這篇是有關於eBay的統計分析報告 第一版源於1999年 以後廣為其它論文reference
我看的是 2006年五月的版本 其各因素與價格的分析結論如下：
1. Negative ratings比Positive ratings影響大很多，而且Feedback Rating score(the difference between the two above)影響不大，所以可只考慮Negative ratings
2. 拍賣時間較長有利於價格上升 (number of bids可以用auction length替代，因為兩者對價格的影響是一體兩面的)
3. Reserve price有利於價格上升，但整體影響可能導致bidder不願出價
4. Minimum bids 在當只有一個人出價時，對價格有影響。但若超過一人出價時，則對價格沒有影響
上述影響是指有statistically significant (其統計檢定的方法及名詞不了解，不過對我來說也不需要了解，只要care有無significant即可)
--------------------------negative rating-----------------------------------------
之前收集的資料並沒有negative rating，只有feedback score與positive feedback
雖然當初negative資料沒有收集到 但可以依此公式計算出
positive feedback = positive rating/(positive rating + negative rating)
不過在分析的時候 我只有用feedback score與positive feedback 沒有使用negative rating
雖然positive feedback與negative rating的意義幾乎很像 但還是有可能結果會不太一樣
因為用使用百分比 每一個賣家幾乎都98%~100%
若當作數值屬性→可能range太小分辨不出來
若當作類別屬性→以k-means做分群，我覺得效果有限，thresold應要做適度調整
如果用這篇報告所建議的negative rating 它是正整數 0 1 2 ...
或許結果會不一樣
--------------auction length------------------------------
之前我並不知道duration這個屬性也會影響價錢 ，所以在分析時並沒有特別注意它
分析時，我直覺地當作數值屬性，但我現在覺得應是當作「order」
因為資料集中的值為 1 3 5 7 10 五種屬性值 照報告所講有遞增的趨勢
在對資料做分析後
Duration #Item(sold/unsold) Price(average of sold item)
１ 82 /12 241.86
３ 241/119 262.92
５ 154 /144 271.15
７ 267 /381 267.18
１０ 80 /82 302.88
的確結果如報告所說，有遞增趨勢 但從price結果來看 似乎可擴大分成三大類
「1」、「3、5、7」、「10」
報告中有提到 3、5影響價格不大，在平均價格左右。「7」增加24%、「10」增加42%
但作者認為從1999年之後，隨著eBay使用者人數的增加，時間愈長導致價格愈高的影響會逐漸減小，所以從我們在去年所收集的資料可以看出 － 「7」的price已經與「3、5」差不多了
(在1999年時，所收集到的資料並沒有「1」的值，這應該是eBay當初尚未提供這個選項)
但有趣的是，時間愈長則賣出機會降低 這中間的平衡點須做拿捏，這部分將是我要探討的地方
此外，賣家若選擇10天以上的話要收費 ，所以10天這一類勢必要與其它類別分開
因為duration對價格與售出機率有所不同
所以目前我打算分成「1」、「3」、「5」、「7」、「10」來分析
----------------------Reserve Price---------------------
我所收集到的資料幾乎都沒使用Reserve Price 所以不必在意此因素
--------------------Minimum bid-------------------------------
Minimum bid就是起標價 我並不知道在不同的出價數會對minimum bid有所影響
但我當初沒收集number of bids，所以這部分無能為力
的確 若只有一人投標 那麼該出價(等於起標價)即為結標價price 這對價格真的有很大的影響
沒有留言:
張貼留言