隨著信息技術的迅猛發(fā)展,線上交易已經覆蓋了整個市場,O2O的競爭日益激烈,市場競爭態(tài)勢愈加復雜,如何識別競爭對手并采取有效的競爭策略變得更加重要。傳統(tǒng)的市場競爭研究中數(shù)據(jù)獲取困難,數(shù)據(jù)的時效性、準確性不強,對于競爭的識別和度量不夠準確,且未充分結合O2O市場的線上數(shù)據(jù)。因此,本研究通過O2O市場中海量多維的線上線下數(shù)據(jù)融合的方式識別競爭關系,度量競爭強度。本文首先采用大眾點評平臺線下商家地理位置、店鋪星級、菜品信息數(shù)據(jù)與線上商家服務、環(huán)境、口味等用戶點評數(shù)據(jù)進行融合,構建模型度量市場的競爭強度以解決如何利用不同來源的多維度數(shù)據(jù)融合度量競爭的問題。其次,本研究基于建立的競爭強度模型計算了樣例城市的價格離散水平、多樣性水平,分別從價格、產品、服務、多樣性等維度表現(xiàn)的競爭進行特征分析與計算,得出競爭強度水平。并通過15個主要商圈的主成分分析研究商圈的競爭狀況,為市場在位者及后續(xù)進入者提出競爭策略及市場進入策略。通過數(shù)據(jù)實驗與結果分析表明:在樣例城市主要商圈線上線下都有經營的餐飲商家市場中,競爭最激烈的是關于用戶評價的競爭,包括商家的星級得分、服務、口味、環(huán)境方面的用戶評價,其次才是價格的競爭... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

變量關系散點圖

電子科技大學碩士學位論文284.3變量聚類計算及相似性特征分析圖4-2聚類效果圖（n=10）圖4-3聚類效果圖（n=6）實現(xiàn)聚類的工具為python，參數(shù)設置（n_clusters=10，init="k-means++"，max_iter=500），多次調整參數(shù)后發(fā)現(xiàn)當n_clusters取10的聚類效果（如圖4-2所示）較好，各個類別中心點距離較遠散布在各個方向上，聚合程度較高。當n取6

電子科技大學碩士學位論文284.3變量聚類計算及相似性特征分析圖4-2聚類效果圖（n=10）圖4-3聚類效果圖（n=6）實現(xiàn)聚類的工具為python，參數(shù)設置（n_clusters=10，init="k-means++"，max_iter=500），多次調整參數(shù)后發(fā)現(xiàn)當n_clusters取10的聚類效果（如圖4-2所示）較好，各個類別中心點距離較遠散布在各個方向上，聚合程度較高。當n取6

【參考文獻】：
期刊論文
[1]K-Means聚類算法研究綜述[J]. 楊俊闖,趙超.  計算機工程與應用. 2019(23)
[2]市場信息、競爭強度與產品創(chuàng)新——基于零售企業(yè)電子商務領域[J]. 吳超云,余昌彬.  營銷界. 2019(08)
[3]K均值聚類算法的研究與優(yōu)化[J]. 陶瑩,楊鋒,劉洋,戴兵.  計算機技術與發(fā)展. 2018(06)
[4]基于騎行時空數(shù)據(jù)的共享單車設施規(guī)劃研究[J]. 鄧力凡,謝永紅,黃鼎曦.  規(guī)劃師. 2017(10)
[5]O2O價格競爭、消費者支付意愿與營銷效率提升途徑[J]. 馮燕芳,張榮.  商業(yè)經濟研究. 2016(19)
[6]考慮價格和服務競爭的供應鏈決策與協(xié)調模型研究[J]. 張學龍,王軍進.  系統(tǒng)科學學報. 2016(03)
[7]從滴滴打車的發(fā)展看O2O平臺的競爭策略[J]. 黃晶.  商. 2016(30)
[8]O2O競爭新常態(tài)[J]. 董毅智.  法人. 2016(03)
[9]企業(yè)競爭對手識別方法研究進展[J]. 李偉華,鄭彥寧.  情報理論與實踐. 2015(09)
[10]網絡口碑效應實證研究——基于信任和感知價值的中介作用[J]. 鐵翠香.  情報科學. 2015(08)

博士論文
[1]社會化商務環(huán)境下意見領袖對購買意愿的影響研究[D]. 夢非.南京大學 2012

碩士論文
[1]消費者評價對消費者購買決策的影響研究[D]. 楊秀林.華東理工大學 2014
[2]社會化電子商務用戶推薦對消費者購買意愿的影響研究[D]. 陳洋.北京郵電大學 2013



本文編號：3138736