指数神州宏网

警销科学学报第鬈第辑::冯明①,刘淳②摘要随着互联网的逐渐普及越来越多的消费者开始在网上进行购前调研行为,而搜索引擎使得捕捉和追踪这些购前调研行为成为可能.
文章以汽车行业为例,首次通过互联网搜索量频率数据设计并构建中国汽车需求先导景气指数""并基于此对中国汽车消费者的购前调研行为进行研究.
实证分析发现该先导指数有较强的预力,不仅可以提高预测精度,还可以增强预測的时效性.
同时,我们发现搜索量可以度量消费者的"关注",而且汽车行业消费者的购前网上调研行为是分阶段的,有明显的""形规律.
关键词搜索引擎》需求预測;汽车;购前调研行为;先导指数基于互联网搜索量的先导景气指数、需求预测及消费者购前调研行为③——以汽车行业为例提高预测能力,为市场参与者的决策提供更有效弓言的信息支持.
连接网上行为与真实需求的是消费者的"关商品的需求量是市场中一个非常重要的指注".
在当今信息爆炸的时代,消费者的"关注"标.
准确和及时的需求预测,无论对企业进行生是非常稀缺和重要的资源(,.
产、库存、定价等方面的内部决策,还是对消费者尽管"关注"仅仅意味着购买的可能性而非必然合理选择购买时机,以及宏观经济调控,都有着性,但消费者的"关注"与最终购买之间的确存在重要的参考作用.
传统的需求预測模型一般是着正向关系;因此现代市场营销学的核心目标以历史销售量信息和对市场状况的估计为基础.
之一就是研究如何获取或吸引消费者的关注.
而在互联网时代,消费者的一部分购买行为会转互联网的普及事实上创造了一种使消费者能更移到网上,比如购前通常会在网上进行信息搜索有效分配"关注"的机制,而互联网搜索引擎(如和浏览,购后会在网上进行商品评价等.
消费者谷歌、百度等)的出现使得跟踪消费者"关注"成的这些网上行为与他们的真实需求关系密切.
为可能.
如果能提取这些网络记录中的有效信息,将可能本研究的基本逻辑是:个人或家庭在进行①冯明,通讯作者,清华大学经济管理学院金融系博士研究生,.
②刘淳,淸华大学经济管理学院金融系副教授,.
③本研究得到国家自然科学基金资助项目(项目号为和,特此致谢.
作者非常感谢两位匿名评审专家提出的宝贵建议.
^营销科学学报第卷第辑大件商品的消费决策之前,往往会进行市场调运用互联网搜索数据进行需求预测的研究研.
在传统情况下,这种调研经常是通过逛商有和、场、向亲朋好友打听等方式进行的;而随着计算对零售行业的研究,和机和互联网的普及,网络成为消费者进行购前调对房地产销量的研究等.
和研的重要途径.
而且,消费者基于互联网的购前(利用谷歌数据构建了"消费者情绪指调研往往是从谷歌、百度等搜索引擎开始的.
例数",并证实该指数与传统文献中通常使用的密如,有购买"诺基亚"手机意向的消费者在购买之歇根大学"消费者情绪指数"、世界大型企业联前通常会先通过百度等搜索引擎输人"诺基亚"、合会"消费者信心指数"髙度相关.
和',,①或"诺基亚智能手机"等关键字进行搜对谷歌搜索量数据进行了细致的索,根据搜索引擎的反馈结果,从而进入诺基亚描述,并运用简单的统计模型展示了搜索量数官方网站、某手机零售商的网站或者某网络"贴据在汽车销售、失业率、旅游目的地等方面的预吧"进行更加详细的购前调研,并在此基础上作力.
出是否购买的决定.
内学者用互联网搜索数据进行的学术最近几年出现了大量运用互联网搜索数据进研究还不多:梁志峰(細)利用谷歌的搜索量行删的应用研究.
进行主要等(、等(、等对—些关键词的搜索量进行了时间及空间上的等、等、比较.
宋双杰等(证实了谷歌搜索量数据和对市场热销程度、首日超额收益和长期表和等文献的相继研究现都有很好的解释力和预测力.
张崇等(應)主口冰—由仇的研究发现:网络搜索数据与我国之间存整关系,而且其构建的指数可以作为的等的删中发挥作用.
等互賴关键词搜索数据能比疾病防控中心提前'一个月左右.
冑于不同类别的产品,购物决策中的信息搜经济学领域最早的研究是索行为是不同的.
洪成等、康成林和史其研究对象是美国的失业率.
随后,捕分析了消费者在互賴上的搜索行和为对购买决策的影响.
在传统购物环境中,通常、'和、将产品分为日用品、选购品和特殊产品,而在网等分聽:￡糊賴聽络浦棘巾,通料产自分为鮮产品、体验美国、德国、以色列的失业率预測.
、产品和信任产品(张茉和陈毅文,.
消费者运用谷歌搜索量数据进行通货膨胀率的通常对两类商品的搜索意愿相对更强:一是个预辆.
和的研究表人或家庭生活比较重要的大件消费品,如汽车、明中央银行可以利用搜索量数据进行现时经济家电等;二是电子类商品,如电脑、手机及其配指标的估值.
等(发现搜索量数据件等.
在本文的研究中,我们选取汽车作为研究能很好地指示股票市场投资者的"关注"度,证实对象.
按照通常的分类,汽车属于特殊产品和体互联网搜索量和股票交易量之间存在相关性.
验产品类别,其特点是消费者在作出购买决策等发现搜索量髙的标的股票在接下来的两周内有更髙的收益,同时更高的搜索量也意①""是诺基亚手机的一种型号此处仅为举味着更高的溢价.
例引用无特别的含义.
基于联网瘦索置的先导景气指数、需求预测及消费者购前调研行为一以汽车行业为例前,会进行大量的产品信息搜索和品牌比较活动相关研究提供一个新的思路.
徐茵等.
第三,中国的互联网市场正呈现着非常独有本文通过互联网搜索量频率数据设计并构的特征:一方面,互联网普及率尚低.
根据中国建了中国汽车需求先导景气指数",,,同时互联网络信息中心(测算,截至年对中国汽车市场上消费者的购前调研行为进行月,中国互联网用户总数约为亿,互联了研究.
研究发现,基于互联网搜索引擎的搜索网普及率为.
另一方面,我国互联网市量数据对汽车需求具有较强的删能力,不雑帛飞速发展,醜进棚浦人数越来越增强翻效率,而且能提高时效性.
另外,通过多.
帛据艾瑞,询发布的《—年中国对互联网搜索频率数据的深度考察我们还发国消费者的购前网上调研行为可以分为两段,具有明显的""形规律.
本文的贡献主要体在特有的互联网发展阶段为背景进行研究,是对现在以下二个方面:首先,通过互联网搜索量数据对消费者购前甘调研行为的研究具有重要的理论意义.
已文献往往局限于预工具价值,而忽略了对消费者行为的探讨,如和中国汽车指数;第二部分通过时间序列计量模型对通过借鉴等指数的删效果进行研究;第三部探讨在雌市滅究巾的纖,飾发现在消,优删窗口,同时对龍者膽細研行为进费品市场,互联网搜索量不仅可以度量中小投资分析和解释接下来是稳健性检验;最后是者的"关注"也可以很好地度量消费总.
者的"关注".
尤其重要的是本文通过对最优预测窗口的细致分析,得出的",,形规律和耐段先导景指数"的构建购前调研行为,对市场营销领域的相关研究具有定的启示意义.
据贿所知,本文是第篇互联网搜索量数据对消费者购前调研行为进行中国捜索引擎市场一直呈现百度和谷歌数量化探讨的研究.
("双寡头"格局.
按照中国电子商务市第二,需求预测本身对于企业的生产、库存、场权威研究机构"艾瑞咨询"发布的《—营销等微观决策具有重要意义.
而汽车行业又年中国搜索引擎行业年度监测报告》,以本文样是一个非常重要而且独特的行业,其产业链长,本时段的中间点年为例,谷歌占搜索请求涉及的相关上下游产业多,与宏观经济走势密切量份额的百度占其余被搜搜、相关刘小平(,东北财经大学宏观经济分搜狗、雅虎等搜索引擎分享.
由于百度的市场份析与预测课题组(.
本文设计和构造的额更大,理论上用其搜索频率数据能得到更好的"谷歌中国汽车指数"(,与目前普遍使用结果,但我们在研究中最终采用了谷歌数据,主的其他预测指标相比,有更好的先导性和预测要原因在于百度数据未对公众开放,因此无法用力.
这个新指标的创立,不仅能用于微观层面的来作研究.
但百度公布了简单的图片格式的搜企业决策,而且对于宏观经济预警也有一定的帮索量趋势图,通过对比图与图中谷歌助.
另外,本文在使用互联网搜索数据预測需求与百度两个搜索引擎的搜索量趋势,可以看出二方面提供了一个一般性的分析工具,可以为今后者在整体上相关性较强,其反映出的趋势是类似^营销科学学报第卷第辑、一广一广心———、一知—、一汽丰田山丨上海大众年年年年年图搜索量趋势图谷歌(百度资料来源:谷歌与百度网站截屏的.
而且,根据艾瑞咨询发布的指数显—的标准化处理后的结果.
以"奇瑞"为示,谷歌的用户群与百度的用户群有一定的系例,当我们输人关键词"奇瑞",并将地理位置参统性区别——相对于所有网民而言,个人月收入数设定为中国,将时间设定为年至今.
这低于元的人群更倾向使用百度,个人月收时"谷歌搜索解析"首先计算在这个时间内,中国入高于元的人群更倾向于使用谷歌.
由于国内针对"奇瑞"执行的搜索次数占总搜索量的购买汽车的群体更可能属于后一收入分组,因百分比.
然后将这个时间序列中最高的数设定此,我们认为选用谷歌数据进行研究是合理的.
为,其他数做同比例处理之后返回的—从另外一个角度看,由于百度的市场份额更大,之间的数就是谷歌公布的最终数据.
图是其给出的关键词相对搜索量数据的噪声应当更用以上方法返回的"上海大众"、"奇瑞"和"一汽小,因而采用百度数据进行研究只可能强化本文丰田"三个关键词的搜索量随时间变化的趋势所构建指数的预测效果,而不是相反.
另外,尽图.
需要特别指明的是因为该数据反映的是相管在样本期间内各个搜索引擎的市场份额会有对意义的搜索量,这排除了因互联网的普及或谷所波动,但我们会在下文中说明,这并不对本文歌市场份额变化等原因导致的对某一关键词搜的分析构成影响.
索量变化的影响.
因为年月是谷歌开始本文使用的搜索量数据,为谷歌搜索引擎发布的"谷歌搜索解析"数据.
该数据反映了在某①指数目标用户群体在某网站的市场份一特定时间和区域内,相对于谷歌上执行的全部额所有网民在某网站的市场份额.
资料来源:搜索量,某关键词被搜索的比例.
公开数据为其《—年中国搜索引擎用户行为调研报告》.
基于互联网搜索置的先导聚气指数、需求预测及消费者购前调研行为一以汽车行业为例—三:———亏——了」了—'"气⑷图汽车销售量与宏观经济景气指数一销售量当月同比增长(%左轴宏观经济景气指数先行指数(〉,右轴发布"谷歌搜索解析"数据的时间点,而目前"谷为了消除由此带来的噪声,我们于年月到歌搜索解析"提供以周为单位时间的搜索数据.
月之间随机选取天进行了数据检索得到了因此本研究所使用的互联网数据为年个关键词的个搜索量序列(各序列的时间跨月一年月的周度数据.
度为年月一年月,频率为周度).
汽车销售量数据来自于中国汽车工业协会,然后对各关键词个样本点取平均值②,最终中国宏观经济景气指数来自于国家统计局中国得到个汽车品牌的搜索量历史数据.
经济景气监测中心网站.
图描述了中国汽车第二步:周度数据转换为月度数据.
由于销量和中国宏观经济景气指数的时间序列.
从谷歌提供的搜索量数据是周度的,而汽车销售量该图可以看出,汽车销售量走势与宏观经济大环数据的频率最小是月,我们需要把周度数据转化境有非常紧密的关系,经济的上涨和下跌往往伴为月度数据.
由于月份和周不能完全对应,本文随着同向的汽车销量变化,反映了汽车行业的顺采取"去头留尾法"进行处理,即将下月初的半周膽性.
与宏观经济相比,汽车销售的波动要顺据加到本月③.
尽管使用了部分的下月数明显更大.
①在本文样本区间内,销售量排名前十位的汽车旨构建品牌存在略微的变化.
因此该指数创建的另外一种办法是类似于编制股票成分指数的做法,定期将某些品牌本部分中,我们分三个步骤构建出一个中国纳人和去除.
但由于分品牌历史数据不可通过公开途汽车需求先导景气指数——"谷歌中国汽车指径获得本文仅以该十种品牌作为元素进行指数构建.
.
这种设计方法对于本文的核心结论影响不大.
第一步:选取数据样本,去除数据噪声.
②了时间信丄发现其都在以上.
按照标准,存歌门根据中国汽车工业协石发布的销量数据得后台抽样引起的"噪声"并未对样本起到明显的干扰作了年月销量排名前十位的汽车品牌①,用用均值反映其变化趋势是合理的.
分别是:上海大众、东风日产、一汽大众、比亚③另一种可以将周度数据转换成月度数据的方法迪、上海通用别克、北京现代、一汽丰田、奇瑞、东为"按日平均法",即假定跨月各周的每天搜索量相同,风悦达起亚和上海通用雪佛兰.
这个品牌的将这些周的总搜索量除以'得到每天的搜索量.
本月销量占当月乘用车白销售量的一半以卜由干的总搜索量即是本月各天搜索量的加和.
我们在研究"谷歌搜索解析"每次反馈的数据是随机抽样得虑到文章篇幅的限制,本文中只汇报"去头留尾法"得到到的,因而不同时点得到的数据会有略微不同;的结果.
^营销科学学报第卷第辑丨、卜;——一—夺一令丄令一一—守一—上—一十二了一—备§目§§§—土—土图汽车销售最与指数一汽车销售量;一一指数据,但实际上,由于我国汽车销售量的数据发布以外的其他数据来源,在实际中更方便和可行.
机构是中国汽车工业协会,其数据来源于各汽车图描述了我们构造出的中国汽车市场先导景供应商上报的数据,统计和数据汇总工作带来了气指数与汽车销量之间的时间序列图.
数据发布的滞后性.
中国汽车工业协会一般于可以看出,两者之间确实存在较强的相关性.
而每月的一日发布上月的数据.
因此,通过这且在大部分时间点上,指数的变动趋势领种方法,我们得到的指数仍然是超前于此的,可先于汽车销售量的变动趋势.
关于领先期数我以作为领先指数进行预测.
们在下文第三部分会做更为详细的分析.
第三步,我们通过各品牌的搜索数据构造中需要特别说明的是,消费者的购买行为是一国汽车市场先导景气指数.
考虑到各品系列复杂行为的集合,包括了需求认知、信息搜牌的市场份额是动态变化的,本文参照索、评价与选择、购买、购后行为等阶段,其中汽和的方法,利用递推样本车消费者在"信息搜索"和"购后行为"两个阶段构造动态权重的指数.
具体步骤如下:都可能进行互联网搜索行为.
由于消费者在进首先对模型行搜索时,不会向其他人公布其搜索的目的,所以理论上要区别两种搜索原因是非常困难的.
十—这样一来,本文中构建的指数就包含两方进行回归.
中,为汽车实际销售量的同比肖面的搜索行为②:以为例,时刻后可能长率,'(,,》,为第个汽车品牌在购买汽车的消费者在时刻的购前调研搜索"和时刻搜索量的同比增长率.
使用动态递归的样时刻前已购买汽车的消费者在《时刻的购后本进行估计①得到其估计值译其中,搜索,.
其中,前者包含预测未来汽车需求(从而以—是一时刻的信息集.
我们将定义为汽车销量)的信息,而后者与未来需求无关.
虽然在已有的数据条件下我们无法将这两类搜索行为分解开,从而构建纯粹的"购前搜索量指该指数可以理解为某时刻消费者在互联网上对汽车的综合搜索量,也反映了消费者该时刻叫允味来杰口①估计最初以个点的存值时'使用年月一对汽车这类商的关注度通过上步骤构造年月酬定样本;咖年月后的值由动态指数最大化地利用了某一时间点之前拥有的全递推的样本进行估计.
部信息量,并且不依赖于除搜索数据和销量数据②作者感谢匿名评审人的这一提示.
基于互联网瘦索置的先导景气指数、需求预澜及消费者前调研行为——以汽车行业为例数";但、时刻后可能购买汽车的消费者在时和准则,我们选择了和,刻的购前调研搜索"与时刻前已购买汽车的消模型①.
费者在《时刻的需求后搜索"是相互独立的.
"购前调研"反映的是消费者未来的需求,而"需'求后搜索"受过去销售量的影响很大,过去汽车为了检验指数是否能够对预测汽车的销售量越大则"需求后搜索"越多.
因此在下销量提供额外的信息,我们在以上四个基准模型文的回归方程中,我们将过去的销售量作为解释中分别加入上文构建的"指数"擎量放入了方程中,以其作为"需求后搜索"的代作为解释变量,得到包含互联网搜索量信息的新理变量,包含了消费者这种事后搜索行为的模型—信.
'实证分析及结论十办卜为了分析指数对预测汽车需求的效果,我们选择了如下的四个基准模型:'办…办卜￡.
卜'办其中,基于《时刻搜量数据以及其中,为时期汽车销量的同比增长率,时刻信息集构建的动态权重—.
为中国经济景气监測中心发布的宏观经济景气模型组和的估计结果如表所示.
可以看先行指数,为随机误差项.
在这四个模型,第出在所有的模型中,变量的系数都是显著—个模型为产品需求预测文献和实务中使为正的.
这说明当互联网用户更多地通过互联用最多的自回归模型(模型).
在第二个模网搜索相关关键词后,紧接着汽车的销售量会明型―中,我们在(模型的基础上,加入了显上升.
谷歌搜索引擎的数据对汽车销售量有表示经济当前及未来状态的"宏观经济景气指很好的解释力.
另外,对于四个不同的模型设定数".
中国宏观经济景气指数由国家统计局下属—,加人互联网搜索量后的新模型与基准模的中国经济景气监測中心编制,包括先行指数、型相比,调整后的更大,而均方误差更小,证一致指数和滞后指数.
考虑到我们的模型是以实了加入的新变量提高了模型对数据的预测为目的的,此处选用先行指数.
另外,为了拟合能为.
更大限度地利用数据提供的信息,参照和的研究,我们构建了移坤证白丨丨、此本甘处讲①变量和力的检验拒绝了其存在单位根的原假设表明其为平稳序列.
限于文章篇辐,我们略型(.
在模型(中加人宏观经济景气先去了单位根检检及滞后阶数选择的过程.
有兴趣的读行指数得到基准模型四(.
通过准则者可向作者索取.
^董销科学学报第卷第辑表回归结果—………………………—…一…————……一一……………——样本数注:(〉估计值下括号内的数为标准差;(广"广"和《"分别表示估计参数在、和水平下显著》棋型组中项可以是期值也可能是期值,此处我们以拟合效果较好的滞后一期指数作为解释变纛.
关于滞后期的具体问题,下文会详细讨论.
表样本外預测效果比较样本外预测—'我们首先用和两组模型分别进行样本外预测,然后比较其的预測能力.
用前四年的样'本年月一年月)进行样本内估其中,表示模型估计部分所用的样本量,《表计,用年月一年月的数据进行样示样本外预测期数,么表示预測值,乂为实际观本外预测.
为了衡量模型预测效果,我们采用了測值.
预測结果如表所示.
通过表对比两两个常用的统计量指标:误差均方根组模型的和,我们发现第组模和平均相对百分误差型的和都明显小于第组的结,定义果,表明加人互联网数据之后的模型有更好的预如下:测效果.
基于互联网搜索置的先导景气指数、需求预测及消费者购前调研行为一以汽车行业为例::"'"'"】——真实值模型模型—真实值——模型—模图样本外预测图以模型与、与为降;到期以后,先导指数的系数不显著.
例,考察了包含互联网搜索信息前后模型的预测表滞后各期回归结果效果对比.
从整体上看,第组模型的样本外预一测值与实际值拟合得更好.
更重要的是,在很多系销售量走势发生重大变化的时刻,如年°°"°—月、年月和年月等关键点,传统…的第组模型几乎没有办法预测到销售量的趋势变化,但这种趋势性变化能够被我们包含搜索…量信息的第组模型比较好的预测到.
这再次—"证实了我们创建的基于互联网搜索量信息的先—《行指数有很强的预测效果.
注:""和""分别表示估计参数在、最优预测窗口及购前网上调研行为谷歌提供的以周为频率的搜索数据使得我们可以就该问题进行更细致的分析.
我们按照最优预测窗口上文中的方法重新构造按周平移的先导指数,表以上的分析说明我们构造的中国汽车业先示为…,为先导的周数.
这导景气指数确实能为市场需求预测提供额外信样,由于一个月大概包含周,指数涵盖息,提髙预测效率.
那么,在进行预测时,最优的的周与指数的一阶滞后项—涵预测周期是多长为了解决这个问题,我们分别盖的周是大致相同的,指数涵盖的周与以某月汽车销售量作为被解释变量,以先导指数指数的二阶滞后项—是大致相及其滞后项作为被解释变量,考察这两者同的.
之间的相关关系,结果如表所示.
可以看出随我们以某月汽车销售量作为被解释变量,以着滞后期数的增加,系数的估计值减小,而且显先导指数、、…、为解释变著性水平也有所降低:当滞后期为一期时,量,进行单变量回归,结果如表所示.
与表先导指数的系数在的水平下显著,意味着其的结果一致,表中、、…、能对预测需求起到作用,在期以后显著性下的系数都是非常显著的.
同时,我们还进一步发营销科学学报第卷第辑现:随着"《周先导指数"中《的增大,其对销售大件消费品对于普通家庭来讲属于重大消费活量的预测效果先降低后提高,呈""形变化趋动,因而其调研行为是更复杂的,而且是多阶段势,如图所示.
当期和滞后一周的指数预测能的:首先,在最开始的阶段,消费者仅仅是有买力最强,其相关系数和都是最大表明本周和车的初步意向,消费者会先在互联网上进行一些前一周的网络搜索量对即将公布的本月销售量浅层次的信息搜索和市场调研,我们称之为"意有最好的预测效果.
随着滞后期的增加,预测能向调研.
第二,在消费者进一步明确自己的需力开始下降,在—周时达到低谷,经调整的求后,开始进行更有针对性的网上调研,本文称在左右.
之后预测力又开始上升,在之为"决策调研.
与最开始的阶段相比,这一阶—周时预测效果再次达到高潮,经调整的段的网上调研行为更加具体,是针对某品牌、某达到了左右.
说明本期的搜索量对大约型号车的调研和相互比较.
图中的"''形现个月之后公布的汽车销售量也有很好的预测象证实了这两阶段调研行为的存在.
具体而言,作用.
—表征的是第一阶段的调研行为表最优预测窗口(意向调研〉,—表征的是第二阶段的调研行为决策调研).
亦暑玄甜———根据商品类型、消费习惯的不同、互联网普…及度的差异等,两阶段网上调研行为的时间点可能会有所不同.
般而目,越是重大的商品,两…阶段调研行为之间的间隔时间会越长,如汽车的间隔要大于笔记本电脑、笔记本电脑又会大于移°""°动硬盘等.
甚至我们可以猜测,一些小件电子产°°品的两阶段调研行为是合一的.
另外,互联网越普及的市场,两阶段之间的间隔也会越小.
表显示,对于中国大陆市场上消费者购买汽车的调注:""、"和分别表示估计参数在、蒲为,"意研"和"顺"之间大约有两和水平下显著.
个月的间隔.
这两个月的时间可能是消费者在线下与经销商或有过使用经验的朋友进行沟通°交流的时间,可能是融资所需的准备时间,也可——、能是家庭内部的讨论决策时间,等等.
两阶段购前调研行为的存在表现在预测模一一、一—型中就是最优预测窗口的"''形规律——提前——约周的搜索量反映了"意向调研"的结果,而提°、'一一前约周的搜索量反映了"决策调研"的结果,它周周周周周周周周周周们都可以提高对市场需求的预测能力.
先导指数预测期系数调整的搜索量对不同类型汽车的预测效果以上赚卿了互糊量对汽车行业、整体具有预测能力.
那么由于不同层次消费者消费者购前网上调研行为互联网的普及使得消费者在购买之前一般①作者特别感谢专业主编和匿名审稿人的这一会在网上进行市场调研,而由于诸如汽车之类的建议.
基于互联网搜索置的先导聚气指数、需求预测及消费者购前调研行为一以汽车行业为例的购前调研行为很可能存在差别,互联网搜索量行业造成了结构性影响,从图中可以明显看的预测效果对于不同类别的汽车品牌有差异吗出,年下半年之后汽车销售量的波动率迅就此,我们补充搜集了个汽车品牌从年速加剧.
同时,出于扩大内需和节能减排的双重月一年月销售量的时间序列数据.
同目的,中国政府在年月开始实施汽车购时,参考各汽车品牌旗下的主打车型市场售置优惠政策,具体措施包括部分车型的购车补价①,我们将样本中的个汽车品牌分为两类:贴、小排量汽车减征车辆购置税等.
这些政策短中端品牌和低端品牌.
其中,低端品牌包括比亚期内显著地刺激了汽车销售市场,同年月,中迪和奇瑞,其他个为中端品牌.
国汽车销售量超过万辆,成为继美国和曰为了对不同类型汽车品牌搜索量和销量之本之后第三个汽车销量过千万的国家.
另外,间的关系进行区别研究,我们分别以各汽车品牌年也是中国互联网发展进程中重要的节销售量同比增长率为被解释变量、以该品牌关键点,年网民数量增长了近万,首次有词在互联网上搜索量的同比增长率为解释变量超过四分之一的中国家庭开始使用互联网.
进行回归,结果如表.
可以看出:除了上海大基于这些原因,我们以年月作为断点,对众、北京现代和奇瑞三个品牌之外,其他个品其后的样本进行实证分析,对上文的主要结论进牌的搜索量都对实际销售量有显著的预测作用.
行稳健性检验.
其中,预测效果最强的是起亚、雪佛兰,其次是别对子样本估计得到的结果见表.
与之前克和比亚迪,最后是丰田、一汽大众和东风日产.
的结论一致,第组模型与第工组模型中相对应我们希望在未来的研究中对这一部分进行拓展模型相比,调整后的更大,且均方误差更小,研究.
都说明了第组模型的拟合效果要优于第组表搜索量对不同品牌汽车销量的预测效果模型.
另外,如图所示,子样本的最优预测窗睡塊—口分析也发现了类似的''"形规律.
汽车品牌值标准差起亚…雪佛兰…别克…中端品牌丰田°°°:乂东风日产…一汽大众——北京现代、、、、—一"'上海大众周周周周周周周周周旨奇瑞系数调整的注:("》"、""和""分别表示估计参数在、图稳健性检验一最优预测窗口与""形规律和水平下显著,①我们根据销量数据列出了样本期间各汽车品牌销量占前四位的车型(销量前四位的车型占品牌全部销中国是一个发展中国家,市场和制度都变化量的比例最低为东风日产'最髙为别克很快,但不论賴辅言还中国互联网的发展角度来看,年都是一个重要的年月.
日的指价.
时间节点.
首先,年的全球金融危机造成②数据来源:《第次中国互联网络发展状况统了国内宏观经济的波动,给包括汽车行业的许多计报告》中国互联网络信息中心年月.
^蓍销科学学报第卷第辑表稳健性检验一回归结果……"……一……『………一…一样本数注:(估计值下括号内的数为标准差》""、""和""分别表示估计参数在和水平下显著.
业的预测和决策提供重要的额外信息;而且可结语以使企业更早地对未来需求作出预测,前移预测窗口.
另外通过对互联网搜索频率数据的研究互联网的逐渐普及使得更多的消费者开始显示,汽车行业消费者的购前网上调研行为是分在网上进行购前调研行为而搜索引擎使得捕捉阶段的有明显的""形规律.
和追踪网上购前调研行为成为可能.
本文通过谷歌搜索引擎提供的数据首次对中国汽车行业消费者的网上购前调研行为进行了研究.
参考文献我们首先通过搜索量频率数据设计和构造了中国汽车需求先导景气指数——"谷歌中国汽东北财经大学宏观经济分析与预拥课题组厕构建车指数",并通过样本内估计和样本外预多维框架景气指数系统的初步尝试数量经济与测的方法证明该指数不仅能提高预测能力,为企⑺:基于互联网撞索量的先导景气指数、需求预澜及消费者购前调研行为一以汽车行业为例洪成一,朴宰秀,黄春华互联网信息搜意图对消费者行为的影响分析国际商务对外经济贸易大学学报),:梁志峰基于趋势分析的区域网络关注度:研究——以湘渾为例湖南科技大学学报社会科学版),:廖成林,史小娜搜索引擎对网络购买意思的影响研究江苏商论,:刘小平中国汽车市场历年销最与主要宏观经济,指标相关性分析上海汽车,宋双杰曹晖,杨坤投资者关注与异象——来自两络搜索量的经脸证据经济研究,增期:,徐茵,王髙,赵平顾客价值的生成与影响机制:对北京家用轿车市场的实证研究营销科学学报,:;张崇,吕本富,彭赓,等网络搜索数据与的相关性研究管理科学学报,:张茉,陈毅文产品类别与网上购物决策过程的,关系心理科学进展,::,,—,:,丢:,:,匸:,,,,,,,蕾销科学学报第卷第辑::广::,,,;:呢:,""",专业主编:陈煜波