论文部分内容阅读
随着搜索引擎的广泛使用,消费者获取信息的来源逐渐从报纸、杂志、广播、电视等传统媒体和实体店转向互联网搜索渠道。搜索引擎记录了用户的捜索行为,网络捜索数据反映了用户对事件的关注度,网络捜索数据凭借低成本、及时性为各行各业的预测提供了很多帮助,己经被广泛地运用于社会经济行为的预测之中。网络搜索行为是一个衡量消费者购买意愿的指标,能够用于购买行为的预测。尽管信息搜索一直被看作消费者决策过程当中的重要一环,但是有关在线搜索与线下交易之间关系的实证研究有限。基于此,本研究以消费者在信息搜集和购买决策过程中留下的真实数据为研究基础,以我国汽车市场为背景,探究在线搜索与线下交易之间的关系。首先,确定网络搜索数据的关键词,主要运用了文本挖掘技术,具体而言:(1)对抓取的汽车论坛文本进行Jieba分词;(2)利用Word2vec模型把分词结果转化为向量空间模型形式;(3)结合TF-IDF算法和余弦相似度算法确定关键词。然后,基于108个月的长面板数据,建立网络搜索与汽车销量的固定效应模型。此外,为探究在线口碑对汽车销量的作用效果,本研究在原模型的基础上引入评论数量和评论分数两个变量,检验网络搜索、在线口碑与中国汽车销量三者之间的作用关系。保留样本分析表明,当在线口碑信息无法获得时,网络搜索数据可以对中国汽车销量的预测起到重要作用。最后通过面板向量自回归模型(PVAR),采取滚动窗口的方式,利用网络搜索数据验证了2015年12个月的汽车销量。实证结果表明:(1)网络搜索与汽车销量之间存在长期均衡关系,回归模型可以解释76%的方差;(2)在线评论数量、在线评论分数与汽车销量呈显著的正相关关系;(3)在线口碑数据未能对基于网络搜索数据的销量预测模型起到显著作用效果;(4)基于网络搜索数据的预测模型表现出良好的预测精度,可以用提前1个月或2个月的网络搜索数据,来对我国汽车销量做预测。本研究丰富了网络搜索、在线口碑、汽车营销等相关方面的理论研究,有利于汽车企业制定相关营销策略,另外本研究的关键词获取流程也为基于网络搜索数据的其他领域研究提供了参考。