网络营销绩效影响因素研究方法的文献综述与述评

国内外针对网络营销绩效影响因素评价的主要方法有BP神经网络、结构方程法、因子分析法和对应分析等。

2.8.2.1　BP神经网络法（BPNeural Network）

BP神经网络法是一种人工智能计算方法，它结合算法自身的曲线拟合能力，能够拟合出网络营销绩效与各影响因素之间的作用曲线变化趋势。如于同洋（2013）采用此方法对网络营销绩效的影响因素进行作用强度评估，进一步对模型修改与检测，证明了BP神经网络法对网络营销绩效影响因素分析的有效性；张云起（2015）通过改进的BP神经网络法证实了此方法对网络营销绩效影响因素及影响分析的适用性。BP神经网络法的优点：①适用性强；②精度高：③适用于多因素复杂系统。BP神经网络法的缺点：①易陷入局部极小值；②收敛性弱，算法效率低下。

2.8.2.2　结构方程法（SEM，Structural Equation Model）

目前广泛使用的多变量分析方法就是SEM，它有别于传统的统计模型，可将“潜变量”作为重要的组成成分来研究。如姜政军（2017）基于前人的研究和收集的相关数据，运用SEM方法对C2C网站的网络营销绩效的影响因素进行评价研究，并构建了一个C2C网络营销绩效影响因素模型。优点：①同时进行多变量处理；②允许存在一定范围内的测量误差，故测量模型较弹性。缺点：①无法处理由于问卷调查以及抽样本身等因素造成的缺陷；②SEM在处理基于变量理论模型忽略导致错误的问题时误差较大；③无法直观地表达SEM模型与含义的实际意义；④无法处理真正的分类变量；⑤样本容量的要求较高。(www.xing528.com)

2.8.2.3　因子分析法（Factor Analysis）

目前国内外网络营销影响因素作用分析研究中运用得最广泛的就是因子分析法。当信息丢失最少时，因子分析法是一种多变量统计分析方法，它能够将复杂的变量关系转变为几个少数变量。如李君君（2008）实时监测70多家电子商务领域的网站并对其展开相关测评研究时就运用到了因子分析与对应分析。Ahasanul（2009）基于因子分析法及多元线性回归分析方法，根据网络营销中的促销行为来测量营销效果。Zerihun（2011）对埃塞俄比亚的中大型金融服务业企业的网络营销效果运用因子分析法、主成分分析法等进行了测量，研究结果表明，对其网络营销效果有积极影响的有五个因素。赵丽霞（2012）则运用因子分析法等方法，构建出社会化网络营销绩效影响因素作用的评价模型，帮助企业获得所需数据，得出有针对性的网络营销绩效影响因素作用评价报告。该方法的优点：①简化数据。是在不单纯地删减原始变量的基础上通过重新组合原始变量的信息，挖掘出具有潜在支配作用的因子。②解释性强，命名清晰度高。公共因子是通过因子旋转，分散公共因子的贡献，致使较大载荷的指标集中而来，故解释性较高。③各公共因子之间有相对较低的线性相关。该方法的缺点：通过最小二乘法对因子得分进行计算的过程中有时会失效。

2.8.2.4　对应分析法（Correspondence Analysis）

对应分析法是分析列联表的列与行间关系的一种低维图形表示法。历岩（2011）运用对应分析法从页面访问量、页面跳出率、用户访问比等六个方面对C2C网站推广效果进行研究。对应分析法的优点：①直观性强。一张图表就可表示出相关样品的大类和属性。②优越性会随着划分定性变量的增多而有所增强。对应分析法的缺点：①极端值的影响；②因运用者需自身判断维数，故主观性强；③无法适用相互关系的假设检验。