范夢婷，劉洪偉，高鴻銘，何銳超

（廣東工業(yè)大學(xué) 管理學(xué)院 廣東 廣州 510520）

競爭性市場結(jié)構(gòu)的準(zhǔn)確識別是企業(yè)經(jīng)營管理中競爭戰(zhàn)略的核心[1]. 競爭性市場結(jié)構(gòu)能指出在特定的市場結(jié)構(gòu)下企業(yè)競爭行為的選擇，以實(shí)現(xiàn)利潤的最大化. 雖然管理者可以通過分析自身的相對滯后的產(chǎn)品銷售數(shù)據(jù)或市場份額報(bào)告來了解競爭狀態(tài)，但這并不能了解公司主要競爭對手是誰以及市場競爭結(jié)構(gòu)的問題. 在實(shí)踐中，管理者可以相對輕松地將一些同行參與者作為他們的競爭對手，但很難以有效的方式評估與各自競爭對手的競爭程度，或者在充滿活力的市場環(huán)境中，甚至無法以傳統(tǒng)方式檢測隱藏的競爭對手. 為了解決這一問題，應(yīng)考慮特定市場中每個競爭對手與其他競爭對手的關(guān)系[2]. 分析和可視化競爭任務(wù)的主要挑戰(zhàn)是產(chǎn)品類別中競爭產(chǎn)品的數(shù)量不斷增加. 傳統(tǒng)的數(shù)據(jù)收集方法，如調(diào)查和掃描儀面板，對于包含數(shù)百種產(chǎn)品的產(chǎn)品類別是不可行的，也不能及時揭示真正的市場競爭結(jié)構(gòu). 另外傳統(tǒng)的競爭分析研究使用了關(guān)于品牌轉(zhuǎn)換的信息[3]、考慮集[1]、在線搜索[4]和論壇帖子[5]，僅揭示有限數(shù)量產(chǎn)品之間的競爭關(guān)系.

為了反映產(chǎn)品或品牌的實(shí)時競爭市場結(jié)構(gòu)，管理者要求進(jìn)一步了解競爭力程度，但目前這方面的研究較少. 本文提出一種新的方法來對競爭對手進(jìn)行競爭力程度分析，選擇基于產(chǎn)品介入的點(diǎn)擊流數(shù)據(jù)作為競爭力度分析的數(shù)據(jù)源. 獲取了京東平臺上消費(fèi)者在線瀏覽的點(diǎn)擊流數(shù)據(jù). 點(diǎn)擊流研究最活躍的領(lǐng)域之一是理解和對電子商務(wù)網(wǎng)站訪問者的在線購買行為進(jìn)行建模，歸因于消費(fèi)者的個人層面與計(jì)算機(jī)交互所體現(xiàn)的豐富信息[6-7]，可以利用這些行為來研究焦點(diǎn)產(chǎn)品的實(shí)時競爭市場結(jié)構(gòu). 本文發(fā)現(xiàn)消費(fèi)者產(chǎn)品介入行為，如對產(chǎn)品點(diǎn)擊、將產(chǎn)品添加到收藏夾，以及將產(chǎn)品加入購物車的頻率與產(chǎn)品在相應(yīng)市場中的競爭地位呈正相關(guān). 具體而言，本文利用Kmeans模型聚類和隨機(jī)多維尺度(MDS)降維的方法，估計(jì)多維變量空間中的產(chǎn)品位置，使競爭關(guān)系可視化. MDS處理后的水平軸上顯示了產(chǎn)品的市場份額(即產(chǎn)品銷售). 結(jié)果表明購買率較高的產(chǎn)品彼此接近，不太可能購買的產(chǎn)品則放置在較遠(yuǎn)的位置. 而越靠近的產(chǎn)品競爭強(qiáng)度就越大，因此很容易識別市場上的主導(dǎo)產(chǎn)品及企業(yè)供應(yīng)鏈每個產(chǎn)品的競爭優(yōu)勢.本文研究的目的是利用消費(fèi)者對產(chǎn)品介入行為與品牌或產(chǎn)品相關(guān)的點(diǎn)擊流數(shù)據(jù)去分析產(chǎn)品市場銷售額，通過估計(jì)產(chǎn)品的位置來可視化產(chǎn)品競爭市場結(jié)構(gòu). 用消費(fèi)者對產(chǎn)品介入行為直接實(shí)時地反映整個產(chǎn)品的市場競爭結(jié)構(gòu).

從管理角度來看，本文針對電子零售商提出了3個重要而實(shí)用的特征. 首先，它包含一種基于跟蹤數(shù)據(jù)的方法. 它使電子零售商能夠以經(jīng)濟(jì)有效的方式對消費(fèi)者瀏覽行為進(jìn)行深入分析，該方法比調(diào)查方法更可靠. 因此，企業(yè)可以了解以產(chǎn)品為中心的行業(yè)競爭結(jié)構(gòu)，揭示了其產(chǎn)品中典型的瀏覽模式. 這種可視化還幫助他們識別最頻繁瀏覽點(diǎn)擊的競爭產(chǎn)品集. 其次，本文提出的模型具有廣泛的適用性. 本文模型雖然只運(yùn)用了中國大型在線零售商京東(JD.com)的其中一類產(chǎn)品的在線點(diǎn)擊流數(shù)據(jù)，但該方法還適用于京東上銷售的其他許多產(chǎn)品類別. 本文方法還可以應(yīng)用于其他幾家大型在線零售商，如Walmart.com的產(chǎn)品瀏覽或站點(diǎn)導(dǎo)航數(shù)據(jù)等. 最后，由于使用調(diào)查方法較昂貴，消費(fèi)者瀏覽行為和銷售方面的有用數(shù)據(jù)往往很難找到，使獲取多個類別的產(chǎn)品數(shù)據(jù)具有挑戰(zhàn)性，本文方法的一個優(yōu)點(diǎn)是只使用可公開獲取的點(diǎn)擊流數(shù)據(jù)，因此文中提出的研究消費(fèi)者產(chǎn)品介入行為的描述性方法是有效的.

1 文獻(xiàn)綜述

1.1 競爭力分析

掌握競爭和競爭市場結(jié)構(gòu)是企業(yè)戰(zhàn)略管理決策的核心. 企業(yè)制定良好的競爭戰(zhàn)略是至關(guān)重要的. 為了繪制和分析競爭性市場結(jié)構(gòu)，以前的研究依賴于從掃描儀面板和調(diào)查中收集的數(shù)據(jù)，例如Erdem[3]使用掃描儀面板數(shù)據(jù)建立動態(tài)市場結(jié)構(gòu)模型，以分析果汁、洗滌劑和人造黃油品牌之間的競爭關(guān)系. DeSarb等[8]通過在公共市場映射中復(fù)制每個產(chǎn)品來可視化競爭關(guān)系. 這不足之處在于調(diào)查數(shù)據(jù)受到消費(fèi)者認(rèn)知能力的限制[4]，并且調(diào)查既昂貴又耗時，也不能實(shí)時反映行為，競爭產(chǎn)品的數(shù)量一旦增加，這樣的任務(wù)會更加困難，也不能及時揭示真正競爭的市場結(jié)構(gòu).

最近，Web技術(shù)的發(fā)展促進(jìn)并鼓勵用戶在線生成數(shù)據(jù). 假設(shè)競爭對手經(jīng)常在這些網(wǎng)絡(luò)資源上被提及. 研究人員轉(zhuǎn)向在線消費(fèi)者搜索和品牌或產(chǎn)品相關(guān)的用戶生成內(nèi)容，試圖分析競爭關(guān)系和競爭市場結(jié)構(gòu). Kim等[4]考慮亞馬遜相機(jī)上匯總客戶搜索數(shù)據(jù)，將全球競爭不對稱可視化為市場份額的代理，使用不同的氣泡大小表示消費(fèi)者搜索產(chǎn)品的頻率，但缺點(diǎn)在于它們使決策者僅可視化所有產(chǎn)品的整體競爭力，而不是任何2種產(chǎn)品之間的競爭分析. Netzer等[5]將汽車上的用戶生成內(nèi)容從在線討論論壇轉(zhuǎn)化為競爭性市場結(jié)構(gòu). Lee等[9]根據(jù)產(chǎn)品屬性和品牌在網(wǎng)絡(luò)客戶評論中的相對位置數(shù)據(jù)，對市場結(jié)構(gòu)進(jìn)行分析和可視化. 這些傳統(tǒng)的競爭分析研究使用了在線搜索以及論壇帖子等用戶生成內(nèi)容且僅揭示有限產(chǎn)品之間的競爭關(guān)系. Nam等[10]用戶生產(chǎn)內(nèi)容的社交標(biāo)簽中挖掘品牌特征，構(gòu)建基于特征的品牌競爭關(guān)系圖，分析不同產(chǎn)品之間的競爭關(guān)系. Bin 等[11]發(fā)現(xiàn)網(wǎng)絡(luò)市場比線下市場有更強(qiáng)的同質(zhì)性和競爭性，都是受到消費(fèi)者搜索行為和品牌偏好的顯著影響. 這些現(xiàn)有研究極大地促進(jìn)了基于網(wǎng)絡(luò)數(shù)據(jù)的競爭性智能分析. 但大多數(shù)都專注于確定誰是競爭對手，而競爭力程度尚未得到充分發(fā)掘，競爭力分析的有效性需要提高，其他類型的消費(fèi)者對實(shí)時大量產(chǎn)品的介入行為數(shù)據(jù)值得進(jìn)一步探索，以支持競爭力分析.

1.2 產(chǎn)品介入

介入的概念可以追溯到20世紀(jì)40年代早期的社會心理學(xué). 隨后，又結(jié)合品牌理論、風(fēng)險(xiǎn)理論、廣告等多種營銷概念進(jìn)行研究. Zaichkowsky[12]認(rèn)為介入的定義是一個人基于內(nèi)在的需求、價(jià)值和興趣感知到的對象的相關(guān)性. Laurent和Kapferer[13]假設(shè)介入是多維的，有許多共同的維度. 產(chǎn)品介入通常被定義為消費(fèi)者基于消費(fèi)者的內(nèi)在需求、價(jià)值觀和興趣對產(chǎn)品類別重要性的持久認(rèn)識[14]. 比如消費(fèi)者對產(chǎn)品的點(diǎn)擊、收藏、加入購物車等行為. 理論家將消費(fèi)者行為分為2部分：低介入消費(fèi)者行為和高介入度消費(fèi)者行為[13]. Sang等[15]發(fā)現(xiàn)，對于具有高享樂主義特征的產(chǎn)品，無論介入購買決策的程度如何，顧客滿意度和需求的主要影響都會被發(fā)現(xiàn). 對于低享樂主義特征的產(chǎn)品，只觀察到顧客滿意度的主要影響，并通過參與購買決策來調(diào)節(jié)顧客滿意度. 目前產(chǎn)品介入更多應(yīng)用在互聯(lián)網(wǎng)上營銷和產(chǎn)品廣告宣傳，例如研究高介入度產(chǎn)品的橫幅廣告方面，點(diǎn)擊率是首選衡量標(biāo)準(zhǔn)，點(diǎn)擊率增加了高介入度產(chǎn)品的積極品牌態(tài)度和品牌購買意愿. 消費(fèi)者對產(chǎn)品的介入描述性行為的一個來源就是點(diǎn)擊流數(shù)據(jù)，點(diǎn)擊流定義為互聯(lián)網(wǎng)用戶在線行為的記錄，它由Web服務(wù)器或第三方服務(wù)收集[16].點(diǎn)擊流研究帶動了一種新的研究潮流，在多個學(xué)術(shù)領(lǐng)域和實(shí)踐領(lǐng)域都是被關(guān)注的熱點(diǎn). 點(diǎn)擊流數(shù)據(jù)揭示了網(wǎng)上消費(fèi)者在網(wǎng)上的沖浪行為，現(xiàn)有的點(diǎn)擊流研究大多致力于建立消費(fèi)者網(wǎng)上購物行為的模型，不但深刻理解網(wǎng)上消費(fèi)者的行為，還通過產(chǎn)品的市場銷售額分析間接反映同行業(yè)間的市場競爭. 本文的點(diǎn)擊流數(shù)據(jù)是通過消費(fèi)者在大型京東商城的產(chǎn)品介入行為，如點(diǎn)擊、瀏覽、收藏、加入購物車等生成的一系列以產(chǎn)品為對象的數(shù)據(jù).

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)

描述消費(fèi)者點(diǎn)擊行為特征和購物車選擇行為的數(shù)據(jù)集來自中國主流電子商務(wù)零售商之一的京東.由于京東有許多不同類別的零售商品，如服裝、手機(jī)等，本文隨機(jī)選擇一類零售產(chǎn)品數(shù)據(jù)集進(jìn)行分析. 此數(shù)據(jù)集是2016年4月1日00:00:00～2016年4月16日00:00:00的JD.com用戶Web日志，共有928 154個交互式行為記錄. 數(shù)據(jù)記錄表示用戶與計(jì)算機(jī)之間向產(chǎn)品級別的交互. 同時，在此期間收集用戶加入收藏夾、添加到購物車和購買產(chǎn)品等信息，這些信息均由京東提供. 該數(shù)據(jù)集包括12 231名消費(fèi)者，他們?yōu)g覽了124個品牌和4 304個產(chǎn)品庫存單位. 變量的定義如表1所示.

如表2所示，其中12 231名消費(fèi)者在京東平臺瀏覽產(chǎn)品最多進(jìn)行了17 717次點(diǎn)擊，產(chǎn)品的平均瀏覽點(diǎn)擊數(shù)為135.3次. 根據(jù)數(shù)據(jù)分析，在4 304個產(chǎn)品中，被消費(fèi)者加入購物車的產(chǎn)品最大數(shù)量達(dá)到296個，數(shù)量在10～15個的比例最高，表明這些產(chǎn)品受關(guān)注高. 標(biāo)準(zhǔn)差(Standard Deviation)能客觀準(zhǔn)確地反映一組數(shù)據(jù)的離散程度，通過統(tǒng)計(jì)表2可看出，加入購物車、添加收藏與購買變量的標(biāo)準(zhǔn)差指標(biāo)數(shù)值很小，說明變量值越集中，平均數(shù)代表性高. 由于點(diǎn)擊、加入購物車、添加收藏?cái)?shù)量很大，如點(diǎn)擊次數(shù)最大達(dá)到17 717，因此采用這些變量的對數(shù)目的是去量綱化，并向每個用戶瀏覽產(chǎn)品變量中添加1以避免對數(shù)為0.

表 1 變量的定義Table 1 Definition of variables 次

表 2 變量統(tǒng)計(jì)性描述Table 2 Statistical description of variables 次

2.2 VIF檢驗(yàn)與共線性診斷

由于變量之間可能出現(xiàn)相關(guān)性，為了避免多重共線性問題，本文對4 304個產(chǎn)品的點(diǎn)擊、加入購物車和添加收藏這3個變量的對數(shù)進(jìn)行多重共線性檢驗(yàn)，本文使用的一種檢驗(yàn)方法是方差膨脹因子(Variance Inflation Factor, VIF)，VIF是指解釋變量之間存在多重共線性時的方差與不存在多重共線性時的方差之比. 該方法通過檢查指定的解釋變量能被其他全部解釋變量所解釋的程度來檢測多重共線性，VIF具體步驟如下.

設(shè)原方程為

首先，xi(i=1,2,3)對原方程(1)中其他全部解釋變量進(jìn)行最小二乘法(Ordinary Least Square, OLS)回歸，例如i=1，回歸方程為

x1=α1+α2x2+α3x3+ν.

其次，計(jì)算VIF，公式為

最后VIF 檢驗(yàn)的結(jié)果見表3. 可知3個變量的 VIF均小于 10，得出各變量之間沒有共線性問題存在.

表 3 多重共線性檢驗(yàn)Table 3 Multicollinearity test

3 競爭產(chǎn)品可視化建模

3.1 多維尺度標(biāo)記法(Multidimensional Scaling Technique，MDS)

對于包含少量產(chǎn)品的市場，競爭市場結(jié)構(gòu)可以通過將點(diǎn)映射到二維空間來相對容易地可視化，其中每個點(diǎn)代表單個產(chǎn)品. 然而，當(dāng)競爭產(chǎn)品的數(shù)量增加時，這些產(chǎn)品的圖形表示很快就會形成一團(tuán)密集的點(diǎn)，使得到的映射難以辨認(rèn)[5]. 雖然可以增加第3個維度來減少這種影響，但三維表示是應(yīng)盡可能避免的，因?yàn)樗鼤褂^看和解釋變得復(fù)雜[17]. 為了簡化分析3個交互行為(點(diǎn)擊、收藏、加入購物車)，獲取該3個行為數(shù)據(jù)有效特征并尋求數(shù)據(jù)集競爭強(qiáng)度特性的低維數(shù)據(jù)集合，本文使用一種常見的非線性降維方法即多維尺度方法來獲得關(guān)聯(lián)矩陣的低維表示. 因此可以通過MDS映射的二維空間展示多個產(chǎn)品之間的聯(lián)系，利用平面距離來反映研究產(chǎn)品之間的相似程度，生成一張能夠看出這些產(chǎn)品相關(guān)性的感知圖，即競爭市場結(jié)構(gòu)圖.

本研究數(shù)據(jù)中，產(chǎn)品數(shù)為4 304. 每個產(chǎn)品可用N維向量表示，即P=(x1,x2,···,xN). 定義一個距離函數(shù)的集合，其中 δPi,Pj是第i個產(chǎn)品Pi和第j個產(chǎn)品Pj之間的距離. 于是有

由表2統(tǒng)計(jì)分析得到的點(diǎn)擊、收藏、加入購物車多維變量通過MDS建模得到二維尺度分析圖(見圖1).圖1表示了基于3個交互行為(點(diǎn)擊、收藏、加入購物車)統(tǒng)計(jì)量的產(chǎn)品分布圖，圖中2個產(chǎn)品的歐氏距離表示在二維空間中2點(diǎn)之間的真實(shí)距離，根據(jù)距離大小判斷在各個產(chǎn)品之間的競爭強(qiáng)弱關(guān)系，二維尺度分析圖的歐氏距離公式為

其中d表示2個產(chǎn)品之間的距離，xi為點(diǎn)的橫坐標(biāo)，yi為點(diǎn)的縱坐標(biāo).

圖 1 降維圖Fig.1 Dimension reduction diagram

3.2 K-means聚類分析

為了反映產(chǎn)品之間的競爭激烈程度以及了解主要的競爭對手，隨著京東商城產(chǎn)品類別中的競爭產(chǎn)品數(shù)量不斷增加，消費(fèi)者實(shí)行點(diǎn)擊瀏覽產(chǎn)品行為的點(diǎn)擊流數(shù)據(jù)也逐漸累積龐大，分析和可視化競爭市場結(jié)構(gòu)工作則變得越來越具有挑戰(zhàn)性，那么有必要針對大量的實(shí)時數(shù)據(jù)進(jìn)行聚類. 對不同產(chǎn)品的數(shù)據(jù)集的聚類分析可以表示不同的行為模式，從而揭示產(chǎn)品的需求狀態(tài)類型[18].

本文采用點(diǎn)擊、收藏、加入購物車3個產(chǎn)品介入的變量構(gòu)建聚類指標(biāo)體系，由于K類產(chǎn)品之間的競爭力程度存在不確定性劃分，用輪廓系數(shù)(Silhouette Index)評價(jià)K簇聚類的優(yōu)劣，選出最優(yōu)的聚類簇?cái)?shù)K值來劃分產(chǎn)品之間競爭力程度相接近的類別. 簇的凝聚度(Cohesion)、分離度(Separation)、輪廓系數(shù)的值越大，表示聚類效果越好，其定義為

其中，N表示數(shù)據(jù)集中所有產(chǎn)品，對于第i個元素xi，計(jì)算xi與其同一個簇內(nèi)的所有其他產(chǎn)品距離的平均值，記作a(xi)，用于量化簇內(nèi)的凝聚度；b(xi)指xi到其他簇中所有產(chǎn)品的平均距離的最小值，用于量化簇之間的分離度. 輪廓系數(shù)|sk| ≤1，若輪廓系數(shù)sk接近于-1時，表示xi產(chǎn)品更應(yīng)該分類到另外的簇而非本簇；若sk近似為0，則表明產(chǎn)品數(shù)據(jù)集合X中不存在自然簇，當(dāng)中的產(chǎn)品是服從隨機(jī)分布的；若sk趨近1，表明xi非常接近其所在簇而遠(yuǎn)離其他簇，簇內(nèi)緊湊，聚類效果比較好.

因?yàn)镵取值太大易失去解釋性，K應(yīng)取值在[2，8]，如圖2所示，用手肘法[19]判斷輪廓系數(shù)與K的關(guān)系，可以看出K=4時是曲線的拐點(diǎn)即肘部，另外K在(2，4)區(qū)間時輪廓系數(shù)值急劇下降，K=4之后曲線變動緩慢，新增加的簇沒有使所有簇之間形成顯著性差異. 因此本文將點(diǎn)擊、收藏、加入購物車3個變量分為4類(K=4)更為合適.

圖 2 輪廓系數(shù)與K的關(guān)系Fig.2 Relationship between Silhouette Index and K

3.3 結(jié)果分析

考慮到量綱差異帶來的模型估計(jì)偏差問題，本文利用ln(原始變量+1)方式聚類. 原始變量x包括：點(diǎn)擊(x1)、加入購物車(x2)、收藏(x3)，具體公式如為

其中x′表示原始變量通過公式(6)規(guī)范化后的新變量，聚類結(jié)果如圖3所示. 該圖是基于圖1的MDS降維結(jié)果將產(chǎn)品分為K=4類的可視化圖，另外維度1上能清晰地對產(chǎn)品進(jìn)行劃分，4種不同顏色代表4種分類，每類中的節(jié)點(diǎn)表示不同的焦點(diǎn)產(chǎn)品.

為體現(xiàn)用戶的真實(shí)點(diǎn)擊行為，將數(shù)據(jù)x′還原成原始變量x，得到的產(chǎn)品聚類分析結(jié)果如表4所示.

根據(jù)表4的產(chǎn)品聚類分析，可以看出京東商城市場的上千個產(chǎn)品被點(diǎn)擊、加入購物車、添加收藏的數(shù)量每組都在逐步遞增，分別對應(yīng)圖3中 MDS的維度1右側(cè)方向，即紅→綠→藍(lán)→紫，特別是紫色組(即Group 4)，其產(chǎn)品無論是通過點(diǎn)擊次數(shù)(6.919)，還是加入收藏夾次數(shù)(1.268)或添加到購物車次數(shù)(3.113)都遠(yuǎn)超過前3組，表示消費(fèi)者對產(chǎn)品介入的程度在不斷提高；同時可以發(fā)現(xiàn)表4聚類后的最后一列其產(chǎn)品銷售量也逐漸上升，并且第4組的產(chǎn)品銷售份額也遠(yuǎn)3超過前3組，因此，本文將MDS的水平軸與產(chǎn)品的競爭優(yōu)勢聯(lián)系起來. 可以發(fā)現(xiàn)，消費(fèi)者對產(chǎn)品介入的程度會對焦點(diǎn)產(chǎn)品的產(chǎn)品銷售產(chǎn)生正向影響，即競爭優(yōu)勢軸(即MDS處理的橫軸維度1)直接揭示了產(chǎn)品銷售與消費(fèi)者對產(chǎn)品的介入程度呈正相關(guān).同時可以得出產(chǎn)品分布在維度1右側(cè)的值越大，產(chǎn)品的市場份額越高，它在競爭市場中的主導(dǎo)地位就越大，即競爭程度越大. 對于分布在不同類中的特定品牌的產(chǎn)品，在MDS處理的橫軸維度1上，可以了解某一企業(yè)品牌產(chǎn)品的競爭市場結(jié)構(gòu)圖以及該企業(yè)供應(yīng)鏈中每種產(chǎn)品的競爭優(yōu)勢；MDS處理的縱軸維度2上，在同一組的競爭優(yōu)勢軸，可以采用歐氏距離計(jì)算公式(4)計(jì)算兩點(diǎn)間距離的具體數(shù)值，根據(jù)距離數(shù)值大小判斷在各個產(chǎn)品之間的競爭強(qiáng)弱關(guān)系，距離越小，表明K-means聚類后同類產(chǎn)品(包括不同品牌)的競爭強(qiáng)度越接近，在這種情況下，分布在維度1右側(cè)的企業(yè)競爭力越大. 另外根據(jù)距離計(jì)算結(jié)果，可以將競爭對手的級別進(jìn)行劃分.

圖 3 基于交互行為的產(chǎn)品可視化Fig.3 Product visualization based on interaction behavior

表 4 產(chǎn)品聚類分析Table 4 Product cluster analysis 次

4 結(jié)論

基于上述過程，可以使用點(diǎn)擊流數(shù)據(jù)構(gòu)建的Kmeans模型和MDS降維來可視化從一個產(chǎn)品到另一個產(chǎn)品的競爭力. 因此，每個競爭對手與自己的業(yè)務(wù)實(shí)體競爭的程度可以從消費(fèi)者對產(chǎn)品的介入行為如點(diǎn)擊、收藏等進(jìn)行衡量，這對策略規(guī)劃很有幫助. 應(yīng)該注意的是，競爭力程度是相對的，這意味著它們衡量由給定產(chǎn)品集合的特定市場環(huán)境中的競爭動態(tài).一旦確定了一組有關(guān)產(chǎn)品，所提出的方法可用于量化每個產(chǎn)品的競爭程度或競爭優(yōu)勢.

本文使用K-means聚類和MDS建模解決研究問題. 用可視化方法能更深入了解產(chǎn)品競爭強(qiáng)度水平，可視化企業(yè)的競爭對手和企業(yè)產(chǎn)品鏈的競爭強(qiáng)度，擴(kuò)充了運(yùn)營管理的研究. 通過消費(fèi)者瀏覽行為和基于電商平臺的實(shí)時點(diǎn)擊流數(shù)據(jù)，分析產(chǎn)品介入與產(chǎn)品競爭優(yōu)勢之間的關(guān)系. 結(jié)果表明，消費(fèi)者對產(chǎn)品介入的程度會對焦點(diǎn)產(chǎn)品的競爭優(yōu)勢，即產(chǎn)品的市場份額或產(chǎn)品銷售產(chǎn)生積極影響，這為介入理論在人機(jī)交互領(lǐng)域的研究做了補(bǔ)充. 對于管理者而言，可視化結(jié)果可以幫助企業(yè)制定良好的競爭戰(zhàn)略規(guī)劃，優(yōu)化企業(yè)內(nèi)部供應(yīng)鏈的設(shè)計(jì)，縮短競爭強(qiáng)度較低的產(chǎn)品鏈，增加用戶關(guān)注度較高的產(chǎn)品.

本研究也存在一定的局限性，如僅用一個京東商城平臺的其中一類產(chǎn)品進(jìn)行實(shí)驗(yàn)，其結(jié)果不具有普遍性，未來的工作可能側(cè)重于整合其他數(shù)據(jù)來源來擴(kuò)展研究，例如消費(fèi)者行為的主觀感知數(shù)據(jù).