Тип работы:
 Предмет:
 Язык работы:


АНАЛИЗ ВЛИЯНИЯ ОТЗЫВОВ КЛИЕНТОВ НА ПРИНЯТИЕ РЕШЕНИЯ О ПОКУПКЕ ТОВАРОВ

Работа №147815

Тип работы

Бакалаврская работа

Предмет

менеджмент

Объем работы85
Год сдачи2023
Стоимость4390 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
30
Не подходит работа?

Узнай цену на написание


Введение 4
Глава 1. ТЕОРЕТИЧЕСКИЙ ОБЗОР 8
1.1. Понятие отзывов 8
1.2. Виды отзывов и их характеристики 10
1.3. Роль отзывов клиентов в принятии решений о покупке товаров 14
1.4. Факторы, влияющие на восприятие отзывов клиентов 20
1.5. Гипотезы 24
Выводы 26
Глава 2. ЭМПИРИЧЕСКОЕ ИССЛЕДОВАНИЕ 28
2.1. Описание выборки и методов исследования 28
2.2. Сбор первичных данных 31
2.3. Обработка данных 40
2.4. Анализ данных 41
Выводы 67
Глава 3. АНАЛИЗ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ 70
3.1. Интерпретация результатов и сравнение с предыдущими исследованиями 70
3.2. Рекомендации для маркетплейсов 73
Выводы 76
Заключение 77
Список использованной литературы 78
Приложения 82
Приложение 1. Код для составления списка конечных категорий 82
Приложение 2. Расчёт средних значений по каждой категории 83
Приложение 3. Расчёт медиан по каждой категории 84



На большинстве сайтов в сети Интернет по продаже продуктов различными продавцами присутствует раздел с отзывами от клиентов, которые купили какой-либо товар и попробовали им воспользоваться. Считается, что отзывы (особенно положительные) – это хороший маркетинговый инструмент для продвижения продавцов и их товаров. Эта гипотеза сделана на основе множества исследований, фокусирующихся на поведении потребителей. Другими словами, эти работы в большинстве своём представляют опросы или интервью, определяющие опыт использования сайтов и торговых площадок, а именно опыт чтения отзывов (или, наоборот, отказ от них) и принятия после этого решения, купить ли товар. Однако не было найдено ни одного исследования, в котором проводился бы анализ больших данных, то есть в котором бы собиралась реально существующая информация об отзывах и о количестве покупок товаров, и проводилась бы их обработка и интерпретация с целью выявления возможных логических связей. Представляется, что метод анализа больших данных эффективнее и ближе к действительности покажет всю картину. Так что после получения результатов эмпирического исследования будет проведено сравнение их с несколькими традиционными анализами, чтобы подтвердить или опровергнуть выводы последних и таким образом понять, насколько сильно влияет человеческий фактор.
Безусловно, маркетплейсы и сами собирают статистические данные, анализируют их, а также предоставляют отчёты продавцам, которые продают свои товары там. То же самое делают и компании на собственных отдельных сайтах, на которых выставляется их продукция. Однако мной было выделено три причины, по которым этих отчётов в некоторых случаях может быть недостаточно. Во-первых, продавцы на маркетплейсах не видят анализа товаров и отзывов других продавцов, что тоже могло бы быть им полезно в осуществлении своей деятельности. Во-вторых, на маркетплейсах предоставляют стандартизированные анализы, они могут быть сильно упрощены, могут не исследовать вопрос глубоко, либо рассматривать лишь небольшое количество факторов без возможности добавить какой-либо, который покажется важным. Также помимо повышения эффективности управленческих решений существующих компаний результаты данной работы могут поспособствовать упрощению выхода на рынок новых компаний, что в долгосрочной перспективе стимулирует рост экономики страны в целом. Эти данные недоступны обычным пользователям, например потенциальным продавцам, которые хотели бы либо выйти на маркетплейс, либо сделать собственный сайт по продаже, но предпочитают подробно всё изучить до начала функционирования. Так что данная работа актуальна и нужна, чтобы показать, стоит ли опираться на традиционный формат исследования отзывов на товары (опросы потребителей).
Целью данного исследования является разработка рекомендаций для продавцов на маркетплейсах на основе выявления параметров и степени влияния отзывов клиентов на принятие решения о покупке товаров. Для достижения этой цели было поставлены следующие задачи:
1. Сформулировать гипотезы для проверки влияния;
2. Собрать первичные данные;
3. Обработать и проанализировать полученные данные;
4. Подтвердить или опровергнуть гипотезы;
5. Сформулировать выводы о влиянии отзывов клиентов на принятие решения о покупке товаров;
6. Разработать рекомендации для продавцов.
В данной выпускной квалификационной работе сбор данных осуществляется с помощьюAPI-запросов на сервера приложения Wildberries. Используется следующий инструментарий для исследования:
1. Python (язык программирования) – для сбора и анализа данных. В частности, библиотеки:
a. requests (для отправки запросов);
b. json (для хранения данных);
c. random (для генерации случайных чисел);
d. time (для работы со временем);
e. csv (для импорта и экспорта базы данных);
f. numpy (для анализа данных);
g. pandas (для анализа данных);
h. seaborn (для анализа данных);
i. matplotlib (для анализа данных);
j. statsmodels (для анализа данных).
2. JupyterNotebook (среда разработки для парсинга и анализа данных);
3. JSON (JavaScript Object Notation – для хранения данных);
4. blanchefort/rubert-base-cased-sentiment (модель машинного обучения для анализа тональности отзывов);
5. Текстовый редактор.
Исследование состоит из одиннадцати последовательных этапов:
1. Изучение существующих исследований влияния отзывов на принятие решения о покупке;
2. На основании первого этапа, а также собственного опыта, формулирование конкретных гипотез для проверки влияния;
3. Выбор сайта, на котором в открытом доступе имеется вся необходимая информация (на основе гипотез);
4. Написание программы для сбора данных;
5. Сбор данных с выбранных сайтов с помощью программы на Python;
6. Обработка полученных данных;
7. Анализ полученных данных с помощью программы на Python для каждой гипотезы;
8. На основе полученных данных и их анализа подтверждение или опровержение гипотез;
9. Формулирование выводов о влиянии отзывов клиентов на принятие решения о покупке товаров;
10. Сравнение полученных результатов с результатами существующих исследований;
11. Формулирование рекомендаций для маркетплейсов.
В первой главе подробно разобрано, почему на тему данной ВКР стоит обратить внимание, то есть проанализирована значимость отзывов для клиентов и доказано, что эта тема важна для продавцов и маркетплейсов. Также изучены существующие исследования по схожим тематикам. Из-за того, что открытых данных, которые можно было бы взять для проведения собственного анализа больших данных, нет, были собраны первичные данные и было проведено эмпирическое исследование – всё это описано во второй главе. Она ориентирована на практический подход исследования, используя данные из реального мира. В третьей главе рассмотрены полученные результаты и проведено сравнение с предыдущими исследованиями.
При подготовке работы были использованы различные источники первичной и вторичной информации. Первичная информация (конкретные данные о товарах и отзывах о них) была собрана самостоятельно с помощью программы-парсера. А источниками вторичной информации являются интернет-ресурсы и исследования на тему влияния отзывов на покупку продукции. Объектом исследования было выбрано приложение Wildberries.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

В заключении, на основе проведенного исследования, анализа данных и проверки гипотез, были сделаны следующие выводы:
1. Отзывы являются важным фактором, влияющим на количество продаж на маркетплейсе. Наличие отзывов способствует увеличению продаж, тогда как отсутствие отзывов или наличие негативных отзывов может негативно сказываться на покупательском поведении.
2. Цена товара имеет значительное влияние на количество продаж. Завышенная цена может оттолкнуть потенциальных покупателей и снизить спрос. Регулярный анализ конкурентной среды и оптимизация ценовой политики магазина помогут поддерживать конкурентоспособность и привлекательность товара.
3. Рейтинг товара и отзывы с ответом от бренда имеют ограниченное влияние на количество продаж. Покупатели обращают больше внимания на сам товар и его качество, чем на рейтинг или ответы от бренда.
4. Категория товара не всегда является определяющим фактором в покупательском поведении. Вместо этого, индивидуальные предпочтения покупателей, конкурентная среда и особенности товара могут оказывать большее влияние на принятие решения о покупке.

Исходя из вышеизложенных выводов, рекомендуется продавцам на маркетплейсах принять следующие меры:
• Регулярно анализировать конкурентную среду и оптимизировать ценовую политику, чтобы оставаться конкурентоспособным на рынке.
• Предоставлять подробную информацию о товарах, включая разнообразные фотографии, чтобы увеличить их привлекательность и доверие покупателей.
Настоящая дипломная работа предоставляет ценную информацию и рекомендации для продавцов на маркетплейсах, которые стремятся повысить эффективность своей деятельности и достичь успеха на конкурентном рынке электронной коммерции.



1. Python 3.11.3 documentation[Электронный ресурс] // Python. – Режим доступа: https://docs.python.org/3/(дата обращения: 01.03.2023).
2. Библиотека Requests: HTTPforHumans[Электронный ресурс] // Python.ru. – Режим доступа: https://python.ru/post/97/(дата обращения: 01.03.2023).
3. Модуль json[Электронный ресурс] // Python 3 для начинающих. – Режим доступа:https://pythonworld.ru/moduli/modul-json.html(дата обращения: 20.03.2023).
4. Модуль random[Электронный ресурс] // Python 3 для начинающих. – Режим доступа: https://pythonworld.ru/moduli/modul-random.html (дата обращения: 20.03.2023).
5. Модуль time[Электронный ресурс] // Python 3 для начинающих. – Режим доступа: https://pythonworld.ru/moduli/modul-time.html (дата обращения: 15.03.2023).
6. csv — CSVFileReadingandWriting [Электронный ресурс] // Python. – Режим доступа: https://docs.python.org/3/library/csv.html (дата обращения: 14.05.2023).
7. NumPy, часть 1: начало работы[Электронный ресурс] // Python 3 для начинающих. – Режим доступа:https://pythonworld.ru/numpy/1.html (дата обращения: 01.04.2023).
8. Куличевский А. Аналитикам: большая шпаргалка по Pandas[Электронный ресурс] // Алексей Куличевский. – Режим доступа:https://smysl.io/blog/pandas/ (дата обращения: 01.04.2023).
9. Seaborn для визуализации данных в Python[Электронный ресурс] // PythonRu. – Режим доступа: https://pythonru.com/biblioteki/seaborn-plot (дата обращения: 14.05.2023).
10. Matplotlib: VisualizationwithPython[Электронный ресурс] // matplotlib. – Режим доступа:https://matplotlib.org/ (дата обращения: 14.05.2023).
11. Интерпретация summary из statsmodels для линейной регрессии [Электронный ресурс] // Хабр. 2022. – Режим доступа:https://habr.com/ru/articles/681218/ (дата обращения: 14.05.2023).
12. JupyterNotebook: TheClassicNotebookInterface[Электронный ресурс] // Jupyter. – Режим доступа:https://jupyter.org/ (дата обращения: 01.03.2023).
13. Работа с JSON [Электронный ресурс]// mdnwebdocs. – Режим доступа:https://developer.mozilla.org/ru/docs/Learn/JavaScript/Objects/JSON (дата обращения: 20.03.2023).
14. RuBERTforSentimentAnalysis[Электронный ресурс] // HuggingFace. – Режим доступа:https://huggingface.co/blanchefort/rubert-base-cased-sentiment (дата обращения: 20.03.2023).
15. Майорова Л. Н., Усачев А. С. КРУПНЕЙШИЕ ИГРОКИ ИНДУСТРИИ ИНТЕРНЕТ-ТОРГОВЛИ И СОВРЕМЕННЫЙ ВЕКТОР ЕЕ РАЗВИТИЯ // Вестник Таганрогского института имени АП Чехова. – 2021. – №. 2. – С. 64-70.
16. Wildberries.[Электронный ресурс] – Режим доступа:https://www.wildberries.ru/(дата обращения: 10.04.2023).
17. Ozon.[Электронный ресурс] – Режим доступа:https://www.ozon.ru/(дата обращения: 10.04.2023).
18. Citilink. [Электронный ресурс] – Режим доступа:https://www.citilink.ru(дата обращения: 10.04.2023).
19. DNS.[Электронный ресурс] – Режим доступа:https://www.dns-shop.ru/(дата обращения: 10.04.2023).
20. М.Видео.[Электронный ресурс] – Режим доступа:https://www.mvideo.ru/(дата обращения: 10.04.2023).
21. Ottenbacher, M., Hewitt, J. Online consumer reviews: Why do we care and can we detect the fake ones? // Journal of consumer behaviour. – 2019. – С. 142-152.
22. Babina, Y., Little, M. The Influence of National Culture on Online Review Credibility: A Comparison of Russian and American Consumers // Journal of Promotion Management. – 2017. – С. 54-69.
23. Li, Y.-M., Yao, K.-C. The effect of online reviews on consumer purchase intention: The moderating role of need for cognition // Journal of Business Research. – 2019. – С. 65-76.
24. Liu, T., Nguyen, B. The Impact of Online Reviews on Consumers’ Purchasing Decisions: A Study of Food Retailing in Sweden // Journal of Retailing and Consumer Services. – 2019. – С. 270-277.
25. Ottenbacher, M., Hewitt, J. Online consumer reviews: Why do we care and can we detect the fake ones? // Journal of consumer behaviour. – 2019. – С. 142-152.
26. SOKOLOV Ювелирное кольцо на помолвку женское золото 585[Электронный ресурс] // Wildberries. – Режим доступа:https://www.wildberries.ru/catalog/113256091/feedbacks?imtId=102610189#gvuscYcBG4PPbu1t8heL (дата обращения: 14.04.2023).
27. Ганнушкин П.Н., Кутузов А.В., Носов К.С. Классификация отзывов на подлинные и поддельные на основе алгоритма Word2vec и модели Doc2vec // Сборник материалов международной конференции "Наука и образование". – 2021. – С. 1-5.
28. Kotyl Туфли женские лодочки на среднем каблуке кожаные замшевые[Электронный ресурс] // Wildberries.– Режим доступа: https://www.wildberries.ru/catalog/30046403/feedbacks?imtId=22137719 (дата обращения: 14.04.2023).
29. Мини проектор Umiio для дома со Smart TV[Электронный ресурс] // Wildberries.– Режим доступа:https://www.wildberries.ru/catalog/144048357/feedbacks?imtId=122475494&size=243104125 (дата обращения: 14.04.2023).
30. Использование отзывов при онлайн-покупках [Электронный ресурс]// AliExpress, DataInsight, 2020.– Режим доступа: https://datainsight.ru/sites/default/files/DI_Aliexpress_GuidedBuying.pdf?oft_id=454570&oft_k=Yo59Feg8&oft_lk=zOcPcf&oft_d=637346147927100000 (дата обращения: 14.04.2023).
31. Байков. Д. Исследование: влияние отзывов на мнение потребителя[Электронный ресурс]// vc.ru, 2019. – Режим доступа:https://vc.ru/marketing/91417-issledovanie-vliyanie-otzyvov-na-mnenie-potrebitelya (дата обращения: 14.04.2023).
32. Чужой пример заразителен: интернет-отзывы мотивируют россиян покупать[Электронный ресурс]// НАФИ, 2021. – Режим доступа: https://nafi.ru/analytics/chuzhoy-primer-zarazitelen-internet-otzyvy-motiviruyut-rossiyan-pokupat-/ (дата обращения: 14.04.2023).
33. Влияние отзывов и рейтинга на продажи [Электронный ресурс]// OKOCRM, 2021. – Режим доступа: https://okocrm.com/blog/vliyanie-otzyvov-i-rejtinga-na-prodazhi/ (дата обращения: 13.04.2023).
34. Руководство по созданию API-запросов в Python[Электронный ресурс]// Pythonist.– Режим доступа: https://pythonist.ru/rukovodstvo-po-sozdaniyu-api-zaprosov-v-python/ (дата обращения: 02.05.2023).
35. MemuPlay.[Электронный ресурс] – Режим доступа: https://www.memuplay.com/ru/ (дата обращения: 30.04.2023).
36. BurpSuite[Электронный ресурс]// PortSwigger.– Режим доступа: https://portswigger.net/burp (датаобращения: 30.04.2023).
37. Android-Guards[Электронный ресурс]// Github.– Режим доступа: https://github.com/Android-Guards/faq#%D0%BF%D1%8B%D1%82%D0%B0%D1%8E%D1%81%D1%8C-%D0%BF%D0%B5%D1%80%D0%B5%D1%85%D0%B2%D0%B0%D1%82%D0%B8%D1%82%D1%8C-%D1%82%D1%80%D0%B0%D1%84%D0%B8%D0%BA-%D1%82%D0%B0%D0%BA-%D0%BA%D0%B0%D0%BA-%D0%BD%D0%B0%D0%BF%D0%B8%D1%81%D0%B0%D0%BD%D0%BE-%D0%B2%D1%8B%D1%88%D0%B5-%D0%BD%D0%B8%D1%87%D0%B5%D0%B3%D0%BE-%D0%BD%D0%B5-%D0%B2%D1%8B%D1%85%D0%BE%D0%B4%D0%B8%D1%82-%D1%87%D1%82%D0%BE-%D0%B4%D0%B5%D0%BB%D0%B0%D1%82%D1%8C (датаобращения: 01.05.2023).
38. Frida[Электронный ресурс]// Github.– Режим доступа: https://github.com/frida (дата обращения: 01.05.2023).
39. It's all about Bypassing Android SSL Pinning and Intercepting Proxy Unaware applications [Электронный ресурс] // Medium, 2022. – Режимдоступа:https://kishorbalan.medium.com/its-all-about-android-ssl-pinning-bypass-and-intercepting-proxy-unaware-applications-91689c0763d8 (дата обращения: 01.05.2023).
40. RuBERT for Sentiment Analysis [Электронный ресурс] // Hugging Face. – Режимдоступа:https://huggingface.co/blanchefort/rubert-base-cased-sentiment (дата обращения: 01.04.2023).
41. Елисеева И. И. Статистика. – СПб.: «Питер», 2010.
42. Долженко И.Б. ВЛИЯНИЕ ЦИФРОВОГО МАРКЕТИНГА НА ПОВЕДЕНИЕ ПОТРЕБИТЕЛЕЙ [Электронный ресурс] // Экономика и бизнес: теория и практика. 2021. №10-1. – Режим доступа: https://cyberleninka.ru/article/n/vliyanie-tsifrovogo-marketinga-na-povedenie-potrebiteley (дата обращения: 20.05.2023).

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.