3.4
基于媒体智库的移动购物行为特征挖掘及影响因素分析

3.4.1　移动购物行为特征提取及关联分析

由于移动电子商务的快速变革，各种实践获得了突破性进展，各种媒体纷纷报道，持续跟进，同时新媒体也借助自身传播优势广泛传播移动电商的创新应用，使消费者有了广泛的参与和认可，这助推了移动购物市场的繁荣。然而，相关理论却滞后于移动电商实践，想要全面理清移动购物行为的影响因素，有必要从媒体智库出发，挖掘其行为特征。因此，我们利用IBM SPSS Modeler 18.0数据挖掘软件，对媒体智库移动购物有关的文本内容进行Apriori算法关联挖掘。如表3-3所示，我们得到41个关联规则。

表3-3　基于Apriori算法的移动购物行为关联规则

（续表）

如图3-6和图3-7所示，为了使以上关联规则能更加直观地呈现给读者，我们利用IBM SPSS Modeler 18.0软件的网络图功能，输出关联网络图，线越粗代表两者关联性越高。

图3-6　基于媒体智库的移动购物行为关联网络图（a）

图3-7　基于媒体智库的移动购物行为关联网络图（b）

从图3-6和图3-7可以看出，一方面，媒体智库报道了当前移动商务中最基础、最前沿、最新颖的移动商务及其商业模式；另一方面，关联网络图也反映了处于核心网络边缘的移动商务离散特征，例如，“互联网法院”“互联网医疗”“网络权益”等特征是移动商务面对的各种新挑战、新机遇。为此，我们全面梳理以上智库数据挖掘的关联模型，发现移动商务实践中企业以消费者为中心，搭建产业协同与开放平台、工厂电商智能化改造等环境与平台，积极将移动技术嵌入移动购物，并保障隐私安全，而消费者在移动购物中要面临技术焦虑、信任危机等心理因素的影响。因此，如图3-8所示，得到基于媒体智库的移动购物行为影响因素框架图。

3.4.2　移动购物行为影响因素扎根理论分析

（1）开放式编码。上述数据挖掘中的结果主要依赖关联算法，意味着一些重要的因素因算法的不同可能被过滤或去除。因此，我们对媒体智库的文本内容再进行深入的内容分析，以弥补机器学习的不足。首先，如表3-4所示，对858条标注文本进行开放式编码。

图3-8　基于媒体智库的移动购物行为影响因素框架图

表3-4　开放式编码（总标注词数858，以下为部分编码）

（续表）

（续表）

（2）主轴编码。如表3-5所示，我们在开放式编码基础上，对其进行主轴编码，得到影响移动购物行为的三大因素：宏观产业协同性、数字化变革和价值共生性。其中，宏观产业协同性与全渠道融合度、技术嵌入度、政策支持度有关；数字化变革与数字化路径、流畅度体验、数字化风险感知有关；价值共生性与数字权利、口碑信誉、利润共享、合作共赢、服务锁定、资源共通有关。

表3-5　主轴编码

（续表）

（续表）