本发明涉及4G通信市场技术领域，具体来说，涉及一种4G通信市场融合营销建模分析方法。
背景技术：
2013年12月4日国家工业和信息化部向中国移动公司正式颁发了4G（TD-LTE）经营许可牌照，这意味着中国正式进入了真正意义上的4G流量信息时代。如果说2G是普通公路，3G是高速公路，那么每秒超过100兆的4G则意味着搭乘高铁一样的感觉，它标志着4G时代将给我们生活带来更多美好的时光。4G网络的发展影响到我们在场每个人未来生活的方方面面。移动互联网时代已经到来，流量爆发时代也随之到来。以往的市场营销工作主要集中在线上营销和线下营销两个层面来开展，通过各种渠道的推动和宣传，实现产品和服务的最大价值化，对通信行业产生重大影响和新压力。
技术实现要素：
针对相关技术中的上述技术问题，本发明提出一种4G通信市场融合营销建模分析方法，用以解决现有技术中存在的问题。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种4G通信市场融合营销建模分析方法，其特征在于：
S1、数据收集：
S2、选取流量营销管理的影响构件：线上营销、线上营销、需求匹配、用户粘合、采纳意愿；
S3、对收集的数据进行分析：通过SPSS分析测量模型的一致性效度和区别性效度；
S4、确定流量营销管理的最终影响因素：通过最小二乘法软件WarpPLS 3.0分析结构方程模型，检验理论模型中各种相关性的相关性和相关程度。
进一步的，所述步骤S1中，数据收集进一步包括：
S1.1、在发放问卷之前对调查员进行培训；
S1.2、填写问卷；
S1.3、收集问卷。
进一步的，所述步骤S3进一步包括：
S3.1、一致性效度检验：
S3.1.1、每个题目在其所属因素中的因素负荷量必须大于0.50；
S3.1.2、构件的信度应该超过0.8；
S3.1.3、每个构件的平均提取方差大于构件测量误差；验证性因子分析中所有数值大于0.5，并且在0.001上显著。
进一步的，所述步骤S3进一步包括：
S3.2、区别性效度检验：
S3.2.1、每一个变量的AVE的平方根比它与其他变量的协相关大；
S3.2.2、每个变量的题项载荷比它们在其他变量的交叉载荷要大。
本发明的有益效果：结构方程模型研究，通过428个样本的调查研究，探索了融合营销如何影响产品的需求匹配和用户的粘合。揭示了我国4G通信市场如何通过融合营销管理，结合需求匹配、用户粘合等效应，影响移动互联网时代业务采纳意愿的提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是发明实施例所述的结构方程模型示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
结构方程模型研究的目标从“流量用户粘合”的角度验证理论模型，采用调查方式收集428份有效问卷，运用SPSS进行因子分析，采用WarpPLS进行结构方程，根据路径与显著性判断理论模型与假设是否成立，研究流量营销管理与各个因素之间的关系与影响，并验证开发的流量营销管理量表。
1.1调研对象和分析工具
1．调研对象。
调研的对象为北京高校使用手机流量的学生，包括本科、研究生。因为根据2012年CNNIC数据显示，中国移动互联网用户20-29岁比例最高，这个年龄阶段的用户以高校学生所占比例最高，他们由各种兴趣构成了各类不同目的的圈子群，如考研圈子、班级圈子、同乡圈子、出国圈子等。本文采用校园随机拦截的方式，收集调研问卷。
2．分析工具。
对收集的数据进行分析，我们使用SPSS和WarpPLS3.0软件，并且采用以下两个步骤进行分析。首先，我们通过SPSS分析测量模型的一致性效度和区别性效度。然后，我们通过WarpPLS 3.0分析结构方程模型，检验理论模型中各种相关性的相关性和相关程度。
1.2研究设计和研究过程
1.2.1研究设计
问卷被设计成两部分，第一部分调查人口统计数据。第二部分为研究的主题（见表1-6），包括融合营销管理策略、需求匹配、用户粘合以及采纳意愿。
表1-6 结构方程模型 测试项和效度测量
（1）融合营销管理。
消费者对销售促销方式的喜爱程度有所差异，销售打折和附赠品促销处于前列，会员促销和免费试用次之，最后才是返券销售促进。根据不同销售促进方式，消费者的认可程度存在一定的差异，消费者对于直接价格折扣更加感兴趣，其次是货币性利益，最后才考虑的是享乐性利益。销售促进就是在一定资源范围内，为了更大程度吸引顾客，企业内部和外部开展的各类促销活动总称，不涉及宣传推广、产品推销等。快速消费品的特点决定了消费者感性、冲动、品牌忠诚度不高的购买习惯。这种基础层面差异性和“表现”层面差异性导致这些差异的根源来自于两个市场迥异的自身特性和目前中国市场独特的市场环境。
因此本研究开发了针对流量用户群的理论营销管理量表，共8个题项。分为线上营销管理与线下营销管理。线上营销管理中包含线上电视广告、媒体硬广发布、论坛炒作、微博话题营销、微信群PUSH等策略；线下营销管理中包含现场友好体验、线下广告媒体发布、细分市场广告、现场流量赠送活动等策略。
（2）需求匹配。
开发了针对流量用户群的需求匹配量表，共8个题项。分为生理安全需求匹配和社会尊重需求匹配。生理安全需求匹配包括满足了我的生存需求、满足了我的生理需求、满足了我的安全需求、满足了我的心理需求。社会尊重需求匹配包括满足了我的社会交往需求、满足了我的爱情需求、体现了我的社会地位、可以得到他人的尊重。
（3）用户粘合。
用户粘合主要关注用户对于流量使用的态度和紧密程度，包括喜爱程度、使用频率、套餐升舱情况、入网迁转以及离网情况，共7个题项。
（4）采纳意愿。
用户采纳意愿的测量衡量。由于采纳意愿的结果是为了带来购买和采纳行为，所以手机终端采纳意愿更能说明采纳行为的效果和过程，对此，本研究结合了采纳和购买的整个心理和行为过程，修改和优化了最有代表性的采纳意愿测量量表。用户体验行为的测量题项总共设计了3个题项。
为了保证测量题项的准确性和有效性，对以上题项进行预测试。包括两个步骤，第一是探索性因子分析，根据变量结构的效度与信度检测提取合理的测量题项；第二是相似度和重复度检测，剔出概念和内容上有重叠的测量题项。根据预测试分析结果，所有测量题项均满足探索性因子分析的可靠性和有效性检验，同时，根据重叠性检测，用户粘合量表中的1个题项与采纳意愿题项类似，即体验意愿，因此删除了1个题项，最终，整个模型构件中形成了25个题项的最终问卷（线上营销管理有4个题项，线下营销管理有4个题项，需求匹配有8个题项，用户粘合有6个题项，采纳意愿有3个题项）。采用Likert 5点标尺，即1表示完全不认可（或完全不同意），5表示完全认可（或完全同意），目的在于方便各个量表相互间的比较研究。
1.2.2研究过程
第一步，数据收集。过程如下：（1）正式调查之初，选择两组，根据反馈意见对问卷进行调整修改，最终完善预调查问卷。（2）在发放问卷之前对调查员进行培训，确保样本能够完整无误的理解问卷，并对关键要素进行了统一的培训；（3）共收集160份问卷，其中131份为有效问卷，根据预测结果形成最终问卷。（4）正式调研共收集了491份问卷，其中428份有效问卷，有效率为87.2%，样本数据统计数据详见表1-1。53.3% 调查者是男性，46.7调查者是女性。大部分调查者（67%）年龄都在18岁至22岁之间。74.3%的调查者都具有大学学历。
第二步，SPSS测量模型，Cronbach’s alpha数值表示每个构件都具有显著的内部信度。一致性效度评价准则是，变量的评估系数在该构件的因子上面是显著的。我们采用三个原则来进行测量评估：（1）每个题目在其所属因素中的因素负荷量必须大于0.50；（2）构件的信度应该超过0.8；（3）每个构件的平均提取方差(AVE)必须大于构件测量误差(e.g. AVE必须大于0.5)。验证性因子分析中所有(λ)数值 必须大于0.5，并且在0.001上显著。组合构件信度范围从0.8到0.9。AVE的范围是从0.510到0.622，大于测量误差的偏差。所以，所有一致性效度的三个条件都必须满足。
第三步，区别效度指测量建构中的项目因子本身的平均萃取变量大于其它任何两个建构的项目因子的共同方差程度。根据区别效度的测量标准，要满足区别效度必须保证：（1）每一个变量的AVE的平方根比它与其他变量的协相关大；（2）每个变量的题项载荷比它们在其他变量的交叉载荷要大。模型中构件和其内部题项之间的方差平方根（最小值为0.691）均大于该构件和其他构件的相关度（最大值为0.501）。满足区别效度的第一个条件。同时，所有对角线数值都超过内部构件相关度，满足第二个条件（见表1-2）。因此，结果说明已经达到区别效度的满意度水平。
第四步，多重共线性。根据（见表1-2），所有构件之间的相关度都比较低，最高为0.497（线上营销管理和线下营销管理）。为了确定是否存在共线性影响，需要检查PLS软件输出中是否存在共线性提示的信息。结果显示整个模型构件中没有共线性的存在。潜在的共线性问题可以在回归分析中进一步检查。方差膨胀因子（VIF），表示每个变量被其他变量解释的程度，这是回归分析共线性问题的常用考察方法。按照共线性判断标准，VIF应该小于或者等于5（i.e. tolerance>0.1）。根据模型分析结果显示，VIFs和Full Collin. VIFs都小于5（详见表1-3和表1-4），说明该模型没有共线性存在。
最后，运用结构方程模型验证理论与假设。观察模型的拟合优度指标，是否符合条件。根据结构方程模型中的路径系数（β）与显著性（p），验证理论模型与假设。
1.3研究结果
1.模型整体指标分析。
本研究使用goodness-of-fit拟合优度指标测试来评估结构方程模型的适配程度，包括平均路径系数APC，平均R平方ARS和平均方差膨胀因子AVIF。由于模型的APC和ARS都显著（p<0.001），且AVIF小于5，说明该模型整体拟合度都达到要求（见表1-5）。
2．研究假设验证。
如图1所示，结构方程模型(SEM)方法在我们的数据分析中被采用，展现了两种融合营销的结构方程模型分析结果。
“线上营销管理”（β=0.59, p<0.001）对“需求匹配”有显著的正向影响，“线下营销管理”（β=0.56, p<0.001）对“需求匹配”有显著的正向影响，Hypotheses 1a和2a得到验证。
“线上营销管理”（β=0.54, p<0.001）对“用户粘合”有显著的正向影响，“线下营销管理”（β=0.52, p<0.001）对“用户粘合”有显著的正向影响，Hypotheses 1b和2b得到验证。
“需求匹配”（β=0.33, p<0.01）对“用户粘合”有显著的正向影响，Hypotheses 2得到验证。
“需求匹配”对“采纳意愿”（β=0.53, p<0.001）有显著的正向影响，Hypothesis 3得到验证。“用户粘合”（β=0.62, p<0.001）对“采纳意愿”有显著正向影响，Hypothesis 4得到验证。
因变量的R2值代表了理论模型的可预测性，认为因变量的R2值大于10%时，对结果的解释才是有效的。两个模型分别解释了需求匹配方差的32%和35%，用户粘合方差的46%和47%，解释了采纳意愿方差的58%和56%，因此，研究模型具有较好的解释性。
结构方程模型研究从流量用户粘合的角度，验证了理论模型与假设。证明流量用户营销管理可以通过增强需求匹配，提升用户粘合，进而提高采纳意愿。同时验证了线上营销管理与线下营销管理量表。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。