微信营销对消费者购买行为的影响研究

。

3微信营销数据分析3.1问卷设计3.1.1调查范围和对象本文研究微信营销对消费者购买行为的影响因素，研究对象是微信营销；调查对象主要为微信用户。微信营销是基于微信开展的营销，所以主要参与人群就是微信用户。本文是基于微信用户的需求视角，通过发放电子问卷，并对数据进行整理，对消费者购买行为影响因素进行数据分析。3.1.2变量设计用户分析变量及设计原理如下表3.1：表3.1用户分析变量及设计原理变量设计原理性别本问卷研究的是微信营销对消费者购买行为的影响因素研究，主要在于对消费者的收入和是否进行过微信营销操作。可支配收入是否通过微信营销进行消费影响因素分析变量如下表3.2：表3.2影响因素分析变量及设计原理变量设计原理商品本身微信营销基于微信而生，除了对商品本身的属性还要包括微信自身功能、其关系属性、线下O2O模式的便利性、用户体验这些具有微信特色的功能对于微信营销都有影响。微信功能关系属性对O2O的便利性用户体验问卷由以下几部分组成：1、分析哪个收入层次的人群曾经进行过微信营销，目的是对微信营销进行受众分析。2、分析用户进行微信营销是主要考虑因素（包括商品属性、微信功能、关系属性、不同模式、用户体验），目的是建议企业进行微信营销是需要注意做到那些地方。3、分析用户选择微信平台的原因（包括商品价格、商品质量、售后服务、熟人用关系营销、APP操作），目的是建议企业进行营销适当按权重进行投资。4、分析社交属性对消费者进行微信营销的影响，目的是建议如何利用社交属性进行微信营销和企业推广。3.2问卷回收情况本文研究对象为消费者购买行为的影响因素，调查对象主要为微信用户。本文通过“问卷星”发放电子问卷，整理数据，使用SPSS工具，对微信营销对消费者购买行为的影响因素进行分析。本次问卷共回收196，有效问卷165份，无效问卷31份。问卷有效率84.18%。问卷回收状况客观，接下来通过对问卷的整理，总结消费者在进行微信营销时候的基本情况及相关分析。3.3描述性统计分析3.3.1微信用户特征分析对问卷数据进行描述性统计分析，如下表3.3。此样本中男女比例接近50%，月可支配收入集中于1001元~2000元的区间，占总样本量的43.6%；月可支配收入在3000元以上的样本最少，此项可能是因为在发放问卷的过程中，大部分填写的吊车这都是学生，学生的月可支配收入都来自月父母亲打的生活费，基本不会超过3000元；样本中年龄在21~25岁这一阶段的人最多，达111人，这估计也是因为填写问卷的几乎都是大学生，普遍年龄都在21~25岁这一个范围之中；微信使用时间集中在2年到3年以及3年以上的范围，两部分加起来站总样本量的69.7%，大部分的人都拥有至少一年的微信使用经历，已经对微信都有一个比较全面的了解了。表3.3微信用户特征分析统计结果属性名称细分项目人数占总量百分比性别男7646%女8954%每月可支配收入1000以下6137.0%1000~20007243.6%2000~30002112.7%3000以上110.7%年龄20岁以下（包括20）159.11%20岁到25岁（包括25）11167.27%25岁到30岁（包括30）2313.93%30岁以上169.69%微信使用时间1年以下1710.30%1年到2年3320.00%2年到3年5633.94%3年以上5935.76%表3.4消费者选择进行微信营销消费的行业类型统计结果属性名称细分项目人数占总量百分比消费者进行微信营销消费行业类型买衣服10664.24%买食物10060.60%出去玩10060.60%出行（车票，机票）5935.76%住宿7444.85%游戏道具7042.42%知识产品消费7143.03%其他159.09%3.3.2选择及阻碍使用微信营销统计结果表3.5选择及阻碍使用微信营销统计结果研究因素细分项目人数占总量百分比选择进行微信营销的影响因素有优惠，价格比实体店消费低8350.30%商品质量比较好8853.33%互动形式多8853.33%联系商家容易，可以做到即时沟通9859.39%微信操作更熟悉、简单7444.85%朋友分享11267.88%其他127.27%阻碍进行微信营销的影响因素信息安全难保障10664.24%商品价格高11267.88%微信商商品质量难保障8350.30%售后服务难保证，没有发票9758.78%商家不靠谱，怕被骗7646.06%微信操作不流畅，用户体验差9054.54%需要连带性关注公众号7243.63%商品描述与实物不符6036.36%其他169.70%4基于决策树的消费者类型研究4.1基于C5.0决策树案例预测演示决策树算法点后用于各式各样的问题预测，方案决策中，接下来我会既然用一个例子让大家可以更加直观了解到决策树到底是怎样进行方案决策的。表4.1.1问卷数据部分罗列性别（T1）1121222222月可支配收入(T2)2112233122年龄2321323321是否通过微信营销进行消费（T3）1122122122表4.1.2数值说明表性别栏1表示男性，2表示女性；月可支配收入栏1表示月可支配收入在1000元以下，2表示在1000~2000元，3表示2000元~3000元；是否通过微信营销进行消费栏1表示是，2表示否进行决策树将输出变量T3看成信息源发出的信息U，输入变量堪称收到的信息V。输出变量T3对新宿的平均不确定性为=-0.4log2(0.4)-0.6log2(0.6)=0.971(4.1)然而在决策树建立过程中，随着信宿收到信息，在添加了输入变量后其条件信息熵为（以T1为例）En=-0.3*2/3*log2（2/3）-0.7*2/7*log2（2/7）=0.631（4.2）因此T1信息增益就是Gains（U,T1）=Ent(U)-Ent(U|T1)=0.971-0.631=0.340(4.3)同理计算T2的信息增益为Gains（U,T2）=Ent(U)-Ent(U|T2)=0.971-0.534=0.437(4.4)很明显，T1的信息增益0.340小于T2的信息增益0.437，所以选择变量T2作为最佳分组变量，它消除的信息不确定性更强。4.3C5.0算法分析过程4.3.1决策树分析内容本分析的目的在于对进行微信营销消费者类型做出建议，输入变量分别为：“你的性别是？”、“你每月可支配收入是？”、“您使用微信多长时间了？”、“您的年龄是？”，输出变量为：“您是否通过微信营销进行消费过？”。（第一到第五题）整体结构如下图4.1图4.1决策树分析整体设计4.3.2决策树分析步骤1、步骤及节点使用与操作（1）在Excel表格中进行无效问卷清除。（2）用Excel节点导入数据。（3）用过滤节点过滤不需要的变量。（4）用分区节点对样本进行分割。（5）用网络、分布节点进行图形查看。（6）用矩阵节点进行列联分析。（7）用类型节点调整数据类型，并设置输入输出的变量。（8）用C5.0节点导入决策树模式。（9）用分析节点进行正确率检验。2、数据预处理由于在填写问卷的过程中，可能有一部分人会不认真而快速填写问卷，导致问卷填写时间过段的情况，经过三次实验，得出问卷填写至少需要36秒，则少于此填写时间的问卷是无效问卷，通过Excel表格中杀你选出来并且剔除。由于原始数据中存在其他无关变量，如序号，IP等，因此需要用到过滤节点进行变量过滤，一道物体是需要保留的变量。设置如图4.2图4.2类型节点设置接下来使用分区节点进行样本分割，设置训练样本数占总样本数的70%，测试样本数占总样本数的30%，以提高模型的稳定性和一般性。如图4.3图4.3分区节点设置情况使用类型节点设置输入变量为“请问您的性别是？”，“您的年龄是？”，“您每月可支配收入是？”，“您使用微信多长时间了？”，输出变量为“您有通过微信营销进行消费过吗？”。设置如图4.4图4.4类型节点设置情况3、相关性的图形分析在进行决策树分析前，初步探讨一下各个变量之间的相关性，先分析输入变量“性别”与输出变量“是否试过通过微信营销进行消费”。在此使用网络节点对两个变量之间进行相关行分析。节点设置如下图4.5图4.5网络节点设置情况进行参数设置后，并执行流，输出的网状图如下图4.6，线条越粗代表频数越大的两组变量的交叉分组，从图中可以看到“性别”为女与“是否有通过微信营销进行消费”之间的线条最粗，也就说明他们之间的交叉分组频数最高，初步分析女性用户会对微信营销消费更加感兴趣，跟家愿意参与其中。图4.6网络节点执行输出结果同理对“您使用微信多长时间了”与“您是否有通过微信营销进行消费”进行相关性分析，节点设置与输出结果分别如下图4.7和图4.8所示图4.7网络节点设置情况图4.8网络节点执行输出节点由于“微信使用时间”的变量较多，对于“微信使用时间”与“是否通过微信营销进行消费”之间的相关性分析可以选择条形图分析。在数据流加入分布节点，对节点进行设置。选择散点图，选定字段“您使用微信多长时间了？”作为绘图变量，交叠字段选择“您有通过微信营销进行消费过吗？”，对她们在绘图变量上的分布情况进行分析。使用比例尺功能，让绘制的图形更加直观。分布节点设置情况如图4.9图4.9分布节点设置情况在执行分布节点后，得到如图4.10的结果，从图中结果可以看出，“使用微信时间”与“是否有通过微信营销消费”的相关性都很强。使用微信从1年以下到3年以上的用户群中，大部分人都会选择通过微信营销进行消费，而且使用时间越短的相关性更高，说明新用户的微信营销能力更加活跃，更加愿意接受微信营销。图4.10分布节点执行输出结果使用列联分析对“您的约可支配收入”与“是否有通过微信营销进行消费”进行相关性分析。在数据流中加入矩阵节点，对节点进行设置，行列变量分别突出前一个变量和后一个变量，交叠字段频数最高以红字显示，频数最低以绿色显示，能够比较清晰的显示结果。如下图4.11图4.11矩阵节点设置情况运行节点，输出结果如下图4.12所示，可以看出，月可支配收入在1000以下约有73%有进行过微信营销消费；月可支配收入在1000~2000的被调查用户，约有76%有通过微信营销进行消费过；月可支配收入在2000~3000的被调查用户中都有过通过微信营销进行消费过；月可支配收入在3000以上的被调查用户月有45%有通过微信营销进行消费过。图4.12矩阵节点执行输出结果4、C5.0算法建模将C5.0节点加入到数据流中，对C5.0节点进行设置，选择决策树表示输出决策树和由决策树直接得到的推理规则，选择组符号选项，得到较为精简的决策树，模式选项选择简单自动调整参数。运行C5.0节点得到C5.0模型，对模型进行分析，得出结果。C5.0节点设置如下图4.13所示图4.13C5.0节点设置情况4.4结果分析执行C5.0节点，得出分析结果，如下图4.14，详情树状图可见附录二图4.14C5.0模型分析结果（1）若用户性别为女，则都由试过通过微信营销进行消费（样本数为59，置信度为0.881）。（2）若用户性别为男，年龄在“25~30”，则都有通过微信营销进行消费（样本数量为9，置信度为1.0）。（3）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“3000以上”这一范围的，则都没有过通过微信营销进行消费（样本数量3，置信度1.0）。（4）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“2000~3000”，则都有过通过微信营销进行消费（样本数量1，置信度1.0）。（5）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“30以上”，则没有通过微信营销进行消费（样本数量4，置信度0.5）。（6）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20以下”，月可支配收入是“1000以下”的没有过微信营销进行过消费（样本数量1，置信度1.0）。（7）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20以下”，月可支配收入是“1000~2000”的都有进行过微信营销消费（样本数量2，置信度1.0）。（8）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20~25”，微信使用时间“1~2年”的都有进行过微信营销消费（样本数量8，置信度0.875）。（9）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20~25”，微信使用时间“1年以下”的，则都没有过通过微信营销进行消费（样本数量4，置信度0.5）。（10）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20~25”，使用微信时间“3年以上”，月可支配收入是“1000以下”，则都没有过通过微信营销进行消费（样本数量5，置信度0.6）。（11）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20~25”，使用微信时间“3年以上”，月可支配收入是“1000~2000”，则都有过通过微信营销进行消费（样本数量7，置信度1.0）。（12）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20~25”，使用微信时间“2~3年”，月可支配收入是“1000以下”，则都有过通过微信营销进行消费（样本数量4，置信度1.0）。（13）若用户性别为男，年龄在“20以下”“20~25”“30以上”且月可支配收入是“1000~2000”“1000以下”，然后看年龄在“20~25”，使用微信时间“2~3年”，月可支配收入是“1000~2000”，则都没有过通过微信营销进行消费（样本数量6，置信度0.667）。对结果进行各变量重要性进行分析，如下图4.15所示，可以看出每月可支配收入是消费者选择通过微信营销进行消费的主要影响因素，其次为微信使用时间。其他比较不主要的影响因素包括性别，年龄等可以作为用户定位的细分条件。图4.15C5.0模型各变量重要性使用分析节点对模型的预测精度进行评价，如下图4.16所示，从图中可以看出训练样本集包含113个，其中82个样本实际值与预测值吻合，正确率72.57%，31个错误预测，错误率为27.43%。测试样本集共有52个样本数量，预测正确有31个，正确率为59.62%，预测错误有21个，错误率为40.38%，与训练集相比较有所上升。图4.16分析节点执行输出结果

5基于关联规则的选择进行微信营销的影响因素研究5.1Apriori算法简介简单关联规则是一种分析简单关联关系的技术，属于无指导学习方法，能够有效揭示数据中隐含的关联特征。简单关联规则有效揭示数据中隐含的关联特征，用于揭示事物内在结构。Apriori算法是核心算法之一，但是只能除了分类型变量，无法处理数值型变量。Apriori算法包括产生频繁项集和根据频繁项集产生关联规则两大部分。频繁项集指包含项目A的项集C,如果其支持度大于等于用户指定的最小支持度,即（5.1）则C(A)为频繁项集。1、寻找频繁项集Apriori算法是从少到多来寻找频繁项集的,也就是先在包含少量项目入手的集，逐个向包含项目多的集寻找。此原则是若有存在只包含一个项目的项集（例如Z项）的1-项集，这个项集不是频繁项集，那么其他包含这一项的项集都不会是频繁项集，那么则无需对包含Z项的项集进行判断。Apriori算法是通过不断迭代更新来寻找频繁项集的，每次迭代都需要进行两步，首先第一步通过事务生成候选集（即全部有可能成为频繁项集的项目集合），然后第二步通过候选集计算项集的支持度以及确定频繁项集LK。然后不断重复这两个步骤，直到无法生成候选项集为止。需要注意的是，从第二次迭代开始，在这之后的每次迭代都要以上一次迭代的基础上进行。若支持度大于等于用户指定的最小支持度则可以被选为频繁项集。2、依据频繁项集产生简单关联规则从频繁项集中产生所有简单关联规则，选择置信度大于用户指定最小置信度阈值的关联规则，组成有效规则集合。对于每个频繁项集L，计算L所有非空子集L’的置信度（5.2）如果大于用户指定最小置信度阈值，则生成关联规则[17]。5.2关联分析5.2.1关联分析内容本关联分析主要研究消费者的选择微信营销影响因素，主要包括三个方面的内容：1、分析消费者愿意在微信营销进行消费的类型（包括买衣服、买食物、出行（车票，机票等）、住宿、游戏道具、出去玩、知识产品），目的是建议企业可以对号入座或者与相关企业进行合作。2、分析消费者选择进行微信营销的主要考虑因素（包括有优惠，价格比实体店消费低；商品质量比较好；互动形式多；联系商家容易，可以做到即时沟通；微信操作简单；微信操作更熟悉，简单；朋友分享），目的是建议企业更需要注意哪些吸引消费者的因素。3、分析消费者不愿选择进行微信营销的考虑因素（包括信息安全难保障；商品价格高；微信上商品质量难保证；售后服务难保证，没有发票；商家不靠谱，怕被骗；微信操作不流畅，用户体验差；需要连带性关注公众号；商品描述与实物不符），目的是建议商家企业要避免这些因素。整体设计如下图5.1图5.1关联分析整体结构5.2.2关联分析步骤1、步骤及使用节点分析（1）用Excel节点导入数据。（2）用过滤节点过滤不需要的题目。（3）用类型节点调整数据类型，并设置输入变量。（4）用Apriori节点导入关联模式。（5）用Web图形节点直接查看关联关系。2、数据预处理（1）通过Excel筛选掉填写时间少于36秒的问卷。（2）分别使用过滤节点分别过滤掉这三体不需要进行分析的题目，如下图5.2，图5.3和图5.4图5.2第7题过滤节点设置情况图5.3第8题过滤节点设置情况图5.4第9题过滤节点设置情况（3）对类型节点进行参数设置，并设置输入变量，设置结果如下图5.5，图5.6，图5.7所示图5.5第7题类型节点设置情况图5.6第8题类型节点设置情况图5.7第9题类型节点设置情况5.2.3关联分析结果1、第7题关联模型建模在数据流中加入Apriori节点，对最小规则置信度下调至75，运行节点，得出结果，如下图5.8所示图5.8Apriori节点执行输出结果从该结果中可以看出，磁体研究中产生了三条关联规则，分别是：买衣服→游戏道具、出去玩、买食物（S=10.241,C=82.353）;买衣服→游戏道具、买食物（S=21.687,C=77.778）;买衣服→出行（车票，机票等）、住宿（S=14.458,C=75.00）。结果产生的置信度和支持度都算比较高，规则可信度较高，并且规则支持度也相对较高，证明规则的普遍性较高。增益规则提升度约为1.1~1.3，大于1，说明影响显著，对实际指导意义较高。其中比较突出的是：衣服→游戏道具、出去玩、买食物（S=10.241,C=82.353）体现了大部分消费者愿意在微信营销中进行消费的产品类型。从结果中得知，消费者更青睐于在微信上进行服饰、游戏道具、出去玩、买食物这些类型的产品。而对于其他的类型，消费者不是特别感兴趣。运行网络节点，产生的结果如下图5.9所示，仅显示ture值，从图中可以以指导买衣服是频数最高的那个选项，表明消费者更青睐于在微信营销上面进行服饰类产品的消费。图5.9网络节点执行输出结果🤮2、第8题关联模型建模导入Apriori节点，执行，得出结果如下图5.10所示图5.10Apriori节点执行输出结果从图中我们可以得到三条关联规则，分别为朋友分享→微信操作更熟悉简单、有优惠，比实体店消费更便宜（S=18.072，C=80.0）；朋友分享→微信操作更熟悉简单、有优惠，比实体店消费更便宜、联系商家容易，可以即时沟通（S=11.446，C=78.947）；朋友分享→微信操作更熟悉简单、联系商家容易，可以即时沟通（S=26.506,C=75.0）。结果产生的置信度和支持度都算比较高，规则可信度较高，并且规则支持度也相对较高，证明规则的普遍性较高。增益规则提升度约为1.1~1.2，大于1，说明影响显著，对实际指导意义相对较高。其中比较突出的关联规则是朋友分享→微信操作更熟悉简单、有优惠，比实体店消费更便宜（S=18.072，C=80.0），置信度百分比到达了80，置信度比较高，体现了消费者进行微信营销的主要因素。以此可以得出消费者进行微信营销是比较看重微信操作熟悉简单，有优惠，价格比实体店消费便宜，联系商家容易，可以即时沟通，朋友分享等因素。运行网络节点，记过产生如下图5.11所示，频数最高区域分别是朋友分享，联系商家容易，可以做到即时沟通，微信操作简单，互动形式多样等这几个变量。与关联规则大致一致。图5.11网络节点执行输出结果3、第9题关联模型建模在数据流中加入Apriori节点，运行节点执行输出结果如下图5.12所示图5.12Apriori节点执行输出结果从图中可以得出4条关联规则，商品价格高→需要连带性关注公众号、商家不靠谱怕被骗、售后服务难保证，没有发票（S=12.651,C=80.952）;商品价格高→商品描述与实务不符、微信商商品质量难保障（S=18.072,C=80.0）;商品价格高→商品描述与实务不符、微信商商品质量难保障、信息安全难保障（S=12.048,C=80.0）;商品价格高→微信商商品质量难保障、售后服务难保证，没有发票、信息安全难保障（S=18.072,C=80.0）。产生的规则整体支持度与置信度都较高，规则可信度较高。同时规则支持度相对较高，证明该规则普遍性较高，应用层次较高。Lift规则提升度约为1.3，对实际指导意义相对较高。这其中4条关联规则都比较号，置信度与支持度都比较高，体现了大部分阻碍消费者进行微信营销的影响因素。由此可以看出，阻碍消费者进行微信营销的主要因素是商品价格高，商家不靠谱，售后服务难保证，质量难保证，信息安全难保证，商品描述与实物不符。执行网络节点，产生的结果如下图5.13所示，有图中可以看出网络系欸但输出结果中，最高品数区主要集中在信息安全难保障，商品价格高，商品描述与实务有出入。此结果与关联规则结果相近。图5.13网络节点执行输出结果

6总结6.1研究结论6.1.1消费者特征分析1、性别。结果显示，女生的微信营销经历比男生更加丰富，女生更加愿意进行微信营销消费，因此企业想要进行微信营销的时候可以选择女性向产品来进行微信营销。2、月可支配收入。根据分析结果显示当用户年龄在25岁~30岁到之间的都会通过微信营销进行消费，这个年龄段的用户比较年轻，新东西接受能力比较强，而且可以说是伴随着微信一起成长，所以会对微信比较熟悉，会更加信任微信营销。3、微信使用时间。根据C5.0决策树模型分析得出微信使用时间不超过一年的消费者不会参与微信营销消费，原因可能是用户对微信营销不信任，对微信平台不熟悉，因此不愿意在不熟悉的渠道上面进行消费。4、用户年龄。用户年龄在25到30岁这一阶段的消费者都会经过微信营销进行消费过，这一年龄阶段的用户都是年轻人，对于新奇事物接受能力强，乐于尝试不同的事物。而且这个年龄段的人几百年都拥有工作有收入来源，可支配收入相对更多，在消费方面也会有更多的选择。6.1.2消费行业的选择根据第7题的关联分析得出，消费者在进行微信营销消费的时候，更多的事在吃，出门，服饰，住宿，这几个方面。这些方面贴切我们的日常生活，也就是说日常消费的时候大多数都是通过微信来进行消费。并且微信是我们日常生活几乎是不可缺少的app，与人们的生活息息相关。当企业想要通过微信营销让客户消费的时候，最好选用与生活贴切的行业或者与之合作。6.1.3选择微信营销的影响因素1、正面影响因素根据第8题的关联结果分析，我们可以看出消费者在进行微信营销消费的时候比较看重微信操作熟悉简单，有优惠，价格比实体店消费便宜，联系商家容易，可以即时沟通，朋友分享等因素。而对于微信操作简单，互动形式多这两个方面不是很看重。消费者在进行微信营销时，对于即时性，精准性这两个特点更加注重，而对于互动性，多样性和低成本的特点反倒不是那么看重。消费者进行消费最想看到的就是实质性的反馈，譬如优惠，良好的消费体验等等。消费者进行消费的时候会收到外界因素的刺激从而刺激消费需求，进行消费。当企业进行微信营销多注意微信营销的即时性和精准性，让消费者感受到微信营销的实实在在的好处，以此提高企业的信誉度，获得消费者的信任。消费者还收到朋友分享这一因素营销，朋友分享体现了熟人，好朋友之间的信任传递。消费者会偏向于信任好朋友分享的东西，会想着：“九品我们两个这么好的关系，他分享的东西可定会有值得购买的地方。”这体现了微信的强关系属性，如企业能够利用好微信的强关系属性，那么在企业推广这一块会更加具有优势。6.1.4负面影响因素根据第9题的关联分析结果展示，可以看出消费者对于微信营销手段感到不满意的地方分别是商品价格高，商家不靠谱，售后服务难保证，质量难保证，信息安全难保证，商品描述与实物不符等。这些因素除了信息安全难保障时属于app的安全性问题，其余的都是普通在营销场景下都会出现的问题。对于消费者而言，商家诚信，售后服务保障，质量保障，商品描述于实务不符都是影响消费者消费体验和消费者对企业的忠诚度的消极因素。倘若消费者遇到了这些问题而不能很好解决的话，消费者就会对产品甚至企业会产生一种不适感，那么就会影响到消费者对微信营销的信任，从而会减少在微信营销上的消费。对于企业来说，如何避免这些问题乃是保持企业良好的微信营销业绩的关键所在。6.1.5相关建议的提出对于以上的分级结果，这里对企业如何开展营销效果良好的微信营销进行一些提出建议：首先，当企业要开展微信营销的时候，需要对营销对象做到一个比较明确的分类，通过上述分析，进行微信营销的主力部分可以归纳为年龄在25到30岁，月可支配收入在2000~3000，微信使用时间在2年以上的女性用户。这里知识对这次样本分析结果而提出的一个例子，具体需要如何确定营销的对象还需要具体分析。然后，在进行微信营销的时候需要选好营销对象并且多多注意营销的产品能不能和微信营销消费占比更多的行业进行合作，甚至进入到这个行业，那么企业的微信营销产品就会获得更多的曝光量，促进营销成功的机会也会大很多。根据上面的关联分析得出关联规则，微信营销的消费者会更加愿意通过朋友分享的优惠以及好处来进行消费，那么企业就可以针对这样的关联规则确定营销策略。这样也许会获得额外的营销效果。企业在进行微信营销的时候还得避免出现错误，根据分析，消费者对于营销本身的流程和体验是十分看中的，因此企业子啊进行微信营销的时候切不可触碰那些影响消费者信任的雷区。毕竟消费者在微信营销消费知识他的一个消费方式，并且在当今社会，消费模式和消费手段多种多样，他们想怎么换就怎么换，只要能够满足他的消费需求就可以了。但是于企业来说损失的可不仅仅是一个营销手段而已了，损失的可是拥有10亿潜在用户的市场，而且企业的诚信也会收到影响，会损失大量的客户。因此企业一定要做好商品质量的监管和客户信息安全性保障，保证良好的消费者营销体验。6.2研究的不足与展望6.2.1研究的不足通过此次研究，我对微信营销的现状和消费者行为的研究有了较为深刻认识，通过数据挖掘算法对收集到关于消费者进行微信营销的影响因素进行了简单的数据分析。由于各方面的资源限制，在此次研究的过程中，我还是存在许多的不足：1、数据收集情况不理想。在本次研究的过程中，问卷的发放与回收都是在微信上面进行的，没有进行多渠道发放，而且问卷的数据量收集的不多。进行数据挖掘是需要从大数据里面进行挖掘数据分析，因此本研究中的样本数量相对不足。2、被调查者的类型过于集中，因为在发放问卷的时候都是在大学生群体里面发放，大部分参与调查的都是大学生，导致微信消费者的用户特征没那么明确。3、相关资料较少，因为微信营销这一概念是近几年才出现的，国内外相关研究较少，资料的收集相对较为困难，不够全面。6.2.2未来展望随着时代的发展，我希望在未来的研究分析能够做到资料更加完整，收集到的数据更加完善具有参考价值，对于社会有一定的帮助。

参考文献[1]中国互联网络信息中心.第42次中国互联网络发展状况统计报告[EB/OL].[2]赵光鹏.基于消费者行为的S休闲食品公司营销策略[D].陕西:陕西师范大学,2018[3]薛婵娟.基于消费者网络购物行为的网络营销策略研究[D].安徽大学,2012.[4]张文辉.网络情境下消费者行为与企业营销策略研究[D].甘肃政法学院,2017.[5]ShenZJM,SuX.Customerbehaviormodelinginrevenuemanagementandauctions:Areviewandnewresearchopportunities.Productionandoperationsmanagement[J],2007,16(6):713-728.[6]Kwon,O.,Dukes,A.J.,Siddarth,S.andSilva-Risso,J.M..TheInformationalRoleofProductTrade-InsforPricingDurableGoods[J].TheJournalofIndustrialEconomics.2015,63(4):736-762.[7]陈岩,史建平.消费信贷与消费者行为研究述评:基于多学科视角[J]．探索,2013(01):91-97[8]陈建.中国消费者行为研究与展望[J].商业时代.2014(27):26-28.[9]汤小晶,王丹.消费者行为研究综述[J].时代金融,2015(23):234+242.[10]王崇,李一军,叶强.基于关联规则的网络消费者行为变化的挖掘[A].第八届中国管理科学学术年会论文集[C],2006:6.[11]周雪.品牌延伸的消费者