基于消费者网络搜索的市场预测模型与应用研究
出版时间:
2019-09
版次:
1
ISBN:
9787030610225
定价:
86.00
装帧:
平装
开本:
16开
页数:
134页
3人买过
-
《基于消费者网络搜索的市场预测模型与应用研究》基于大数据背景下消费者网络信息搜索行为的分析视角,综合运用消费者行为学、市场预测理论、统计学及计量经济学等知识,采用理论分析和实证比较研究相结合。《基于消费者网络搜索的市场预测模型与应用研究》共9章,系统研究基于消费者网络搜索进行产品销量预测的普适性方法,提出现代市场预测研究领域的一种新兴理论和创新方法,并建立基于竞争品牌网络搜索相关关系的消费者购买意向转移模型,在丰富网络搜索数据与消费行为内在关联机理研究的同时,有助于企业更加精准地进行自我品牌定位和品牌营销效果评估,为企业经营决策提供更加及时、有效的理论支撑和数据支撑。《基于消费者网络搜索的市场预测模型与应用研究》兼具指导性、实践性、前沿性和创新性。 目录
第1章 绪论 1
1.1 研究背景 1
1.2 研究内容及意义 3
1.2.1 研究内容 3
1.2.2 研究意义 4
1.3 研究方法 5
1.4 研究创新点 5
第2章 理论背景 7
2.1 网络搜索指数概述 7
2.1.1 网络搜索指数 7
2.1.2 百度指数 9
2.1.3 360指数 11
2.2 市场预测与传统市场预测方法发展概述 12
2.2.1 市场预测发展概述 12
2.2.2 传统市场预测方法概述 13
2.3 引入网络搜索数据预测的文献综述 14
2.3.1 研究起源 14
2.3.2 网络搜索与经济行为相关性研究综述 14
2.3.3 经济市场预测方面的研究综述 15
2.4 本章小结 19
第3章 理论框架与网络搜索指数合成体系 20
3.1 基于消费者网络信息搜索的模型理论框架 20
3.1.1 消费者购买决策过程 20
3.1.2 AIDMA模式与AISAS模式 21
3.1.3 模型理论框架 23
3.2 网络搜索关键词库构建 25
3.2.1 关键词选择方法 25
3.2.2 关键词库构建步骤 27
3.2.3 关键词筛选 27
3.3 关键词搜索指数合成 29
3.3.1 网络搜索指数合成方法 29
3.3.2 关键词搜索指数合成过程 31
3.3.3 主成分分析法简介 32
3.4 本章小结 34
第4章 基于网络搜索指数的特定品牌特定车型预测模型 35
4.1 研究模型构建 35
4.1.1 相关研究模型回顾 35
4.1.2 基于网络搜索指数的市场预测模型构建 36
4.2 实例对象与数据来源 37
4.2.1 实例对象选择 37
4.2.2 研究数据来源 39
4.3 网络搜索指数合成 39
4.3.1 搜索关键词库 39
4.3.2 搜索指数合成 42
4.4 模型估计与预测分析 44
4.4.1 数据检验与参数选择 44
4.4.2 模型估计与结果 47
4.4.3 模型预测效果 50
4.5 本章小结 52
第5章 基于网络搜索指数的多品牌多车型预测模型 53
5.1 模型改进思路 53
5.1.1 现有模型的问题 53
5.1.2 改进思路 54
5.2 相关研究回顾 54
5.2.1 汽车销量预测的相关研究 54
5.2.2 基于网络搜索数据的经济类、社会类行为相关性研究 55
5.3 模型分析 56
5.3.1 数据来源 56
5.3.2 选取关键词 57
5.4 百度搜索指数与汽车销量的关系 59
5.4.1 单位根检验 59
5.4.2 格兰杰因果检验 60
5.5 模型与结果 60
5.5.1 模型设定 60
5.5.2 预测效力检验 61
5.6 本章小结 63
第6章 基于网络搜索指数的市场预测模型比较研究 64
6.1 基于网络搜索指数的销量预测模型效果比较 64
6.1.1 比较对象 64
6.1.2 研究数据 65
6.1.3 模型估计与结果分析 66
6.1.4 模型预测效果对比分析 68
6.2 基于360搜索指数的模型预测效果比较 68
6.2.1 研究数据 68
6.2.2 模型估计与预测结果 69
6.2.3 预测效果差异探析 71
6.3 本章小结 72
第7章 消费者购买意向转移理论框架与模型搭建 73
7.1 基于消费者网络信息搜索的模型理论框架 73
7.2 模型的建立 75
7.2.1 相关理论回顾 75
7.2.2 基于网络搜索指数的消费者购买意向转移模型构建 77
7.3 本章小结 80
第8章 消费者购买意向转移模型的实例应用研究 81
8.1 实例对象与数据来源 81
8.1.1 实例对象选择 81
8.1.2 研究数据来源 82
8.1.3 数据预处理 83
8.1.4 共性关键词合成 83
8.2 研究模型的建立 84
8.2.1 回归模型的建立 84
8.2.2 模型解释 86
8.3 模型估计与分析 86
8.3.1 数据检验 86
8.3.2 模型估计与结果 88
8.3.3 模型结果分析 90
8.4 本章小结 95
第9章 总结与展望 97
9.1 研究结论 97
9.2 研究局限与展望 100
参考文献 101
附录 360指数数据采集系统搭建 105
索引 135
-
内容简介:
《基于消费者网络搜索的市场预测模型与应用研究》基于大数据背景下消费者网络信息搜索行为的分析视角,综合运用消费者行为学、市场预测理论、统计学及计量经济学等知识,采用理论分析和实证比较研究相结合。《基于消费者网络搜索的市场预测模型与应用研究》共9章,系统研究基于消费者网络搜索进行产品销量预测的普适性方法,提出现代市场预测研究领域的一种新兴理论和创新方法,并建立基于竞争品牌网络搜索相关关系的消费者购买意向转移模型,在丰富网络搜索数据与消费行为内在关联机理研究的同时,有助于企业更加精准地进行自我品牌定位和品牌营销效果评估,为企业经营决策提供更加及时、有效的理论支撑和数据支撑。《基于消费者网络搜索的市场预测模型与应用研究》兼具指导性、实践性、前沿性和创新性。
-
目录:
目录
第1章 绪论 1
1.1 研究背景 1
1.2 研究内容及意义 3
1.2.1 研究内容 3
1.2.2 研究意义 4
1.3 研究方法 5
1.4 研究创新点 5
第2章 理论背景 7
2.1 网络搜索指数概述 7
2.1.1 网络搜索指数 7
2.1.2 百度指数 9
2.1.3 360指数 11
2.2 市场预测与传统市场预测方法发展概述 12
2.2.1 市场预测发展概述 12
2.2.2 传统市场预测方法概述 13
2.3 引入网络搜索数据预测的文献综述 14
2.3.1 研究起源 14
2.3.2 网络搜索与经济行为相关性研究综述 14
2.3.3 经济市场预测方面的研究综述 15
2.4 本章小结 19
第3章 理论框架与网络搜索指数合成体系 20
3.1 基于消费者网络信息搜索的模型理论框架 20
3.1.1 消费者购买决策过程 20
3.1.2 AIDMA模式与AISAS模式 21
3.1.3 模型理论框架 23
3.2 网络搜索关键词库构建 25
3.2.1 关键词选择方法 25
3.2.2 关键词库构建步骤 27
3.2.3 关键词筛选 27
3.3 关键词搜索指数合成 29
3.3.1 网络搜索指数合成方法 29
3.3.2 关键词搜索指数合成过程 31
3.3.3 主成分分析法简介 32
3.4 本章小结 34
第4章 基于网络搜索指数的特定品牌特定车型预测模型 35
4.1 研究模型构建 35
4.1.1 相关研究模型回顾 35
4.1.2 基于网络搜索指数的市场预测模型构建 36
4.2 实例对象与数据来源 37
4.2.1 实例对象选择 37
4.2.2 研究数据来源 39
4.3 网络搜索指数合成 39
4.3.1 搜索关键词库 39
4.3.2 搜索指数合成 42
4.4 模型估计与预测分析 44
4.4.1 数据检验与参数选择 44
4.4.2 模型估计与结果 47
4.4.3 模型预测效果 50
4.5 本章小结 52
第5章 基于网络搜索指数的多品牌多车型预测模型 53
5.1 模型改进思路 53
5.1.1 现有模型的问题 53
5.1.2 改进思路 54
5.2 相关研究回顾 54
5.2.1 汽车销量预测的相关研究 54
5.2.2 基于网络搜索数据的经济类、社会类行为相关性研究 55
5.3 模型分析 56
5.3.1 数据来源 56
5.3.2 选取关键词 57
5.4 百度搜索指数与汽车销量的关系 59
5.4.1 单位根检验 59
5.4.2 格兰杰因果检验 60
5.5 模型与结果 60
5.5.1 模型设定 60
5.5.2 预测效力检验 61
5.6 本章小结 63
第6章 基于网络搜索指数的市场预测模型比较研究 64
6.1 基于网络搜索指数的销量预测模型效果比较 64
6.1.1 比较对象 64
6.1.2 研究数据 65
6.1.3 模型估计与结果分析 66
6.1.4 模型预测效果对比分析 68
6.2 基于360搜索指数的模型预测效果比较 68
6.2.1 研究数据 68
6.2.2 模型估计与预测结果 69
6.2.3 预测效果差异探析 71
6.3 本章小结 72
第7章 消费者购买意向转移理论框架与模型搭建 73
7.1 基于消费者网络信息搜索的模型理论框架 73
7.2 模型的建立 75
7.2.1 相关理论回顾 75
7.2.2 基于网络搜索指数的消费者购买意向转移模型构建 77
7.3 本章小结 80
第8章 消费者购买意向转移模型的实例应用研究 81
8.1 实例对象与数据来源 81
8.1.1 实例对象选择 81
8.1.2 研究数据来源 82
8.1.3 数据预处理 83
8.1.4 共性关键词合成 83
8.2 研究模型的建立 84
8.2.1 回归模型的建立 84
8.2.2 模型解释 86
8.3 模型估计与分析 86
8.3.1 数据检验 86
8.3.2 模型估计与结果 88
8.3.3 模型结果分析 90
8.4 本章小结 95
第9章 总结与展望 97
9.1 研究结论 97
9.2 研究局限与展望 100
参考文献 101
附录 360指数数据采集系统搭建 105
索引 135
查看详情
-
全新
北京市丰台区
平均发货28小时
成功完成率86.99%
-
全新
北京市东城区
平均发货23小时
成功完成率88.37%
-
全新
江苏省无锡市
平均发货8小时
成功完成率96.19%
-
全新
北京市通州区
平均发货9小时
成功完成率88.84%
-
全新
天津市西青区
平均发货14小时
成功完成率90.82%
-
全新
江苏省南京市
平均发货12小时
成功完成率84.33%
-
全新
江苏省南京市
平均发货6小时
成功完成率98.44%
-
全新
上海市黄浦区
平均发货10小时
成功完成率95.12%
-
全新
河北省保定市
平均发货27小时
成功完成率87.77%
-
全新
广东省广州市
平均发货16小时
成功完成率88.47%
-
全新
广东省广州市
平均发货17小时
成功完成率90.57%
-
全新
四川省成都市
平均发货21小时
成功完成率90.1%
-
全新
江苏省无锡市
平均发货9小时
成功完成率95.04%
-
全新
北京市顺义区
平均发货9小时
成功完成率92.42%
-
全新
四川省成都市
平均发货10小时
成功完成率96.02%
-
全新
北京市丰台区
平均发货7小时
成功完成率92.25%
-
全新
北京市朝阳区
平均发货13小时
成功完成率84.58%
-
全新
北京市通州区
平均发货9小时
成功完成率91.18%
-
全新
天津市河东区
平均发货23小时
成功完成率90.31%
-
全新
河北省保定市
平均发货14小时
成功完成率91.75%
-
全新
北京市朝阳区
平均发货9小时
成功完成率97.71%
-
全新
北京市西城区
平均发货12小时
成功完成率93.85%
-
九五品
重庆市南岸区
平均发货10小时
成功完成率96.89%
-
全新
重庆市渝中区
平均发货16小时
成功完成率94.85%
-
全新
浙江省嘉兴市
平均发货11小时
成功完成率93.14%
-
全新
北京市朝阳区
平均发货13小时
成功完成率94.28%
-
全新
广东省广州市
平均发货7小时
成功完成率89.61%
-
全新
广东省广州市
平均发货9小时
成功完成率87.3%
-
全新
山东省泰安市
平均发货8小时
成功完成率91.72%
-
全新
重庆市渝中区
平均发货17小时
成功完成率88.7%
-
全新
河北省廊坊市
平均发货12小时
成功完成率80.77%
-
全新
山东省泰安市
平均发货11小时
成功完成率86.11%
-
全新
江西省吉安市
平均发货49小时
成功完成率87.61%
-
全新
上海市浦东新区
平均发货25小时
成功完成率76.15%
-
全新
江西省吉安市
平均发货53小时
成功完成率85.8%
-
全新
广东省广州市
平均发货16小时
成功完成率91.18%