基于ICA K-Means的產(chǎn)品口碑演化聚類與營(yíng)銷分析

李　紅，潘　娜

(北京航空航天大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083)

?

基于ICA K-Means的產(chǎn)品口碑演化聚類與營(yíng)銷分析

李紅，潘娜

(北京航空航天大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083)

對(duì)于產(chǎn)品而言，其在線口碑的活躍度是非常具有代表性的一個(gè)指標(biāo)。在線口碑活躍度的高低，直接揭示產(chǎn)品的生命周期演化模式，對(duì)于產(chǎn)品生命周期有全面的了解有助于決策者制定營(yíng)銷計(jì)劃以及戰(zhàn)略。但由于產(chǎn)品在線評(píng)論的高維性和復(fù)雜性，使得其聚類的難度加大。所以，在普通的K均值算法的基礎(chǔ)上引入獨(dú)立成份分析，對(duì)異類產(chǎn)品之間或同類產(chǎn)品在線口碑的活躍度之間進(jìn)行聚類分析，可以大大降低復(fù)雜性和提升聚類準(zhǔn)確性；同時(shí)深入分析提取出的產(chǎn)品生命周期曲線，有效提升在線口碑信息在電子商務(wù)營(yíng)銷管理與決策支持中的作用，深化在線口碑活躍度的管理學(xué)視角研究。

在線評(píng)論；時(shí)間序列聚類；K均值；獨(dú)立成分分析；產(chǎn)品生命周期

一、引言

隨著互聯(lián)網(wǎng)絡(luò)在全球范圍內(nèi)的飛速發(fā)展，人們發(fā)布和獲取信息的方式發(fā)生了翻天覆地的變化，網(wǎng)絡(luò)被認(rèn)為是繼報(bào)紙、廣播、電視之后的“第四媒體”。Web2.0的出現(xiàn)更是為普通用戶自由發(fā)表觀點(diǎn)和看法提供了全新的平臺(tái)。消費(fèi)者越發(fā)頻繁地通過各種意見反饋系統(tǒng)發(fā)表其產(chǎn)品使用體驗(yàn)，形成了新形式的產(chǎn)品口碑信息。網(wǎng)絡(luò)調(diào)查顯示44%的受訪者在Web平臺(tái)上發(fā)表過自己的觀點(diǎn)；而另一項(xiàng)調(diào)查顯示82%的受訪者在購(gòu)買產(chǎn)品或服務(wù)時(shí)會(huì)參考網(wǎng)上評(píng)論信息。[1]

產(chǎn)品在線評(píng)論承載了消費(fèi)者最直接的產(chǎn)品體驗(yàn)，是一個(gè)龐大而且信息豐富的數(shù)據(jù)集，蘊(yùn)含了大量的管理和決策支持信息，是最具影響力的信息資源之一。其價(jià)值可以從消費(fèi)者和商家兩方面來分析：①對(duì)于消費(fèi)者而言：首先，由于產(chǎn)品在線評(píng)論是一種無偏的產(chǎn)品信息，消費(fèi)者對(duì)它的可信度大大高于商家的促銷信息，所以產(chǎn)品口碑對(duì)潛在客戶的購(gòu)買決策有指導(dǎo)作用；其次，這種口碑信息使消費(fèi)者能夠以更積極的態(tài)度影響產(chǎn)品的銷量和價(jià)格,形成良性循環(huán)。②對(duì)于商家來說，合理有效地分析產(chǎn)品口碑?dāng)?shù)據(jù)集可以觀測(cè)到用戶在不同產(chǎn)品周期(導(dǎo)入—成長(zhǎng)—成熟—衰退)的關(guān)注熱點(diǎn)，從而為產(chǎn)品的導(dǎo)入、營(yíng)銷和持續(xù)改進(jìn)提供決策支持信息，這是一種比傳統(tǒng)市場(chǎng)調(diào)研更經(jīng)濟(jì)和快捷的方式。

聚類就是將數(shù)據(jù)對(duì)象分為多個(gè)類，達(dá)到同類中的對(duì)象具有較高的相似度，不同簇中對(duì)象差別較大的效果。在許多應(yīng)用中，可以將一個(gè)簇中的數(shù)據(jù)對(duì)象作為一個(gè)整體來對(duì)待。聚類在模式識(shí)別、圖像處理、數(shù)據(jù)分析以及市場(chǎng)研究等領(lǐng)域有廣泛的應(yīng)用。

獨(dú)立成分分析(ICA是信號(hào)處理領(lǐng)域在20世紀(jì)90年代發(fā)展起來的一種新的統(tǒng)計(jì)方法[2],自從1998年Back和Weigend將ICA的研究推廣到金融領(lǐng)域后,ICA方法用在高維時(shí)間序列方面的研究便得到了廣泛的關(guān)注[3]。在許多領(lǐng)域，ICA逐漸顯示出重要的應(yīng)用價(jià)值。盡管其在國(guó)外發(fā)展的較早，也較快，而在中國(guó)國(guó)內(nèi)則剛剛興起，但國(guó)內(nèi)對(duì)其的關(guān)注程度也在逐漸提高，對(duì)其的研究也取得了一些有意義的結(jié)果。但是，ICA的研究中還存在著許多問題，有待于進(jìn)一步的研究和發(fā)展。

基于以上分析，筆者提出了“基于ICA的產(chǎn)品在線口碑活躍度的時(shí)間聚類分析”，通過縱向視角的口碑活躍度演化研究：一方面，在理論上可以豐富在線評(píng)論挖掘和利用的管理學(xué)研究視角，為將在線口碑活躍度信息引入營(yíng)銷管理與決策提供理論模型和技術(shù)方案，并力爭(zhēng)達(dá)到國(guó)際領(lǐng)先水平；另一方面，在應(yīng)用上本項(xiàng)目的研究成果可應(yīng)用于在線交易平臺(tái)的產(chǎn)品比較和產(chǎn)品推薦，以及產(chǎn)品供應(yīng)商的市場(chǎng)分析和營(yíng)銷策略制定，有效提升企業(yè)的在線口碑營(yíng)銷管理能力。

二、高維時(shí)間序列數(shù)據(jù)的聚類算法ICA K-Means

(一)ICA及Fast ICA算法實(shí)現(xiàn)

1.ICA概述

盲源分離指的是在源信號(hào)和傳輸通道參數(shù)未知的情況下,僅由觀測(cè)到的源信號(hào)的各個(gè)獨(dú)立成分分析的過程。ICA作為盲源分離中最有效的一種方法,它的目的就是分解觀察出來的數(shù)據(jù),使分解出來的成分盡量相互獨(dú)立。[4]ICA假設(shè)存在n個(gè)相互統(tǒng)計(jì)獨(dú)立的源信號(hào)

S(t)=[S1(t),S2(t),…,Sn(t)]

(1)

其中：T是源信號(hào)各分量的線性混合,即

X(t)=AS(t)

(2)

其中: A∈Rn×n為未知非奇異混合矩陣。ICA的實(shí)質(zhì)是在無先驗(yàn)知識(shí)的前提下尋求分離

W=(wT1，wT2,…,wTn)

(3)

其中: T∈Rn×n。

進(jìn)而得到

Y(t)=WX(t)

(4)

其中:

Y(t)=[Y1(t),Y2(t),…,Yn(t)]T

(5)

且使得y(t)中的各分量盡量相互統(tǒng)計(jì)獨(dú)立,從而獲得獨(dú)立的估計(jì),即

Y(t)=＾S(t)

(6)

所以它可以深層次地挖掘出隱藏在現(xiàn)象背后的原因。

由于獨(dú)立成分正是隱藏在現(xiàn)象背后深層次的公共因素,故可以認(rèn)為其混合矩陣中的權(quán)重代表了序列的特征。[5]為了減少計(jì)算的開銷，文章利用對(duì)權(quán)重的聚類來代替對(duì)原始時(shí)間序列數(shù)據(jù)的聚類。

2.Fast ICA算法

Fast ICA算法是由芬蘭赫爾辛基工業(yè)大學(xué)計(jì)算機(jī)與信息科學(xué)實(shí)驗(yàn)室的Hyvarinen及其合作者提出來，又稱固定點(diǎn)算法，該算法不需要設(shè)置學(xué)習(xí)速率，采用了定點(diǎn)迭代的優(yōu)化算法，使得收斂快并且穩(wěn)健，是ICA算法中最典型的算法之一。[6]

Fast ICA算法基于非高斯性最大化原理，使用固定點(diǎn)(fixed-point)迭代理論尋找W^T x的非高斯性最大值，該算法采用牛頓迭代算法對(duì)觀測(cè)變量x的大量采樣點(diǎn)進(jìn)行批處理，每次從觀測(cè)信號(hào)中分離出一個(gè)獨(dú)立分量，是獨(dú)立分量分析的一種快速算法。該算法的非高斯性度量函數(shù)為

J(y)[E{G(y)}-E{G(v)}]2

(7)

為了減少算法需要估計(jì)的參數(shù)，簡(jiǎn)化算法的計(jì)算，在運(yùn)行Fast ICA算法之前往往需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理過程，即去均值和白化過程。

3.利用Fast ICA獲取混合矩陣流程

為了使對(duì)龐大的原始數(shù)據(jù)的聚類更加簡(jiǎn)便,首先要對(duì)原始數(shù)據(jù)進(jìn)行Fast ICA分析。分析得到的混合矩陣較原始數(shù)據(jù)實(shí)現(xiàn)了降維降噪，并完整地保留了重要的特征。

其步驟如下：

步驟1.中心化和白化觀測(cè)數(shù)據(jù)x(t),得到z(t)。

步驟2.給定Wi∈Rn,i=1,2,…,n的初值,使其范數(shù)為1,如步驟4正交化矩陣W。

步驟3.對(duì)每個(gè)i=1,2,…,n,

(8)

其中：g為根據(jù)數(shù)據(jù)的高斯性選非線性函數(shù)。

步驟4.對(duì)稱正交化矩陣W

(9)

步驟5.如果不收斂,返回步驟3[7]。

(二)時(shí)間序列數(shù)據(jù)聚類ICA K-Means算法設(shè)計(jì)

針對(duì)高維時(shí)序數(shù)據(jù)特征，文章提出了一種基于ICA的K均值聚類方法——ICA K-means。

1.ICA K-Means算法的基本思想

普通的K-均值聚類用于時(shí)間序列聚類時(shí)，由于數(shù)據(jù)維度大，會(huì)產(chǎn)生較大的開銷，也會(huì)使效率偏低，造成聚類效果不好等。 所以為避免用K-均值算法對(duì)時(shí)間序列進(jìn)行聚類的這一缺陷，可以先利用ICA方法首先提取靜態(tài)特征數(shù)據(jù),然后利用K-均值算法對(duì)所提取的靜態(tài)特征數(shù)據(jù)進(jìn)行聚類,從而完成了對(duì)原始時(shí)間序列數(shù)據(jù)的聚類,由此便得到了一種新的基于ICA的時(shí)間序列聚類方法。ICA K-Means算法流程如圖1所示。

2.ICA K-Means算法的流程

3.ICA K-Means算法的具體實(shí)現(xiàn)

ICA K-Means算法由兩步實(shí)現(xiàn)：

步驟1.實(shí)現(xiàn)獨(dú)立成分分析，提取特征矩陣。

輸入的數(shù)據(jù)集為樣本矩陣，采用Matlab7.1仿真軟件，利用fastICA2.5工具箱對(duì)樣本進(jìn)行ICA分析。將提取的特征矩陣存入access數(shù)據(jù)庫(kù)。

步驟2.利用java語(yǔ)言編寫的程序，對(duì)特征矩陣進(jìn)行K-均值聚類。

步驟1得到的特征矩陣作為輸入，采用在eclipse編寫的實(shí)現(xiàn)K-均值算法的程序來完成這一步，得到聚類結(jié)果。

三、 基于ICA K-Means算法的產(chǎn)品口碑演化聚類

(一)信息反饋平臺(tái)的選擇介紹

對(duì)比分析亞馬遜、淘寶和京東商城這三大零售網(wǎng)站。從網(wǎng)站知名度、網(wǎng)站響應(yīng)速度、網(wǎng)站評(píng)論活躍度、網(wǎng)站會(huì)員評(píng)論可信度和網(wǎng)站信譽(yù)度5個(gè)方面進(jìn)行綜合比較，以重要程度為標(biāo)準(zhǔn)每個(gè)屬性賦予一個(gè)權(quán)值，用專家評(píng)分法計(jì)算總分，選擇總分最高的網(wǎng)站作為信息采集平臺(tái)。結(jié)果顯示選擇亞馬遜為信息反饋平臺(tái)。

作為中國(guó)電子商務(wù)領(lǐng)袖，亞馬遜中國(guó)為消費(fèi)者提供圖書、音樂、影視、手機(jī)數(shù)碼、家電、家居、玩具、健康、美容化妝、鐘表首飾、服飾箱包、鞋靴、運(yùn)動(dòng)、食品、母嬰、運(yùn)動(dòng)、戶外和休閑等28大類、超過260萬種的產(chǎn)品，通過“購(gòu)物免運(yùn)費(fèi)”服務(wù)以及“貨到付款”等多種支付方式，為中國(guó)消費(fèi)者提供便利、快捷的網(wǎng)購(gòu)體驗(yàn)。

通過亞馬遜中國(guó)的不懈努力和消費(fèi)者的大力支持，亞馬遜中國(guó)每年都保持了高速增長(zhǎng)，用戶數(shù)量也大幅增加。在未來的發(fā)展中，亞馬遜中國(guó)將進(jìn)一步豐富產(chǎn)品種類，加強(qiáng)用戶體驗(yàn)，力爭(zhēng)以最豐富的選品、最具競(jìng)爭(zhēng)力的價(jià)格和最優(yōu)質(zhì)的客戶體驗(yàn)成為中國(guó)消費(fèi)者的首選網(wǎng)上商城。

(二)樣本數(shù)據(jù)集的構(gòu)建

研究對(duì)象均選擇生命周期大約在3～4個(gè)月的產(chǎn)品，且研究對(duì)象都為剛剛上市，便于在研究期內(nèi)觀察到其全部的生命周期。產(chǎn)品包括兩大類：功能類和體驗(yàn)類。功能類包括電子產(chǎn)品和日用品。

電子產(chǎn)品的代表為手機(jī)、CPU和耳機(jī)。日用品代表為化妝品和服裝。體驗(yàn)類包括書籍和碟片，書籍包含教輔類、小說類和人文社科類。碟片分為游戲軟件、唱片和影片。

文章最終共選擇了37個(gè)樣本，每個(gè)樣本取100天的在線評(píng)論數(shù)作為一個(gè)時(shí)間序列。最終得37×100的一個(gè)矩陣為樣本X。

(三)產(chǎn)品在線口碑活躍度的演化聚類

實(shí)驗(yàn)平臺(tái)是Window 7，Intel2.2 GHz CPU，6GB內(nèi)存。

根據(jù)上文介紹的基于ICA K-Means聚類方法，可對(duì)37個(gè)產(chǎn)品100天的在線評(píng)論數(shù)做時(shí)間序列聚類分析。

首先將37×100的樣本矩陣輸入Matlab，利用Fast ICA2.5工具箱，經(jīng)過FASTICA的ICA得到混合矩陣w；將混合矩陣w作為輸入，運(yùn)行執(zhí)行K-均值算法的程序，得到的聚類整理結(jié)果如表1所示。

綜合得到的8個(gè)聚類結(jié)果，評(píng)價(jià)法則為組合在一起出現(xiàn)頻度高于4的組合確定歸為一類，其余定為不具代表性，則不予考慮，因此，得到聚類最終結(jié)果如表2所示。

(四)口碑演化模式與產(chǎn)品生命周期分析

眾所周知，產(chǎn)品的口碑活躍度越高，說明產(chǎn)品的銷售量越高，受到的關(guān)注度越高；產(chǎn)品的口碑活躍度很低，銷量也一定持續(xù)低迷，產(chǎn)品將慢慢不再受到關(guān)注。由此可見，產(chǎn)品在線口碑的活躍度的趨勢(shì)在一定程度上反映著產(chǎn)品生命周期(product life cycle)的趨勢(shì)。

表1　聚類初步結(jié)果表

表2　聚類最終結(jié)果表

1.產(chǎn)品生命周期概述

產(chǎn)品生命周期是指產(chǎn)品從進(jìn)入市場(chǎng)開始，直到最終退出市場(chǎng)為止所經(jīng)歷的市場(chǎng)生命循環(huán)過程。產(chǎn)品如同人的生命一樣，它會(huì)由誕生到成熟，最終走向衰亡。產(chǎn)品在投入市場(chǎng)以后，其銷量和利潤(rùn)都會(huì)隨時(shí)間推移而改變，呈現(xiàn)一個(gè)由少到多再由多到少的過程，這就是產(chǎn)品的生命周期現(xiàn)象。產(chǎn)品只有經(jīng)過研究開發(fā)、試銷，然后進(jìn)入市場(chǎng)，它的市場(chǎng)生命周期才算開始。產(chǎn)品退出市場(chǎng)，則標(biāo)志著生命周期的結(jié)束。[8]

最典型的產(chǎn)品生命周期一般可分為4個(gè)階段，即引入期、成長(zhǎng)期、成熟期和衰退期。

產(chǎn)品生命周期是一個(gè)很重要的概念，它和企業(yè)制定產(chǎn)品策略以及營(yíng)銷策略有著直接的聯(lián)系。作為一名管理者,他的目標(biāo)之一就是使他的產(chǎn)品銷售周期盡量延長(zhǎng)，這樣才能使之賺取的利潤(rùn)足夠來補(bǔ)償在產(chǎn)品推出時(shí)的成本和風(fēng)險(xiǎn)，所以管理必需深入研究以及合理運(yùn)用產(chǎn)品生命周期理論。對(duì)于營(yíng)銷人員，產(chǎn)品的生命周期理論也可作為產(chǎn)品市場(chǎng)運(yùn)作的有力指導(dǎo)工具。[9]但是，產(chǎn)品生命周期理論也有局限性。首先，由于產(chǎn)品生命周期是產(chǎn)品生命趨勢(shì)的反映，也是營(yíng)銷策略的結(jié)果，所以產(chǎn)品生命周期理論的運(yùn)用不能運(yùn)用在市場(chǎng)營(yíng)銷戰(zhàn)略開發(fā)的過程中。其次，在預(yù)測(cè)產(chǎn)品性能時(shí)產(chǎn)品生命周期的運(yùn)用也受到限制。

2.口碑演化的典型模式和產(chǎn)品生命周期分析

聚類結(jié)果可演化為5類比較具有代表性的生命周期模型。每一類選出一種數(shù)據(jù)代表性比較好的產(chǎn)品，選擇的產(chǎn)品序號(hào)對(duì)應(yīng)如表3所示。

表3　代表產(chǎn)品表

對(duì)每一種產(chǎn)品的100天的評(píng)論數(shù)進(jìn)行數(shù)據(jù)預(yù)處理，即中心化。根據(jù)中心化后的數(shù)據(jù)畫出的生命周期曲線如圖2～圖6所示。

第一類類生命周期曲線與最典型的生命周期曲線趨于一致，有著引入期的低迷，成長(zhǎng)期的增長(zhǎng)，成熟期的長(zhǎng)期走高，衰退期的減少，但在衰退期的最后有一小波的銷量增長(zhǎng)。

第二類生命周期曲線，在一開始投入市場(chǎng)就有非常好的銷量，但經(jīng)過一小波高潮后，就持續(xù)走低，之后一直維持在很低的銷量水平，可以說有了很好的引入時(shí)期，使起點(diǎn)很高，但后勁不足，銷量在高潮后迅速下降，且下降幅度很大，可以說生命周期非常短暫。

第三類生命周期曲線，與第二類類似，但不同的是在產(chǎn)品推出后先經(jīng)過了一段銷量低靡的時(shí)期，之后有了很大的銷量增長(zhǎng)，直至巔峰，但維持時(shí)間很短，就又恢復(fù)了銷量低靡的時(shí)期，最后直至退出市場(chǎng)，此類生命周期也很短暫。

第四類生命周期曲線在前期引入期很順利，銷量波動(dòng)走高，直到進(jìn)入成熟期。但成熟期結(jié)束后，銷量迅速下降，并之后一直持續(xù)降低到比最初引入期還要低的水平。

第五類生命周期曲線綜合了前面的第一類和第二類生命周期曲線的特征。首先像第二類生命周期一樣在投入市場(chǎng)之后，就有了非常好的銷量，之后回到了比較正常的第一類生命周期軌道，經(jīng)過了引入期、成長(zhǎng)期、成熟期，最終停留在衰退期。

四、全生命周期下的產(chǎn)品口碑營(yíng)銷策略

(一)產(chǎn)品口碑的營(yíng)銷渠道與營(yíng)銷模式分析

1.口碑營(yíng)銷

口碑營(yíng)銷就是以口碑傳播為途徑的營(yíng)銷方式，即企業(yè)運(yùn)用各種有效的手段，引發(fā)企業(yè)的顧客對(duì)其產(chǎn)品、服務(wù)以及企業(yè)整體形象的談?wù)摵徒涣?，并激?lì)顧客向其周邊人群進(jìn)行介紹和推薦的營(yíng)銷方式和過程。[10]

口碑營(yíng)銷的概念源于網(wǎng)絡(luò)。如今，博客、微博以及論壇這種互動(dòng)性的社會(huì)化媒體平臺(tái)逐漸壯大，已經(jīng)漸漸發(fā)展為網(wǎng)絡(luò)輿論產(chǎn)生和發(fā)展的源頭，其傳播效應(yīng)和影響力遠(yuǎn)遠(yuǎn)超過了任何一種媒體。同時(shí)，網(wǎng)絡(luò)社會(huì)化媒體有著比傳統(tǒng)媒體成本低和互動(dòng)性強(qiáng)的優(yōu)點(diǎn)，所以文章將主要分析基于社會(huì)化媒體平臺(tái)的網(wǎng)絡(luò)口碑營(yíng)銷模型。

2.營(yíng)銷模型

營(yíng)銷模型主要包括營(yíng)銷的傳播途徑和傳播的方法兩個(gè)方面，即傳播渠道和營(yíng)銷策略。[11]

(1)傳播渠道

對(duì)于傳播渠道的選擇主要是由產(chǎn)品目標(biāo)用戶群特征決定，除了傳統(tǒng)媒介和網(wǎng)絡(luò)媒體一些門戶網(wǎng)站，最具有影響力和最適合開展口碑營(yíng)銷策略的渠道是博客、微博、論壇以及一對(duì)一傳播。

如今，由于博客具有自媒體的特點(diǎn)，博客已經(jīng)逐漸成長(zhǎng)為最具有網(wǎng)絡(luò)影響力社會(huì)化媒體網(wǎng)絡(luò)平臺(tái)。制造話題、發(fā)現(xiàn)熱點(diǎn)是博客和微博最大的特點(diǎn)，此外，微博和博客還可以對(duì)網(wǎng)絡(luò)熱門的話題和對(duì)象進(jìn)行跟蹤以及放大，從而逐漸形成一定規(guī)模的輿論效應(yīng)，并且隨著影響力的擴(kuò)大，還能夠?qū)鹘y(tǒng)媒體和門戶網(wǎng)站造成影響，最終達(dá)到對(duì)事件產(chǎn)生實(shí)質(zhì)性的影響的效果。對(duì)于微博和博客而言，每一位用戶所發(fā)表的內(nèi)容都代表著自己獨(dú)有的觀點(diǎn)，并且每個(gè)用戶都擁有固定的讀者群，包括朋友、親戚、同事、同行業(yè)者和粉絲。所以利用博客和微博進(jìn)行的口碑營(yíng)銷，具有傳播信任度高、目標(biāo)用戶覆蓋率廣、人與人直接互動(dòng)的特點(diǎn)。

論壇在某種意義上與博客較為類似，因?yàn)樗簿哂兄圃煸掝}、發(fā)現(xiàn)熱點(diǎn)，并且最終影響事件的功能。但是論壇產(chǎn)生于互聯(lián)網(wǎng)早期，在那個(gè)年代論壇營(yíng)銷確實(shí)是網(wǎng)絡(luò)營(yíng)銷的一種常用方法。但隨著互聯(lián)網(wǎng)的發(fā)展，人們對(duì)單純的廣告發(fā)帖回帖產(chǎn)生抵觸，有些論壇版主甚至?xí)V告貼一律刪除，將發(fā)布廣告者封號(hào)。所以網(wǎng)民的抵觸情緒也使得論壇的口碑營(yíng)銷策略要不斷地改進(jìn)。論壇的口碑營(yíng)銷策略需要更加隱蔽，更加具有藝術(shù)性，這無疑對(duì)廣告的創(chuàng)意執(zhí)行提出了更高的要求。

一對(duì)一傳播指的是點(diǎn)對(duì)點(diǎn)的信息交互，如短信、QQ、MSN、郵件和微信等。這種營(yíng)銷方式無疑是傳播速度最快最直接的方式。但是由于信息大爆炸造成的信息超載，人們利用各種方式過濾垃圾短信和垃圾郵件。這種方式的營(yíng)銷效果已經(jīng)極其有限。

(2)營(yíng)銷策略

一直以來，營(yíng)銷策略多種多樣，如事件營(yíng)銷、病毒營(yíng)銷、整合營(yíng)銷等。但管理者所面對(duì)的問題不是抉擇使用哪一種營(yíng)銷策略，而且如何能夠?qū)I(yíng)銷策略整合在一起，全局掌控產(chǎn)品的消費(fèi)者反饋以及產(chǎn)品的銷量。

知名飲料品牌王老吉就曾成功地整合了多種營(yíng)銷策略。王老吉在CCTV宣布捐款一億元利用了事件營(yíng)銷，然后通過論壇營(yíng)銷把這一事件進(jìn)行放大，通過博客、論壇、E-mail進(jìn)行病毒式營(yíng)銷，同時(shí)又使用了標(biāo)題策略、短缺效應(yīng)、互惠原理等策略，是一次典型的跨媒體整合營(yíng)銷案例。

(二)生命周期階段的口碑營(yíng)銷策略

口碑營(yíng)銷是口碑傳播者不斷向外擴(kuò)散口碑的過程，這是一個(gè)不斷變化的過程。因?yàn)楫a(chǎn)品處于不同的生命周期階段，其營(yíng)銷方法和傳播者是不同的，所以傳播渠道和營(yíng)銷策略在整個(gè)產(chǎn)品周期過程中需要不斷地進(jìn)行修正和調(diào)整。

1.產(chǎn)品引入期

在新產(chǎn)品初期投入市場(chǎng)的時(shí)候，只有兩種產(chǎn)品銷售渠道，首先是商家周圍的社交圈以及商家以前積累的用戶資源。其次是在產(chǎn)品銷售初期的第一批用戶。這兩類用戶組成了產(chǎn)品引入期的主要目標(biāo)用戶群，稱為初期用戶。

初期用戶是最初的口碑傳播者，也是口碑產(chǎn)生的原點(diǎn)。這類用戶一般是樂衷于嘗試新鮮事物并且樂于將使用經(jīng)驗(yàn)分享給他人的人。在產(chǎn)品引入期，商家需要快速定位初期用戶并將產(chǎn)品擴(kuò)散到這類群體中，形成初期小范圍的影響。

2.產(chǎn)品成長(zhǎng)期

當(dāng)產(chǎn)品在初期用戶群中得到了正面的反饋，積累了一些固定的傳播者之后，可以通過口碑營(yíng)銷策略從引入期邁入成長(zhǎng)期。在產(chǎn)品成長(zhǎng)期這個(gè)階段，傳播者數(shù)量不斷地積累和壯大，此時(shí)傳播渠道和營(yíng)銷策略也將不再適應(yīng)成長(zhǎng)期的需求，商家需要根據(jù)用戶的需求進(jìn)行完善和升級(jí)。

此外，引入品牌概念是在產(chǎn)品成長(zhǎng)期一項(xiàng)重要的目標(biāo)。商家在與買家進(jìn)行互動(dòng)和溝通中，初見形成自己的品牌文化，因此，口碑營(yíng)銷的作用將漸漸削弱，品牌營(yíng)銷將替代口碑營(yíng)銷成為主要的營(yíng)銷方式。

3.產(chǎn)品成熟期

在產(chǎn)品成熟期，主要營(yíng)銷方式應(yīng)該為品牌營(yíng)銷。但是值得注意的是口碑營(yíng)銷的特殊作用，它不僅可以起到擴(kuò)大品牌影響力、鞏固品牌地位的作用，還能延長(zhǎng)產(chǎn)品生命周期。同時(shí)如果商家把握住此時(shí)機(jī)，合理地與買方進(jìn)行溝通與互動(dòng)，積極獲取消費(fèi)者建議、掌握消費(fèi)需求趨勢(shì)、鞏固用戶群等，還可以增強(qiáng)品牌影響力，甚至能夠發(fā)現(xiàn)新市場(chǎng)與新機(jī)遇。

4.產(chǎn)品衰退期

事實(shí)上，產(chǎn)品真正經(jīng)歷衰退期并且最終退出市場(chǎng)的情況很少。因?yàn)樵诋a(chǎn)品衰退期的早期甚至還未邁入衰退期的時(shí)候，商家就會(huì)推出取代舊產(chǎn)品的新產(chǎn)品，使此系列產(chǎn)品重新進(jìn)入上升通道，重新進(jìn)入口碑營(yíng)銷、品牌營(yíng)銷的正向循環(huán)。

綜上所述，隨著社會(huì)環(huán)境、網(wǎng)絡(luò)壞境的不斷變化，營(yíng)銷的策略也應(yīng)不斷變化。目前，傳統(tǒng)營(yíng)銷逐漸乏力、消費(fèi)者也逐漸對(duì)廣告感到麻木，所以若單純地利用傳統(tǒng)營(yíng)銷模式必定難以在日漸激烈的競(jìng)爭(zhēng)中脫穎而出，營(yíng)銷的創(chuàng)新是必由之路。在網(wǎng)絡(luò)從媒體時(shí)代進(jìn)入個(gè)人媒體時(shí)代的背景下，在博客、論壇、微博主宰網(wǎng)絡(luò)輿論導(dǎo)向的情況下，口碑營(yíng)銷成為個(gè)人媒體時(shí)代最具有自媒體特性的營(yíng)銷方法。

(三)生命周期不同模式的口碑營(yíng)銷策略

針對(duì)上文提出的5種生命周期曲線提出口碑營(yíng)銷策略如圖7～圖10所示。

從圖7可知，AB段有一段銷量較低的階段，在成長(zhǎng)期階段有一段銷量不升反降，說明此階段產(chǎn)品在成長(zhǎng)過程中遇到了銷量低潮期，這是對(duì)產(chǎn)品的成長(zhǎng)非常不利的。如果借助口碑營(yíng)銷的手段，則可將AB階段的時(shí)間縮短，甚至使此階段徹底消失。

在A點(diǎn)，產(chǎn)品銷量較之前有了大幅度的下降，此時(shí)對(duì)于商家來說，可以采取營(yíng)銷手段使銷量繼續(xù)上升。

從圖8可知，引入期非常短暫，在產(chǎn)品一面市就已經(jīng)有了非常高的銷量，但是從C點(diǎn)開始就走出了成熟期，開始衰退。所以為使產(chǎn)品的生命周期更長(zhǎng)，應(yīng)從C點(diǎn)就開始加大口碑營(yíng)銷的策略，使銷量能長(zhǎng)時(shí)間維持在高點(diǎn)。

由于第二類和第三類的成熟期以后走勢(shì)相同，只存在引入期長(zhǎng)短的差異，所以在此不予贅述。

第四類生命周期曲線(圖9)在引入期和成長(zhǎng)期都很符合正常的生命規(guī)律，但成熟期時(shí)間非常短暫，并且很快衰退，降低至比剛面市還要低的銷量水平。如若想改變這種局面，使銷量維持在成熟期的高水平，并能慢慢衰退直至退出市場(chǎng)，那么就要在D點(diǎn)開始或加大口碑營(yíng)銷手段。

第五類生命周期曲線(圖10)可以說是比較成功的生命周期，在一開始投入可能因?yàn)楹軓?qiáng)的營(yíng)銷手段或者促銷使銷量急速上升，營(yíng)銷或促銷結(jié)束之后，就回到了正常的生命周期。但為了使銷量增多，理想的是在前期達(dá)到銷量巔峰時(shí)就使之維持在這一水平。所以也就是要在E點(diǎn)使用或加大口碑營(yíng)銷。

在以上提到的口碑營(yíng)銷點(diǎn)A、C、D、E可采用如下口碑營(yíng)銷手段：

1.無償使用產(chǎn)品

最普通的手段是商家給博客用戶提供免費(fèi)的試用品，經(jīng)博客用戶試用后，他們會(huì)將對(duì)產(chǎn)品使用的體驗(yàn)寫成文章，分享給關(guān)注他們的人。但是這種策略并不能持續(xù)于產(chǎn)品整個(gè)生命周期，只能在產(chǎn)品打開市場(chǎng)時(shí)使用此策略。

2.好評(píng)返現(xiàn)

經(jīng)過多年發(fā)展，商家又找到一種刺激用戶做出正面評(píng)價(jià)的方法，即好評(píng)返現(xiàn)。所謂好評(píng)返現(xiàn)就是用戶在為產(chǎn)品做出好的正面評(píng)價(jià)后，商家會(huì)返還一部分金額給消費(fèi)者。這種另類的打折方法刺激了大量的用戶在使用后做出正面評(píng)價(jià)。這種方法是一種“雙贏”的策略。商家不但因?yàn)楹玫目诒粩鄶U(kuò)大銷量，消費(fèi)者也會(huì)因此享受折扣。

3.傳統(tǒng)營(yíng)銷與口碑營(yíng)銷相結(jié)合

以傳統(tǒng)媒體為依托來進(jìn)行給口碑營(yíng)銷是一種即能保證口碑的可信度又能保證傳播廣度的營(yíng)銷手段。近些年來新興的一種職業(yè)酒店試睡員就是源于這樣一種營(yíng)銷手段。酒店邀請(qǐng)酒店試睡員到其酒店進(jìn)行居住體驗(yàn)，試睡員體驗(yàn)過后會(huì)寫出非常專業(yè)的點(diǎn)評(píng)發(fā)布在各大媒體上，這種測(cè)評(píng)報(bào)告會(huì)以較高的可信度征服消費(fèi)者。在這種情況下口碑營(yíng)銷的策劃者采取權(quán)威人士的評(píng)論發(fā)布在傳統(tǒng)媒介平臺(tái)的方式大大提高了口碑的影響力。

五、結(jié)語(yǔ)

文章用改進(jìn)的方法對(duì)產(chǎn)品在線口碑進(jìn)行了聚類分析，并根據(jù)聚類結(jié)果，提出了生命周期的演化模型，并提出了管理學(xué)角度的營(yíng)銷建議。

文章的主要貢獻(xiàn)是以下三個(gè)方面：

第一，提出一種ICA K-Means時(shí)間序列聚類算法。

產(chǎn)品的在線評(píng)論是時(shí)間序列，具有高維復(fù)雜性。所以文章提出了一種改進(jìn)的聚類方法，即基于ICA的K-均值算法。該算法先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和降維，提取出靜態(tài)特征，之后對(duì)此進(jìn)行聚類代替對(duì)原始大量高維數(shù)據(jù)聚類，大大提高了效率與準(zhǔn)確性。

第二，由聚類結(jié)果識(shí)別出代表性的生命周期類型。

文章應(yīng)用ICA K-Means算法對(duì)產(chǎn)品口碑活躍度進(jìn)行了演化聚類分析，識(shí)別了口碑演化的典型模式。根據(jù)聚類結(jié)果，推出了5類比較具有代表性的生命周期類型。

第三，提出了生命周期不同模式階段的產(chǎn)品口碑營(yíng)銷策略。

文章應(yīng)用生命周期理論和營(yíng)銷理論，對(duì)每種生命周期類型的趨勢(shì)進(jìn)行分析，且提出了口碑營(yíng)銷點(diǎn)和相應(yīng)的口碑營(yíng)銷建議，以延長(zhǎng)產(chǎn)品的生命周期。

[1] 余傳明.從產(chǎn)品評(píng)論中挖掘觀點(diǎn)：原理與算法分析[J].情報(bào)理論與實(shí)踐，2009，32(7)：124—128.

[2] WANG Z.Fixed-point algorithms for constrained ICA and their applications in fMRI data analysis[J].Magnetic Resonance Imaging,2011,29(9):1288—1303.

[3] BACK A D,WEIGEND A S.A first application of independent component analysis to extracting structure from stock returns[J].International Journal of Neural Systems,2011,8(4):473—484.

[4] 段哲民,馬裕,彭斌，等.基于盲源分離的商業(yè)銷售計(jì)算機(jī)仿真分析[J].計(jì)算機(jī)仿真,2009(11):308—311.

[5] 蘇木亞,郭崇慧.基于主成分分析的單變量時(shí)間序列聚類方法[J].運(yùn)籌與管理,2011(6):66—72.

[6] 唐珊珊,孫路路.基于FastICA算法的混合圖像分離方法[J].宿州學(xué)院學(xué)報(bào),2010,25(2)：52—54.

[7] 戴慶輝,魏紅麗.基于產(chǎn)品生命周期的顧客滿意度與產(chǎn)品理想度研究[J].科技創(chuàng)新與應(yīng)用,2014(3)：17—18.

[8] 田大明.基于產(chǎn)品生命周期面向運(yùn)營(yíng)商服務(wù)策略研究[J].市場(chǎng)周刊：理論研究，2009(9)：55—56.

[9] 劉玉明.在線口碑信息對(duì)消費(fèi)者購(gòu)買決策影響的研究[J].價(jià)格理論與實(shí)踐,2010(3):77—78.

[10] 胡雪飛.口碑營(yíng)銷——零售企業(yè)營(yíng)銷制勝的利器[J].中小企業(yè)管理與科技,2012(4):30—32.

[11] 劉艷.論口碑傳播銷售策略[J].中國(guó)商貿(mào),2010(12):27—28.

Clustering and Marketing Analysis for Products Online Word-of-mouth Activity Series Based on ICA K-Means

LI Hong,PAN Na

(School of Economic and Management,Beijing University of Aeronautics and Astronautics,Beijing 100083,China)

For product,online word-of-mouse activity is a very typical index,which reveals life cycle evolution model of product.Understanding the product life cycle helps decision makers to make marketing strategy.It is more difficult to do clustering analysis because the product online comments are high-dimensional and complex.Thus,combining K-means algorithm with independent comment analysis and clustering products by this algorithm can improve the accuracy and reduce complexity in no small measure.Furthermore,in-depth analysis on the product life curve can effectively improve the effect of online word-of-mouth information in e-commerce marketing management and decision support,deepening the research on online reputation activity.

online reputation；time series clustering；K-means；Independent Component Analysis；life cycle

10.13766/j.bhsk.1008-2204.2014.0578

2014-11-13

國(guó)家自然科學(xué)基金資助項(xiàng)目(71471009)；教育部人文社科學(xué)研究規(guī)劃基金資助項(xiàng)目(11YJA630044)

李紅(1969—)，女，黑龍江哈爾濱人，副教授，博士，研究方向?yàn)閿?shù)據(jù)挖掘、社會(huì)計(jì)算.

F713

A

1008-2204(2016)06-0045-09