《促销活动效果分析案例（论文）》

大型线上促销活动引流效果数据分析目录TOC\o"1-3"\h\u168791绪论 绪论1.1研究背景互联网和通信技术的不断革新和进步不仅拉近了人与人之间的距离，同时也推动了商业模式的变革，电子商务在近二十年间从无到有，市场规模持续增长。同时国民的消费观念也逐渐变化，网络购物己经成为广大消费者日常生活不可或缺的一部分，根据中国互联网信息中心(CNNIC)于2016年6月发布的《2015年中国网络购物市场研究报告》显示，截至2015年12月，我国网络购物用户规模己达到4.13亿，较2014年底增加5183万，增长率为14.3%，高于6.1%的网民增速;2015全国网络零售交易额达到3.88万亿元，同比增长33-.30fo，相当于社会消费品零售总额的比重增长至12.9%，其中B2C交易额为2.02万亿元[Ill0以上数据表明，网络购物市场在中国增长势头仍然较为强劲，网络购物这块诱人的蛋糕也随着互联网的持续发展变得越来越大。如此庞大且高增速的市场，必然会引起电子商务企业之间的激烈竞争。为了吸引消费者眼球，刺激消费者的购买意愿，塑造企业的品牌效应，电子商务平台通常会采用形式多样的营销手段。其中，促销是引起消费者注意并促进购买的重要营销手段。在电子商务和网络购物尚未兴起的年代，企业就已开始制定各式各样的促销策略，以求进一步推动产品销售。而众多成功的历史经验也说明了促销策略的正确、合理运用能够带来企业品牌价值的显著提高，并随即增加企业财富。1.2研究目的和意义在商业逻辑中，“流量”是一个至关重要的概念。在传统商业领域，流量表现为人流，即客流量;而对于电子商务平台，流量则表现为信息流，即点击量。显然在两种场景下，消费行为的发生都是因为商店获取到的那部分流量得到了转化，也即，流量是产生消费的前提。在电子商务网站上，一切交易发生的前提是消费者访问了网站并进行浏览，网站流量己然成为了电子商务企业日常运营表现的晴雨表。因此对电子商务企业来说，流量多少和质量优劣对其业绩有着极大的影响。电子商务企业开展线上促销活动的目的就是为网站带来更多的流量，吸引新用户，召回老用户，而最终目的是产生消费行为。为了解决这个难题，我们要对开展过的促销活动的效果进行分析和总结。互联网为商业的发展带来的一大好处是数据的易收集性，与传统实体商店相比，建立在互联网基础服务之上的电子商务平台可以便捷地监测并记录消费者访问网站的相关数据。利用网站分析技术可以获取并记录页面浏览量、独立访客数量、访问来源、跳出率、转化率等网站相关的关键绩效指标，这些指标可以较好地反映流量的大小、质量及转化情况。而本研究的重点便是利用这些指标对流量进行定量的研究，衡量线上促销活动的效果，并进行进一步探讨和总结，为将来开展类似的促销活动提供有价值的指导依据。1.3国内外研究现状在过去的十多年里，互联网在企业营销中扮演的角色越来越重要，这也催生了网络营销这样一个新的研究领域。作为网络营销的组合工具之一，近年来网络促销在众多企业—尤其是电子商务企业—的营销活动中获得了越来越多的重视。借助互联网这个新的渠道，企业可以以更低的成本向消费者传递促销活动信息以及了解消费者的需求，而互联网的可监测性也使得促销活动相关数据的获取变得便捷。因此，在消费者的需求同样被满足的情况下，网络促销有着成本较低的优势，同时使得企业可以更为方便地对促销的效果进行评估。现有的文献对网络促销尚缺乏一个被普遍接受的统一定义。ChandanX2000)等人指出网络促销是利用现有的互联网通信技术，对消费者提供各种刺激性信息，促使其购买大量商品或服务的方法。周铭源(2006)将网络促销定义为在互联网上，使用各种方式的激励对目标消费者进行刺激，使其对特定的产品或服务产生立即响应或购买的方法。殷晨(2013)在整理分析了前人对于促销活动的定义并归纳出促销的特征后，将网络促销定义为营销人员利用计算机及网络技术，在网络市场上提供一种或几种诱因来刺激目标消费者，增进消费者对特定产品或服务的购买意愿，以实现促成消费者产生购买的行为[t}l。通过分析以上定义不难发现，与传统意义上的促销相比，网络促销将促销发生的场合限定在互联网这一特殊的场景中，本质上和传统促销并没有太大的差别，一因此相关的研究通常都是基于前人对于传统促销的研究之上来开展。2理论基础2.1大型线上促销活动随着网络购物市场的不断扩大，电子商务网站将更多的营销资源用于开展各种促销活动来吸引消费者，使得用于网络促销的企业预算在持续增长，促销活动也日趋多样化和复杂化，大型线上促销活动是近年来兴起的一类促销活动。2009年，阿里巴巴公司旗下的淘宝商城(现改名为“天猫商城，’)选择在11月11日—年轻人中流行的“光棍节，一采用营销手段推出“购物狂欢节”，开展大规模的线上促销活动。活动取到了很好的效果，最终的交易额达到了5200万元。此后，每年的11月11日，阿里巴巴公司都会在旗下的天猫商城推出以“双十一”作为主题的大型线上促销活动，促销规模和力度在不断加大，活动交易额也在逐年攀升，2015年和2016年的销售额已达到了912亿元和1207亿元。在我国，大型线上促销活动的起源一般被认为是淘宝商城在2009年11月11日这一天开展的“双十一”促销活动。“双十一”己经成为了中国的网络购物者每年翘首以盼和津津乐道的线上促销活动。良好的促销效果和巨大的影响力使得诸如京东商城、苏宁易购、唯品会等其他中国电子商务企业纷纷效仿，不仅直接加入“双十一”促销的战场，还各自策划、开展了其他主题的大型线上促销活动，如京东商城的“6·18品质狂欢节”、唯品会的‘`4.19特卖节”等。大型线上促销活动为消费者提供了与普通线上促销活动不同的购物情境。相较于普通的线上促销活动，大型线上促销活动具有以下特点。首先，这类促销活动有着更大的促销力度和更多的商品品类。例如天猫商城的“双十一”促销活动常常是网站的全品类商品参与促销，且折扣为五折封顶。其次，大型线上促销活动往往围绕某个节日来开展，有明确的活动主题。诸如“双十一”、“6.18’’、‘，4.19’’等促销活动，从名字就可以很清楚地了解到促销活动的日期，在进行策划宣传时就将其打上了节日的烙印。第三，大型线上促销活动注重前期的宣传造势，因而知名度大，影响力高，具有较强的话题性。根据以上特点，我们将大型线上促销活动定义为在特定时间开展的、有着明确活动主题、较大促销力度和影响力的一类线上促销互动。2.2网站分析网站分析是分析网站访问者行为的一种方法。它的出现始于20世纪90年代，彼时互联网迎来了第一次的高速发展，为了记录网站访问日志，人们发明了服务器日志工具。随着日志内容的逐渐丰富，更多的人开始对日志中记录的海量数据产生了研究的兴趣，而技术人员也开始尝试编写脚本，对日志文件进行自动分析，并产生分析结果。1993年，第一款面向网站服务器日志的分析工具WebTrends诞生，WebTrends也成为了网站分析工具的鼻祖。第一个基于日志的完全免费的分析工具Analog在1995年发布，之后被广泛使用，这也正式标志了网站分析的诞生。2004年，网站分析协会WAA<WebAnalyticsAssociation，现己改名为DigitalAnalyticsAssociation)在美国成立，开始推动网站分析行业的标准制定。2.3网站流量统计原理在网站分析中，有两种主流的方法来获取网站流量的统计数据:服务器日志法和页面标记法。下面对这两种方法及其优缺点进行简要介绍。2.3.1服务器日志法这种方法通过分析网站服务器保存的日志文件来统计访客的浏览和点击行为。访客对一家网站的访问，实际上是在访问该网站站点上的某一网页，这一访问的行为会对服务器中存在的对应页面的实际文件产生请求，并将该文件下载到用户的浏览器中。请求行为和下载行为都会与服务器产生交互，因此访客对页面的访问行为痕迹会被服务器记录并存储在日志中。服务器日志最初没有得到充分的利用，仅仅是被用来查看网站是否被正确访问。随着技术的进步和需求的不断产生，更多的有用信息可以被记录在日志中，如网站访问的高峰期和低谷期以及访问次数等，并在此之后开始出现了可以对日志文件进行专门分析的工具。这些工具对服务器生成的日志文件中的数据进行清洗、访客识别、分析、重组等一系列操作后，最终得到分析结果。服务器日志法的优点主要有以下几点:第一，数据源易获得，且无需对网页代码进行修改。数据来自于网站服务器日志，是最基础和原始的数据，数据的获取不依赖第三方支持;第二，数据不依赖终端。无论是使用智能手机、平板还是电脑，都能够对访问相关数据进行真实记录;第三，分析的结果可恢复。只要原始的服务器日志还有存档，便可以对其进行重新分析。2.3.2页面标记法页面标记法利用在网页的源代码中嵌入一小段可执行的JavaScript脚本来进行对访客浏览行为的统计。第三方的网站分析工具会提供这段脚本的模板，只需对其做指定的修改，就可以进行嵌入。当访客访问网站，网站页面的文件下载到访客的浏览器上时，这段脚本就开始执行，对访客在该页面上的行为数据进行收集并实时上传到该网站分析工具提供商的数据收集服务器上。经过数据收集服务器的捕获并处理，便可生成在线表格、可视化图形等数据文件。3数据分析与结果讨论3.1数据的描述性统计根据对网站的实际观察以及对促销信息的收集，在2U14年10月27日至2015年6月30日这一取样期内，京东商城自营的佳洁士品牌参与了京东商城5次大型线上促销活动，具体活动信息见表1。表1样本期内促梢活动信息活动名称活动1活动2活动3活动4活动5双十一双十二年货节蝴蝶节6.18开始时间2014.12.82015.1.192015.3.12015.6.1结束时间2014.11.122014.12.142015.2.232015.3.132015.6.19持续天数127361319活动主要涉及商品类别全品类商品全品类商品全品类商品个护美妆及服饰类商品全品类商品根据表1提供的促销活动信息，可以从时间维度上对样本数据进行划分，分为大型促销活动时期和非大型促销活动时期。参考2.2.4中网站流量的分类方法，我们对样本具体流量来源数据中的来源网址进行分析和验证后，将流量分为付费流量和非付费流量两大类。付费流量指的是通过点击该品牌在各网站投放的广告带来的流量，包括站内推广和站外推广;非付费流量则为来源于其他渠道的流量，数量上看主要是通过在浏览器中输入网址或者通过收藏夹中书签访问的直接流量。根据以上对流量的分类，分别计算在大型促销活动期之内以及之外各项指标平均值，如表2所示。表2页面流量各指标均值页面浏览量独立访客数平均停留时间（秒）跳出率（%）订单转化率（%）大型促销活动期间（共87天）总流量4926931666127.98468.7660.825非付费流量2616415514137.70672.0540.038付费流量2310516152120.57453.2663.031非大型促销活动期间（共160天）总流量1395310977111.88178.7660.363非付费流量67635242112.67884.2980.026付费流量71905735111.44263.5201.167由表2可知，相比非促销活动期间，促销活动期间总流量的各项指标都有更好的表现，例如日均页面总浏览量由13953大幅增加到49269，说明活动期间页面被更多地访问:而跳出率则从78.77%降低到68.770}0，说明活动期间对页面进行下一步操作的访问所占比例更大;订单转化率从不足0.4%上升到0.8%以上，也得到了成倍的提升，这一点对于电子商务网站来说显得尤其重要。页面流量聚合数据中的页面浏览量独立访客数大小随时间的变化情况如图1所示。从图中可以直观地看出5个大型促销活动期间这两项指标大小都有提升，而且不同活动的提升效果存在差异。需要说明的是，由于系统故障导致未能收集到2015年4月1日至4月9日的数据，因此图1中缺失这段时间内的相关数据。图1页面浏览量和独立访客数3.2对来源流量的分析通过表2中的均值来看，各项指标在促销活动期间有着更好的表现。本节将会更近一步，利用前文构建的结构时间序列模型对影响流量的因素进行深入的分析。将来源流量按照是否付费分为付费流量和非付费流量，因此本部分将分别探究大型线上促销活动对页面总流量、付费流量和非付费流量的影日向。本文收集的是时间粒度为日的数据，相较于时间粒度为周或月的数据有着更大的波动性，也更容易存在异常值。同时由于系统故障，导致2015年4月1日至4月9日的数据缺失。针对以上样本数据中存在的异常值问题和观察值缺失问题，可以利用STAMP软件包对二者进行自动识别和估计。3.2.1促销活动对页面总流量的影响页面浏览量和独立访客数是对流量大小的直接反映，表3前两列是当这两个指标的自然对数作为内生变量时各系数的估计和检验结果。这两列中，代表促销活动的虚拟变量C1至CS的系数s1至凡都是显著的，且大于0，表明这5个大型促销活动对于页面浏览量和独立访客数均有明显的正向影响，也即这5个活动对流量大小的提升都具有良好的促进效果。同时，不同变量的系数大小存在差异，则反映了不同的活动对流量大小的促进效果不同:CS的系数65估计值分别为2.2374和2.1223，均为最大，表示活动5``6}18”在吸引更多流量方面有着最好的效果;估计值大小仅次于s:的是C1的系数}1，说明活动1“双十一”也可以较好地促进流量的增长;C2的系数}2的两个估计值均为最小，表明相较于其他4个活动，活动2"双十二”对于流量增长的贡献是最小的。表3页面总流量各指标估计结果综合考虑所有6个关键绩效指标的估计结果后，从活动角度来分析，可以发现这5个促销活动中:活动4"蝴蝶节”和活动5``6.18"对页面流量的大小、质量及转化都有显著的促进作用，无疑是引流效果最好的两个线上促销活动。对于开展促销活动的商家来说，这样的效果也是活动在设计之初最希望达到的。活动1“双十一”虽然为商家引入了大量的流量，但从结果看，这些流量缺乏留存，对流量的整体质量产生了负效应，同时也使得转化情况变差了，活动的效果打了折扣。活动2``双十二”和活动3`z年货节”对于流量大小有一定的积极影响，流量的质量和转化则并未受到其明显的影响。根据表3中的数据，我们还可以得知除大型线上促销活动的影响外的其他因素对页面总流量的影响。例如，当}'r分别为表征流量大小的两个指标(页面浏览量和独立访客数)的自然对数时，系数a4和a5的估计值都显著大于0，这表明在一周中，周四和周五的页面浏览量和独立访客数会增加，且从数值上看，周五更为显著。而系数a6和a}的显著估计值则说明，周六和周日页面总流量的平均访问深度会减少、跳出率会提高，即整体的流量质量会下降。至于节日效应，系数Yw关于流量大小指标的两个估计值显著大于0，说明了圣诞节和情人节这两大西方节日期间，流量有显著上升。而另外两个表征节日效应的虚拟变量的系数YE和Yo的估计值都不是统计显著的，由此得知中国传统节日和一些法定节日则不具有这样明显的效果。3.2.2促销活动对付费流量的影响与传统的广告形式相比，网络广告因其广告形式的多样性、成本的低廉性、超链接的直达性和数据的易获得性己成为电子商务网站的首要选择[[64j0电子商务网站常常在开展线上促销活动期间利用网络广告增加活动的曝光度及活动页面的易获得性，以获取更多的流量。由表4.2可知，京东商城自营的佳洁士品牌在大型促销活动期间，通过投放大量网络广告为品牌相关页面带来了规模可观的付费流量。本节利用式3-5的模型来分析各个活动对付费流量大小、质量及转化的影响情况。表4所示的是当变量砚为付费流量各项指标(或其自然对数)时，模型各系数的估计结果和诊断检验结果。这里的St方差褚恒为}e故未在表中列出，也意.味着趋势成分的斜率不随时间变化，因此趋势成分是一个带漂移项的随机游走过程。由检验结果可得，模型通过了诊断检验。当Yt为表征付费流量大小的两个指标(页面浏览量和独立访客数)的自然对数时，表示促销活动的虚拟变量C1至CS的系数凡至凡估计值均显著大于。显然，这5个活动均促进了付费流量的增长。同时，我们还可以根据系数的大小得知活动S对付费流量大小的正向影响最大，接下来按影响从大到小排序依次是活动4、活动3、活动2和活动1。当Yt为付费流量平均停留时间的对数时，Ci的系数中，仅有C4的的系数估计值是统计显著的，表明对于平均停留时间这一指标，除活动4对其显著正相关外，其他4个活动对其没有显著影响。当Yt为付费流量的跳出率时，C1和CZ的系数凡和s}显著大于。，C4和CS的系数风和s5显著小于。C3的系数凡不显著大于。，也即活动1和活动2导致付费流量更高的跳出率，活动4和活动}5降低了付费流量跳出率，而活动3对付费流量的跳出率无显著影响。表4的最后一列反映了促销活动对付费流量的订单转化率的影响情况:活动4和活动5促进了订单转化率的提高，活动1和活动2都对订单转化率有负向影响，活动3则对其无显著影响。由以上对各指标结果的分析可以发现，样本期内这5个大型线上促销活动对页面付费流量带来的影响基本与其对页面总流量的影响保持一致，即所有5个活动均带来了更多的付费流量。由于大型线上促销活动期间电子商务企业营销力度的加大、广告投放量的增多，各活动对付费流量大小的促进作用是可以预见的。但是对于流量的质量及转化情况影响不同:活动1“双十一”和活动2``双十二”期间付费流量的质量和转化变差;活动3对于这两类指标影响不明显:活动4和活动5带来了更低的跳出率和更高的订单转化率，提升和促进了付费流量的质量和转化。表4付费流量各指标估计结果考虑表4中除C1至CS外的其他系数值，可得知:关于周内效应，周三、周四和周五付费流量的大小会增加，周六和周日付费流量有更高的跳出率;关于节日效应，在被选中的西方传统节日和其他法定节日期间，被监测页面的付费流量均有数量上的增长。3.2.3促销活动对非付费流量的影响从表2中，我们还可以发现大型线上促销活动期间非付费流量各项指标的日平均值也有明显的改善。这种现象说明这些活动可能也会对非付费流量产生影响。己有文献对付费搜索流量和非付费搜索流量之间的关系进行了研究，Yang和Ghose(2010)分析某大型连锁零售商店网站6个月内两种流量的周数据后发现这两种流量存在正相关依赖关系「65];而Rutz(2011)等人研究汽车制造业某商业网站2006年5月至9月的流量日数据后发现付费搜索流量对非付费搜索流量有显著影响，且不同搜索关键词影响不同[[66]。本节将继续利用式3-5的模型来分析各个活动对非付费流量各维度的影响情况。当内生变量Yt为非付费流量的5个指标(或其自然对数)时，对模型中的各系数进行估计，估计结果和检验结果如表4.5所示。同样这里的}r方差褚恒为0}故未在表4.5中列出，因而趋势成分依然是一个带漂移项的随机游走过程。由检验统计量的值可以判断出模型通过了诊断检验。由3.2.1小节和3.2.2小节的分析可知，所有的5个大型线上促销活动对页面总流量及付费流量的大小均有显著的正向影响。然而对于非付费流量，表5的结果显示，不同的大型线上促销活动对其大小的影响存在差异:对于页面浏览量和独立访客数这两个表征流量大小的两个指标，虚拟变量C1,C4和CS的系数凡、风和凡的估计值显著的大于零，说明活动1、活动4和活动5对非付费流量有比较大的正向影响;C2和C3的系数凡和s3估计值不显著异于零，则说明活动2和活动3对非付费流量大小的变化没有明显的影响。至于余下的反映非付费流量质量及转化的三个指标(平均停留时间、跳出率和订单转化率)，表5的数据显示，与这5个促销活动相关的系数估计值大部分是统计不显著的。仅有的几个统计显著的系数估计值表明，活动1对非付费流量的质量有负向影响，活动5则对其有一定正向影响，而活动3期间的转化情况得到了提升。除5个促销活动的影响外，非付费流量在周末和西方节日期间显著增大，而在周末期间非付费流量的跳出率也有一定的提升。表5非付费流量各指标估计结果4分析结果讨论通过以上对数据的建模分析，我们评估了样本期内各个大型线上促销活动的引流效果。基于评估的结果，电子商务网站今后在设计和开展类似大型线上促销活动时，可以考虑从以下四个方面对活动进行改善，以期活动产生更好的引流效果，并最终带来更多的转化。首先，应该对大型促销活动的持续时间进行合理规划和安排。Blattberg和NeslinC1990)在研究了大量促销方式后发现，大多数促销活动属于短期刺激活动，用来刺激消费者在较短时间内大量、迅速地购买某种商品或服务[l。李季(2013)等人对中国某大型超市的促销活动进行研究后发现，价格促销活动的时间越长，促销效果越差(}$l。现在的大型线上促销活动虽然大多围绕某一特定日期进行命名和设计—如“双十一”促销活动以年轻人中很流行的“光棍节”11月11日进行命名，:`6}18"促销活动的名字则代表京东商城的店庆日6月18日—但是商家往往会提前多日开始促销活动，以期提升活动的热度和影响力。然而，促销活动的持续时间过长可能会使消费者的新鲜感不断降低，同时缺少紧迫感，使得活动对流量的质量及转化无法达到理想的效果。如果促销活动的持续时间过短，则可能存在曝光度不足、影响力不大的情况。从前文对活动效果的分析来看，活动2'`双十二”和活动3“年货节”的引流效果较差，可能与其持续的时间太短(活动2"双十二”持续时间为7天)或太长(活动3“年货节”持续时间为36天)有关，而活动1“双十一”、活动4"蝴蝶节”和活动5"618"的持续时间维持在15天左右，均对流量大小有较好的正向促进效果，同时后两个活动还有良好的质量和转化提升效果。所以可以得出结论:将大型线上促销活动的持续时间控制在一定的范围内可以带来较好的引流效果，在本案例中为巧天左右。其次，与压制竞争对手相比，应该将更多的营销资源重点投放在自身首创的大型促销活动上。每年11月11日前后开展的“双十一”促销活动和12月12日前后开展的“双十二”促销活动均为京东商城的竞争对手阿里巴巴首创，京东商城在这两个时间段内开展的促销活动效果则不尽如人意:从数据上来看，京东商城的“双十一”促销活动(活动1)虽然使得流量大小的提升明显，但是却带来了流量的整体质量的下降和转化情况的变差;“双十二”促销活动在样本期内的五个促销活动中，对流量大小的正向影响最小，对流量的质量及转化也缺少显著的影响，活动整体效果比较一般。相比之下，每年6月18日前后开展的“6-18"促销活动(活动5)作为京东商城首创的大型线上促销活动，吸引来的流量无论从数量、质量还是转化上来看，效果都是最佳的;而另一个京东商城首创的大型促销活动，即每年3月初开展的“蝴蝶节”促销活动(活动3)，引流的效果也十分优异。同时，网站首创的大型促销活动可以使网站与活动更为紧密地联系在一起，共同促进二者的影响力和知名度，例如:提及“双十一”，大多数消费者必将联想到阿里巴巴;而提及“6.18"，消费者往往会联想到京东商城。综上所述，首创的大型促销活动理应有更高的投资回报率，将营销资源向其倾斜是较好的选择。第三，对于不同的商品品类，可以设计更有针对性的大型促销活动。活动4"蝴蝶节”是京东商城在每年3月初开展的春季促销活动，参与促销的商品以个护美妆类及服饰类商品为主。虽然该活动无论在促销力度上，还是在整体的知名度和影响力上，都比不上活动1“双十一”和活动5"6.18"这样的涵盖全品类商品的促销活动，但对于研究样本涉及的佳洁士品牌页面却有着十分良好的引流表现，无论是对流量的大小、质量还是转化都有显著的积极影响，其效果在涉及的5个活动中仅次于活动5``6.18"。出现这种结果的原因，很可能是因为该促销活动限定商品品类后，消费者会更容易接收到针对这些商品品类的促销信息，从而对促销活动页面的访问会带有更强的目的性，更有可能对页面进行浏览并进行进一步的操作，乃至完成下单，完成转化。显然，这类活动也往往有较好的投资回报率，因此可以考虑更多地开展针对不同品类的大型促销活动。第四，对活动带来的非付费流量进行重点跟踪，并在下次开展类似促销活动时，对这部分消费者进行针对性的曝光和宣传，3.2.2小节的分析结果表明，大型线上促销活动确实对非付费流量的变化产生了影响。究其原因，一方面是因为一些促销活动本身己经具有一定的知名度和影响力，消费者会根据以往经验在活动期间对页面进行自主访问;另一方面，可能是因为商家在开展大型线上促销活动期间利用线上线下多种渠道进行活动的营销以及宣传造势，扩大了这些促销活动信息的覆盖面，消费者通过这些渠道获取活动信息和链接后，对活动页面进行自主访问。这部分流量背后的消费者在一定程度上表现出了较强的目的性和自性，意味着他们可能有更强烈的购买倾向，是开展促销活动的商家应该重点关注的人群另外，分析了节日效应后发现，样本期内的西方节日对流量大小有显著的正向影响，而中国传统节日及其他一些节日则对流量的大小和质量均没有产生明显的影响。这一现象说明中国的网购消费者可能有更大的意愿在西方节日期间浏览电子商务网站进行购物。因此，在设计与节日相关的促销活动时，应该重点考虑将活动与西方节日进行结合，特别是在中国比较盛行的西方节日，如圣诞节和情人节。5结论本文首先利用网站分析技术，基于页面浏览量、独立访客数、平均停留时间、平均访问深度、跳出率和订单转化率这6个网站分析指标，收集了京东商城佳洁士品牌页面的实际流量数据，并根据流量的来源网址将流量分为付费流量和非付费流量。随后，构建用于分析数据的结构时间序列模型，并基于数据实际情况进行修正，使用修正后的模型，从页面总流量、付费流量和非付费流量三个方面，针对以上关键绩效指标的数据进行时间序列分析。最后，利用得到的结果从流量的大小、质量和转化三个维度对数据样本期内的5个大型线上促销活动的引流效果进行了评估。本文的主要研究结论有以下几点:大型促销活动均会对页面总流量的大小产生显著的正向影响，但是对页面总流量的质量及转化的影响则存在个体间的差异。大型促销活动对付费流量的带来的影响基本与其对页面总流量的影响保持一致，即不同的活动对付费流量的大小均呈显著正相关，对付费流量的质量和转化的影响存在个体间的差异。大型促销活动对非付费流量的大小有正向影响，但是对活动2'`双十二”和活动3"年货节”影响不显著;除了活动1“双十一”的负向影响以及活动5"6.18"的正向影响较为显著，对非付费流量的质量影响基本上不显著;除了活动1“双十一”的负向影响以及活动3“年货节”的正向影响较为显著，对非付费流量的转化影响基本上不显著。除了活动的影响因素外，不同的节日对流量的影响也各不相同。其中，西方传统节日期间，页面总流量、付费流量和非付费流量的大小均有显著提升。

参考文献[1]夏泱.SF网（地产网络运营商）O2O模式客户引流问题分析[D].南京师范大学,2018.[2]丁瀚涛.电子商务网站大型线上促销活动引流效果分析与研究[D].武汉大学,2017.[3]冯铖超.服装品牌移动端线上引流效果指标及其优化方式的研究[D].浙江理工大学,2016.[4]宋丽娜.品管圈活动在降低颅内引流管道脱出危险性中的效果评价[J].临床医药文献电子杂志,2014,1(11):2004+2007.[5]蓝朝晖.体育品牌借“她经济”掀促销战[N].北京商报,2020-03-09(003).[6]YiWu,LiweiXin,DahuiLi,JieYu,JunpengGuo.Howdoesscarcitypromotionleadtoimpulsepurchaseintheonlinemarket?Afieldexperiment[J].Information&Management,2020.[7]DanielleN.Lambert,AndreaSwartzendruber.271.ExaminingInnovativeDigitalMethodsforHealthPromotion:TheFeasibilityandCost-EffectivenessofReachingSexuallyActiveAdolescentSubstanceUsersintheSouthThroughOnlineSocialNetworkingPlatforms[J].JournalofAdolescentHealth,2020,66(2).[8]赵艳丰.漫谈健康家电产品的线上营销[J].家用电器,2020(02):60-62.[9]CanaveseDaniel,MottaIuday,MarinhoMarinaMeloArruda,RodriguesJéssicaBernardo,BenícioLuanaAndrade,SignorelliMarcosCláudio,Moretti-PiresRodrigoOtávio,SantosMarliseBock,PolidoroMaurício.HealthandSexualRights:Design,Development,andAssessmentoftheMassiveOpenOnlineCourseonLesbian,Gay,Bisexual,Transgender,andIntersexHealthPromotioninBrazil.[J].Telemedicinejournalande-health:theofficialjournaloftheAmericanTelemedicineAssociation,2020.[10]FrenshamLaurenJ,ParfittGaynor,DollmanJames.PredictingEngagementWithOnlineWalkingPromotionAmongMetropolitanandRuralCancerSurvivors.[J].Cancernursing,2020,43(1).[11]QihuaLiu,XiaoyuZhang,ShanHuang,LiyiZhang,YangZhao.ExploringConsumers'BuyingBehaviorinaLargeOnlinePromotionActivity:TheRoleofPsychologicalDistanceandInvolvement[J].JournalofTheoreticalandAppliedElectronicCommerceResearch,2020,15(1).[12]LeeYaeeun,KurtzJohnE.Personalitytraitsanddysfunctionalconstrualofonlinehealthpromotionmessages.[J].Eatingandweightdisorders:EWD,2019,24(6).[13].GrouponInc.;PatentApplicationTitled"CadenceManagementSystemForConsumerPromotions"PublishedOnline(USPTO20190355013)[J].Computers,Networks&Communications,2019.[14]YaeeunLee,JohnE.Kurtz.Personalitytraitsanddysfunctionalconstrualofonlinehealthpromotionmessages[J].EatingandWeightDisorders-StudiesonAnorexia,BulimiaandObesity,2019,24(6).[15]BurcinMichelleM,ArmstrongShelleyN,EarlyJodyO,GodwinHolly.Optimizingcollegehealthpromotioninthedigitalage:Comparingperceivedwell-being,andhealthbehaviors,healtheducationneedsandpreferencesbetweencollegestudentsenrolledinfullyonlineversuscampus-basedprogramss.[J].Healthpromotionperspectives,2019,9(4).[16]HeikeEschenbeck,LayaLehner,HannaHofmann,StephanieBauer,KatjaBecker,SilkeDiestelkamp,MichaelKaess,M