, 只有做到更好的服务态度、良好的商品质量、更加齐全的商品种类和款式, 才能吸引更多的顾客, 从众多店铺中脱颖而出, 实现盈利。
2.2 对服装店来说, 虽然规模比较小, 种类比较少, 但可以通过及时更新款式, 丰富商品种类来招揽客户。
2.3 对电子产品来说, 商品的质量, 良好的售后服务是至关重要的, 这是这类商家要注意的一点。
2.4 对于书店, 则需要根据大众需求来采购书籍, 并且及时更新书籍种类, 这也是书店发展的方式之一。
实体店中的商品种类、数量远远低于网店, 所以只有做到洞察大学生对商品种类、款式、样式的需求, 及时丰富商品种类、商品款式凭借良好的质量, 服务态度才能在网店快速发展的现在社会保持自己的发展与成长、才能应对网络购物的冲击。
参考文献
[1]《2015年中国网络购物市场研究报告》http://www.cnnic.cn/gywm/xwzx/rdxw/2016/201606/t20160622_54247.htm#
[2]CNNIC.陈晶晶:网民参与度57.7%, 双十一还能火爆多久?http://www.cnnic.cn/hlwfzyj/fxszl/fxswz/201511/t20151124_53073.htm#
[3]CNNIC.陈晶晶:网民参与度57.7%, 双十一还能火爆多久?http://www.cnnic.cn/hlwfzyj/fxszl/fxswz/201511/t20151124_53073.htm#
[4]程谟茹.浅析网络购物与传统零售业[J].黑龙江生态工程职业学院学报, 2009, 01:65-66.
[5]黄登福.传统零售业与网络零售业融合问题初探[J].现代商业, 2009, 26:11.
[6]李琳娜.电商冲击下传统零售业发展展望[J].现代商业, 2015, 15:32-33.
[7]方强, 项莹.我国传统零售业连锁经营的现状、问题及对策[J].中国市场, 2012, 48:30-32.
[8]何慧.网络零售业与传统零售业的比较分析[J].时代金融, 2013, 18:297-298.
大学生的网购问题 第2篇
关键词：社会规范,消费行为,文化传统
一、背景
根据2016年中国互联网络信息中心发布的《中国互联网络发展状况统计报告》,截止2015年12月,中国90.1%的网民通过手机上网,网络购物的用户达41325万,较2014增长14.3%,且大多集中于年轻一代。因此选取大学生作为研究群体,且研究网购行为对于商家及消费者都很重要。商家可制定更有效的营销策略,消费者会反思消费行为后的动因,做出更理性的决策。
二、相关概念
(一)社会规范
社会规范有广义和狭义之分,本文社会规范指的是广义的社会规范,指整个社会群体遵守的道德准则,风俗习惯和价值标准等;社会规范对人们行为的影响往往是潜移默化的,包括消费者的消费行为。本文以大学生作为研究主体,研究从众心理,价值观和主流文化对消费行为的影响。
(二)社会价值观
社会价值观,即人们关于好坏,得失、善恶的价值立场、看法和选择。社会价值观是体现社会价值理念的复杂体系。田志龙,杨文和龙晓枫(2011)在《影响中国消费行为的社会规范及消费者的认知》中探讨了主流社会价值观对规范感知→规范认同→规范行为的影响作用,肯定了“保护环境、尊老爱幼”的传统价值观对消费者的规范作用。消费者认可与自己生活经历相契合的规范,并自愿按照规范的约束,比如消费者对于绿色环保,商家诚实守信以及社会责任等都有共同的倾向和认知:倾向购买绿色环保商品;购买公益商品以及对交易中不诚信行为深恶痛绝。
(三)从众心理
从众是指个体在社会群体的无形压力下,与多数人保持一致的社会心理现象。龙晓枫和田志龙(2010)在《影响消费者行为的规范理性》中指出消费者决策可能受到群体压力或者社会环境和道德规范约束;规范理性通过人们的内心信念和对社会群体压力的感知而形成心理约束作用。因此商家也会利用这种心理来进行谋利,像不良网店老板的刷单行为。
(四)社会主流文化
我国文化传统受儒家文化影响较深,我们的消费行为也受儒家文化潜移默化的影响。张梦霞(2005)在《个体购买行为的中西价值观动因比较研究》中指出在现代中国消费者的价值体系构架中,中国传统文化价值观演进结果和西方文化价值观渗透结果不容忽视。以儒道佛为代表的中国传统文化价值观较之西方文化价值观能够更有效地诠释中国消费者购买行为。中国文化中消费者对于家庭以及集体概念较为看重。
三.研究方法
基于先前研究,本文提出以下问题:
1:社会价值观是否影响大学生的网络购物行为
2:群体心理和从众心理是否影响大学生的网络购物行为
3:社会趋势是否影响大学生的网络购物行为
为了回答上述问题本研究采用问卷调查的方式,共收集到问卷103份,其中有效问卷92份。本次研究对象主体是大学生(90后)。本次参加网络问卷调查的研究对象性别分布均衡。学历分布及性别分布如下:
本研究的问卷采用利克特量表(Likert scale)的形式将答案设计为5级,1代表这种情况完全或几乎不适合我的情况,2这种情况通常不适合我的情况,3这种情况有时适合我的情况,4这种情况通常适合我的情况,5这种情况完全或几乎完全适合我的情况。
分析方法为将问题按照次序编码,整理原始数据,删除无效的问卷,用SPSS 19.0对数据进行分析。分析过程如下:(1)检验问卷的结构效度和信度;(2)用描述性统计量分析社会规范对以大学生为主体的消费者网络购物行为的影响;(3)从组间差异看不同群体对社会规范反应程度的差异。
四.数据分析与结论
(一)从结构效度和信度检验验证问卷的合理性
本研究采用因子分析的方法进行结构效度检验。首先检验KMO测度和Baartlett球体检验值,如表1所示。KMO的值越接近1.0表示本次研究的更适合因子分析。从表1中可知,KMO值为0.816(>0.7),Barlett球体检验显著水平为0.00,两个统计量都表明本次研究的数据适合因子分析。
为了检验问卷项目之间的一致性,对问卷进行了信度检验。如表3所示,信度分析汇总表陈列如下。本研究进行了两个方面的信度检验:每个维度上的检验和整个量表的检验。价值维度上的信度系数是0.902,社会趋势维度上的信度系数是0.770,量表整体信度系数是0.869,该问卷具有良好的信度,量表的项目具有一致性。
(二)从描述性变量看社会规范对消费者的影响
下图表4:各问题结果的描述性统计量。(1)每个社会规范要素的平均数值均接近或大于自然平均值,说明各要素在一定程度上影响到消费者的行为。Q6卖家的评价尤其受到大学生消费者的关注,消费者在做出消费决定时很大程度上受到他人评价等群体认识的影响。(2)从标准差和方差可以看出整个数据的离散趋势,每个问题数据的差距不大,说明社会规范影响的普遍性。这与前人理论相一致,消费者对社会规范感知程度越强,越容易受其影响(田志龙2011)。
3.从组间差异看不同群体对社会规范反应程度的差异
以上三个因素在已经工作和在校生之间有显著差异,说明随着生活阅历和生活经验的积累,消费者的认知能力会发生变化,可能会更加理性。在其他因素比如对家庭的重视,对购买节日礼物的认识则差异不大,体现了社会规范对以大学生会主体的消费者网络购物行为有广泛而均衡的影响。
五.结论和启示
研究发现,社会价值观,主流文化以及社会趋势都会影响消费者行为。本文的局限性在于:(1)问卷需要不断完善和修正;(2)问卷调查的学生群体相对集中于一二线城市,还需扩大研究群体,使研究更具客观性。(3)本文分析了人口学变量如性别差异对研究结果的影响,还需更进一步探讨受教育程度对研究结论的影响。
参考文献
[1]龙晓枫,田志龙.影响消费者行为的规范理性[J].湖南大学学报(社会科学版),2010,05:69-73.
[4]晏国祥,方征.论消费者行为研究范式的转向[J].外国经济与管理,2006,01:54-59.
[5]郑晶晶.问卷调查法研究综述[J].理论观察,2014,10:102-103.
[6]周洋.网上问卷调查在社科研究中的适用性刍议[J].咸宁学院学报,2010,04:174-175.
[7]周莉.网上市场调查问卷的设计效果[J].物流科技,2005,08:76-79.
雷人的网购 第3篇
时下, 网络购物已经褪去了自己神秘的面纱, 渐渐成为了一种家喻户晓“时髦”的购物方式。就跟你去农贸市场买鸡蛋、蕃茄、大白菜差不多, 你同样可以选择去淘宝网拍条裙子, 到携程网订张机票, 到当当网去买本书, 到亚马逊网买点零食、口香糖等等。如今的网络购物不再如四五年前那般遥不可及, 它就实实在在地发生在每一个消费者的身上。总而言之, 网购早就已经不是什么新鲜事儿了, 而新鲜的, 是网购中发生的那些事儿。
网购之风行现状
怪!店主靠差评蹿红
中国的网购市场从2007年起就开始呈“爆发式”增长, 而近两年更是延续了这种高增长的态势, 2009年估计网络交易规模将会突破五千亿元, 同比增速超过150%, 而网购用户也已经突破一亿, 近3.5成网民成为了网购人群。以上这些枯燥乏味的数字可能让你都头晕眼花, 我们也就暂且抛开不说。单从目前全国五花八门的网店说起, 它们贩卖了包括服装、箱包、鞋帽、玩具、礼品、工艺品、文体用品、饰品、珠宝、个人护理品、家居在内的无数商品。在网购中有句经典名言, “只有你想不到的东西, 没有你买不到的东西。”这话可一点儿不假, 就比如像台湾明星大S的人气面膜、纽约的时尚彩妆、普罗旺斯的薰衣草精油这些你艳羡已久, 可能走遍一百条大街都买不到的东西, 有时只需坐在沙发上动动手指就能获得, 轻易免去你去商场挑选的劳累与奔波。而网购也正是凭着商品的种类繁多, 东西的稀奇古怪, 购物的方便快捷, 以一种全新而迅猛的姿态成为了商品链中不可或缺的一员。
网购广泛流行, 除了在网上交易方便之外, 由网购衍生出来的文化现象也不可小视。宅男宅女依靠网购之间的交流, 获得了物品的同时, 也体会一种精神安慰。有一个有趣的段子, 是说一个无聊的卖家, 总是在卖东西之余, 喜欢和买家吹历史。有一天, 卖家又吹上了:“皇太极之死史书上说是暴死, 但野史一般认为是暗杀!”买家:“哦, 又跑哪里去了?!”卖家:“等你发表意见呢。”买家:“没有意见!又不是我干的!”
在淘宝开网店的人都害怕买家给予卖家差的评价, 而现在却有一位店主却依靠差评而迅速蹿红。这位自称“胡公子”的店主, 是个80后, 开了一家网店, 销售经营家居用品, 销售几元到几十元的收纳盒、闹钟、靠垫等。有次他卖了一双拖鞋, 却被买家给了个中评, “胡公子”觉得很委屈, 从此, 对给予中差评的买家展开了彪悍且辛辣的语言回击, 却反而引来了网民的顶礼膜拜, 每天有大约6000名网民从各个论坛中结伴前去“观光”, 网店生意也是越来越火。
因为胡公子的文风犀利幽默, 文字内容天文地理无所不包, 阿娇、刘德华、奥特曼等也先后出现在其评语中。迷倒了一干粉丝。现在有人每天都去故意给他差评, 目的就是引“胡公子”回复。有小女生更是直接留言称“要和胡公子交朋友”, 吓得“胡公子”赶紧回复:不要迷恋哥, 哥只是一个传说。这算是网购文化的最好玩的一个体现。
网购之千奇百怪
惊!网上卖“皮笑肉不笑”
网购发展10年来, 在网上拍卖过的物品可谓是琳琅满目, 无奇不有。甚至有些拍卖品让人匪夷所思, 闻之莞尔。从最初的拍卖澳大利亚著名网球选手拉夫特的马尾辫, 到后来一个北欧男子做生意失败后, 以39.93万欧元的价格售出了自己的性命, 甚至还有一个美国男子卖掉了他的工作、6个笑话、朋友以及潜在的恋人, 总计获得了7500美元这样的事情。
在中国的网购史上, 此类稀奇古怪的拍卖也是层出不穷, 卖时间、卖青春、卖生命等等, 在这个创意爆炸的时代都已经算不上稀奇。近日, 一奇女子在网上专职卖“吻”, 此“吻”是将用口红涂满嘴唇后再印在纸上出售, 由于该店主实在漂亮, 并且用图片展示了整个“吻”制作的全过程, 一时间这“香吻”竟是供不应求。
无独有偶, 另一奇男子可能见“香吻”如此热销, 居然在网上卖起了笑, 与美女不同的是, 此男子长相异常丑陋, 卖笑的内容包括了微笑、苦笑、皮笑肉不笑、含情脉脉的笑、回眸一笑、害羞的笑、傻笑等等。不过可能大家一时间不能接受他的尊容, 迄今为止, 他仅售出“傻笑”一件。众多网友对各种各样的拍卖创意和勇气都是十分佩服, 大家不由集体感慨道:他卖的不是商品, 而是“霹雳”。
网购之林林总总
叹!语不惊人“死”不休
随着网络购物的日益兴盛, 许多新兴的族群、新兴的职业都一一应运而生, 其中更是有不少职业让人眼前一亮, 这些新兴的人群对自己的职业也有着非同一般的理解。
NO.1网模:胸平腿长才是王道
“网模”是近年来随着网店的风靡, 在网上流行的新兴职业。摄影师将她们穿戴不同服饰的样子拍成照片后, 上传到网站上充当商品的“实物图”。90后的小甜甜就是这样一个网模, 据她透露:“网模的收费大多按小时计算, 一般拍一次是半天, 大约两三个小时, 收费从几百到几千元不等。”据了解, 网模与T台模特非常不一样, 这儿不是高个子和“人间胸器”们的天堂, 个子太高, 胸部太大都是当网模的“死穴”。因为普通的衣饰当然要穿得清瘦些, 娇小些才会好看。不过, 也不是谁都去当网模, 小甜甜介绍道:“当然身材比例要黄金, 腿越长要价可以越高。”用小甜他们的行内的话来说即是:“不要你前凸, 也不要你后翘, 胸平腿长才是王道。”
NO.2网砍:一句话切中卖家“要害”
网络购物走俏, 被称之为“精明眼”的网上砍价师自然也受到极大的欢迎。网络砍价师的业务范围不可谓不广, 从房地产到衣物饰品, 再到家居彩电, 几乎渗透到了网络购物的方方面面。据了解, 近期在部分大型购物论坛上涌现出了一批以“砍价”为乐的“砍价师”。他们一开始只是在论坛内帮助网友们解决在网购中价格不公、如何鉴别产品等问题, 为一些网友热心地提供意见。慢慢地, 随着他们对各地方商品价格、市场规律的了解, 也就渐渐形成了一种全新的职业——网砍族。这类人往往有一个特点, 就是一句话就能切中卖家的“要害”, 迫使其降价。此职业纯系自发形成的。他们的行内雷人语录是:“砍价就和砍人是一个道理, 你得好好琢磨如何才能一刀就把人砍死!”
NO.3试衣族:商场只是试衣间
这服装啊, 你得穿在身上才知道合不合身, 这一点一直以来都是制约人们在网上购买服装的重要“关卡”。但就在2009年初, 随着一种新兴的族群渐渐庞大起来, 网购衣服的合身问题也迎刃而解。这个族群的人成天都出没在各大商场的服装专柜上, 但他们从来也不买一件衣服, 商场对他们而言, 不过只是一个试衣间罢了。他们在商场专柜进行试穿、然后抄货号, 回家后再到购物网上去比价、下单。他们也因此得意地把自己封为“试衣族”, 有的网站上也称他们为“试衣机”。
网购之笑死人不偿命
1、买主千奇百怪, 卖主相当无奈
a、商品名称:床单
买家:朋友660包邮寄吧!
卖家:咬牙ing……
买家:汗!你咬下来了吗?
卖家:没有, 最低都要680, 我不能干亏本生意啊!
买家:这样啊, 那你使劲儿再咬咬!
b、商品名称:睡眠面膜 (附带抽奖)
差评详情:你的抽奖卡怎么刮过了啊, 刮过了就说明东西是二手货啊, 有奖你就自己要了, 没奖就给我, 是吧?那你还把刮过卡片放里面, 这是什么智商, 骗人都不会。
卖主解释:这, 这, 这是个误会, 应该是我儿子干的, 等他放学回来我揍他一顿给您消消气儿!
c、商品名称:水晶球
差评详情:球球挺好, 照片上的底坐为啥不给我?
卖主解释:冤枉啊!那是我老公的烟灰缸。
2、差评原因非常变态, 卖主只好更加变态
a、商品名称:除痣灵水
差评详情:老板的服务是不错, 可是退再多的钱, 也换不回来我的损失, 到现在鼻子上还留了个坑!
卖主解释:退钱了还给差评, 这个坑留对了, 因为你真是坑人。
b、商品名称:多色超好围巾
差评详情:这家卖的全是假货, 骗人的!
卖主解释:这是我前妻报复, 大家不用理她, 一个疯女人。
c、商品名称:老汤五香牛肉干
差评详情:慢的是快递, 次的是质量, 没的是服务, 伤的是人心。
一种基于眼动的网购商品推荐方法 第4篇
随着互联网、物联网等通信技术的迅速发展,导致电子商务网站的信息量以指数级的速度增长,日益加重的信息过载问题严重困扰了在线购物的消费者。为了让消费者在海量的商品信息中快速找到自己所需商品,电子商务推荐系统被认为是解决信息过载问题的一种有效手段[1]。几乎所有的大型电子商务网站,如Amazon、淘宝、当当等,都不同程度地使用了各种形式的商品推荐方法。目前,商品推荐方法研究主要基于协同过滤或关联规则方面展开,或者两种以上推荐方法相互结合[2]。这些方法主要利用用户在线调查和商品评价等信息来获取商品的评分,属于一种基于显式评分数据驱动的方法。如果某个用户没有对任何商品进行评分,推荐系统就无法准确地给用户推荐商品,同样如果某个商品没有被用户评分过,推荐系统也无法将该商品推荐给潜在用户。显然,显式评分方法容易导致电子商务推荐系统的“冷启动”问题。
与显式评分相比,隐式评分通过记录用户在线浏览行为等因素,分析出用户对商品的隐式评价,成为一种解决“冷启动”问题的有效方法[3]。然而,传统的隐式评分信息,如点击流量、滚动次数和退出行为等,无法准确且完整地描述消费者购买意图,使得推荐给消费者所需商品的准确率并不高[4]。因此,需要一种新颖的隐式信息来补充或者完善现有评分信息的不足。
众所周知,眼睛是心灵的窗口,是人们获取外界信息的重要渠道,而且人类对于信息加工和处理在很大程度上也依赖于视觉[5]。近年来,相关学者已经开始研究用户在信息搜索过程中的眼动行为,分析探讨视觉注意行为与兴趣意图之间的内在联系[6]。Maglio等[7]收集用户浏览网页的眼动信息来推测用户当前状态,分析和判断用户是在认真阅读还是随意浏览。如果判定为认真阅读状态,网页将会推荐更多与主题相关的信息。Ajanki等[4]收集用户搜索感兴趣文章的眼动信息,结合支持向量机方法对文章样本进行学习和分类。实验结果表明,基于眼动反馈的信息推荐方法能够有效地将文章推荐给所需用户。但是,这些基于眼动反馈的信息推荐研究主要集中在文本信息领域,缺乏对图像信息推荐的研究,这是由于阅读文本活动中认知加工与眼动行为关系的研究已有百年历史,阅读过程中眼动控制理论、模型和方法的研究也比较成熟。
本文结合眼动反馈的文本信息推荐方法作为理论基础,提出一种基于眼动的网购商品推荐方法,将消费者所需商品排在推荐结果前列,不仅能提高消费者在线购物的满意度,而且增加了互联网商家的销售收入[8]。该方法首先使用眼动信息对场景界面的商品进行隐式评分,其次提取商品图像的底层视觉特征,如颜色、纹理,最后利用排序支持向量机方法构建商品图像的底层视觉特征与眼动隐式评分之间的重排序模型。在此基础上,设计和完成相关眼动实验,利用每一张实验场景图上的眼动评分信息和商品对象的底层视觉特征,完成对所有商品对象的重排序,从而分析和评价本文所提推荐方法的准确性和有效性。
2 眼动的隐式评分描述
消费者通过视觉获取商品图像信息,但并不是所有商品图像信息都是消费者需要的,视觉会更关注消费者所感兴趣的商品对象,这表明眼动信息隐含了消费者对商品对象感兴趣程度的评价信息。本文直接将人眼观察场景时的注视点作为感兴趣点,使用视觉注意程度来描述消费者个体对场景界面上注视点的关注度。假设一个随机变量XO代表场景界面上的O点,XO具有二重属性(0或1)。如果眼睛注视到O点,则XO=1,否则XO=0。设DO表示为个体对O点的注视时间,DT表示为个体对整个场景界面的注视时间,则注视点O的注意程度表示为[9]:
设xi∈Rπ(i=1,2,…,n)是眼动实验获取的一组注视点,Λ={C1,C2,…,Cl}表示为场景界面对象的区域,l=|Λ|表示为场景界面对象的个数,那么个体对场景界面对象Ci的视觉注意程度表示为:
其中,m表示划分到场景界面对象Cj中注视点的个数;Axi→Cj表示划分到场景界面对象Cj中注视点xi的注意程度。
因此,根据式(2)可以求得个体对场景界面对象注意程度的一维矩阵为A=[AC1,AC2,…,ACl],该矩阵描述了个体对场景界面对象的隐式评分信息,体现了个体对场景界面对象意图需求的高层语义。
3 商品的特征属性描述
传统商品推荐方法仅仅采用本文信息来描述商品属性,这难以准确地说明商品的完整特征,使得消费者可能感兴趣的商品往往缺少具体的标注信息,如T恤是圆领口还是V领口,皮鞋是圆头还是尖头,只能通过浏览这些商品图像才能获得相关信息[10]。实际上,与文本信息描述相比,商品图像不仅更能直观且丰富地描述商品的特征属性,而且商品图像的颜色、纹理、形状等底层视觉特征对消费者在线购买行为产生了巨大的影响[11]。因此,本文提取商品图像的底层视觉特征,如HSV颜色空间特征、灰度共生矩阵纹理特征和LBP纹理特征,用来描述商品的特征属性,并形成高维度的底层视觉特征向量[12]。
3.1 颜色特征
不同于RGB颜色空间,HSV颜色空间是基于人的视觉特征提出的,很容易被人所接受。它通过色相(H)、饱和度(S)和明度(V)这三个分量色彩进行描述,而这三个值是由RGB色阶值来定义,具体的转换公式如下:
对H、S、V这三个分量进行非等间隔的量化,把H空间分成八块,S和V空间分别分成三块,再把三个颜色分量加权求和得到特征值l,使得l的取值范围为[0,71],也就是说l是一个1×72维的直方图,这样有效避免了原本H、S、V三个分量跨度很大而造成的“维数灾难”。
3.2 纹理特征
(1)灰度共生矩阵纹理特征
灰度共生矩阵(GLCM)认为由于在空间位置上反复出现相同的灰度值而形成纹理,可以通过对在灰度图像空间中,相隔固定距离和角度的两点像素关系的研究,从而对图像的纹理特征进行探究。为了更加简单直观的对商品图像的纹理特征进行描述,本文使用灰度共生矩阵计算出一些能反映纹理特征值,如相关性、对比度、能量和齐次性,分别记为C1、C2、E和H,计算公式如下:
其中,。
(2)LBP纹理特征
LBP是一种基于灰度描述图像纹理特征的不相关算子,它通过对图像任意一点与其周围点的灰度值大小关系来表征图像的局部纹理特征。假设g。为中心像素点,将该点的灰度值设为阈值,将它与其相邻半径R上等间隔的P个像素灰度值进行对比,如果大于中心灰度值的像素点标记为1,否则标记为0,这样对gu从右侧开始顺时针记录,进而得到一组二进制序列,使得该序列能够反映中心像素点的二值模式,求取LBP值的计算公式如下:
,其中如果P=8,R=1,那么LBP值的范围为[0,255],因此LBP的灰度直方图维数为256。为了降低运算规模,本文采用均匀模式的LBP,将灰度直方图的维数从256维降到59维,这样得到的特征向量维数更少,可以有效地减少高频噪声带来的负面影响。
4 Ranking SVM的重排序
推荐结果重排序可以有效地将受“冷落”的商品得到推荐,满足不同消费者多样化的推荐需求[13]。其中,Ranking SVM是解决排序学习问题的一种经典算法,其核心思想就是把样本数据的排序问题,转化为基于有序数据对的两分类问题,并且使用SVM进行求解[14]。设训练集合构造有序数据对集合,其中表示为属于推荐目标的样本结果。如果比更相关,则,反之。实际上,排序学习需要找到排序函数f,使得f(tik)和f(tv)的大小关系与和的顺序关系是一致的,即:
设线性排序函数f表示为:
其中w表示为权重向量,<·,·>表示为向量的内积,把式(12)带入(11)可得:
根据式(13)将的关系描述成一个新的向量.因此,可以将任意一个数据对之间的关系,转换成一个新的向量,使得原来数据集Z改为新的数据集合,则Ranking SVM目标函数和约束条件如下:
根据式(14)求得最优权重向量w*,则线性排序函数为:
因此，使用Ranking SVM方法构建重排序模型时,首先将眼动评分信息和商品特征属性作为基础,构建新的数据集合,然后利用式(14)求解最优分类函数,最后使用式(15)对所有商品样本进行重排序。
5 实证研究
5.1 实验设计
实验模拟电子商务网站的原始商品推荐结果界面,一共设计了4类实验场景,每一类实验场景由10张场景图组成。假设被试者感兴趣的场景对象为搜索任务的目标对象,不感兴趣的场景对象就不是搜索任务的目标对象,要求每位被试者分别完成对耳机、钢琴、中音号和椅子这4类实验场景的搜索任务。当被试者进入某个实验场景图时,按照提示要求搜索3个同类目标商品,如3个耳机,搜索完成后按键盘任意键确认,然后进入新的实验场景图开始下一个搜索任务,直到被试者完成所有实验场景的搜索任务时,本次实验结束。
5.2 被试者
实验总共邀请了10名被试者(男生6人,女生4人),均为南京大学的本科或硕士研究生,年龄在21～25岁,裸眼视力或矫正视力均在5.0以上,色觉正常,无色盲和色弱等眼疾患者。
5.3 实验设备
实验使用加拿大SR Research公司生产的EyeLink1000非侵入式眼动仪,采样频率为1000Hz,在Monocular模式下进行单眼测试。
5.4 实验素材
本文以国际上通用的Caltech101数据库作为实验素材基础,从中挑选出7类样本图片,分别为钢琴、耳机、中音号、椅子、相机、笔记本和电风扇,抽取每一类样本图片40张,组成一个280张的商品图片库。依据实验设计目的和要求,每张实验场景图由9个商品图片组成,其中每张场景图包含3张同类别的商品图片,而这3张同类别商品图片为被试者需要查找的目标商品,即为实验场景的搜索任务,其余6张商品图片来自其他3类样本图片,分别为相机、笔记本和电风扇的图片,且从每一类随机抽取2张。为了更清楚和方便的进行分析和说明,调整样本图片的格式及大小,拼接成768×768像素的实验场景图,并将样本图片作为实验场景对象来划分兴趣区[15],从左到右,从上到下依次编号为C1、C2、…、C9,其中图1为一张搜索耳机任务的实验场景图。
5.5 实验结果
(1)注视点的描述
图2显示了10名被试者在实验场景图1上注视点的分布情况,其中X、Y轴表示为注视点所对应的像素坐标。图3显示了10名被试者在实验场景图1上注视点的注意程度三维图,其中X、Y轴表示为注视点所对应的像素坐标,Z轴表示为利用式(1)得到所有注视点的注意程度。
(2)眼动信息的分析
依据注视点分布和注意程度的结果,利用式(2)得到被试者个体的眼动评分结果。图4描述了某位被试者在完成图1搜索任务的眼动评分结果,从C1、C2、…、C9的视觉注意程度依次为0、0.3035、0.1986、0、0.1538、0、0、0.1483和0.1958,说明该被试者对C2、C3、C5、C8和C9都有所关注,其中C3、C5和C9是就是被试者需要搜索的目标对象,这体现了眼动评分信息与被试者个体搜索意图具有较高的内在联系。
针对每一张实验场景图的眼动信息,计算所有被试者对场景对象视觉注意程度的平均值,从而得到每一张实验场景图的平均眼动评分结果。图5描述了10名被试者在完成图1搜索任务的平均眼动评分结果,从C1、C2、…、C9的视觉注意程度依次为0.0060、0.1134、0.2103、0.0129、0.2227、0.0520、0.0034、0.0791、0.3002,表明被试者对场景对象的注意程度具有一定倾向性,其中注意程度最高的前3个对象分别为C9、C5和C3,并且这3个对象就是被试者需要在图1中搜索的目标对象。进一步研究发现,在40个平均眼动评分结果中,有35个注意程度最高的前3个对象就是搜索任务的目标对象,这表明87.5%的平均眼动评分结果与搜索意图具有一致性。因此,本文以每个实验场景图的平均眼动评分结果作为基础,将注意程度最高的前3个对象作为用户意图所需商品,其余6个对象表示为用户不感兴趣商品,把这个标准看作是眼动信息对商品样本重排序的分类标准。
(3)性能评价
本文设计了4类实验场景,每一类实验场景由10张场景图组成,一共40张实验场景图,要求根据每一张场景图的平均眼动评分结果和商品图片的底层视觉特征,依次对280张商品图片进行重排序。
为了客观评价每一类实验场景的推荐结果,将每一张实验场景图的准确率作为基础[16],采用平均准确率(R)作为评价重排序结果优劣程度的指标,R表示为在某类场景实验中平均前N个重排序结果包含P个正确结果的占比,平均准确率的计算公式如下:
其中,C表示为每一类实验场景图的总数,Pi表示为第i张实验场景图实现正确推荐商品的个数,Ni表示为推荐商品的个数。
利用每一类实验场景的平均准确率指标,对4类实验场景的重排序结果进行对比,研究3种底层视觉特征组合(HSV&GLCM&LBP、HSV&LBP、HSV&GLCM)对重排序结果的影响。图6、图7、图8、图9显示了4类实验场景的平均推荐准确率,横坐标表示为推荐商品的个数,纵坐标表示为采用3种特征组合实现正确推荐的平均准确率。从图6、图7、图8、图9可以看出,耳机和椅子实验场景的平均准确率曲线具有相似性,提取不同底层视觉特征组合对推荐结果准确性存在较为明显的差异,以重排序结果优劣程度为标准,依次为HSV&GLCM&LBP、HSV&LBP、HSV&GLCM,其中HSV&GLCM&LBP组合对耳机和椅子实验场景的重排序效果最好。然而,3种底层视觉特征组合对钢琴和中音号实验场景的重排序结果影响却不大,中音号实验场景重排序结果的优劣程度依次为HSV&GLCM&LBP、HSV&LBP、HSV&GLCM,其中HSV&GLCM&LBP组合对中音号实验场景的重排序效果最好,这与耳机和椅子实验场景的最优特征组合完全一致。虽然钢琴实验场景的最优底层视觉特征组合是HSV&LBP,但是HSV&GLCM&LBP与HSV&LBP组合对钢琴实验场景的重排序效果差异并不大。因此,HSV&GLCM&LBP组合整体上要优于其他特征组合对商品样本重排序效果,并且对不同类别商品样本的重排序效果具有较好的普适性。
针对3种底层视觉特征组合的重排序结果,计算4类实验场景中3种组合的平均准确率,作为4类实验场景的总体推荐结果准确率。图10显示了4类实验场景的总体准确率，优劣程度依次为耳机、椅子、钢琴和中音号,尤其是耳机、椅子和钢琴实验场景的整体重排序效果比较相似,而且推荐结果的准确率较好。虽然中音号实验场景比其他3个实验场景的重排序效果要差,但是推荐结果的准确率并不低。因此,本文所提推荐方法可以有效地对原始的推荐结果进行重排序,将消费者意图需求的商品对象排在推荐结果的前列,减少消费者寻找所需商品的认知负担和购物时间。
6 总结