本篇论文目录导航：
【题目】我国移动电子商务发展潜力探究
【第一章】从APP角度分析移动电子商务未来市场绪论
【第二章】移动电子商务相关理论基础
【第三章】移动电子商务发展现状
【第四章】移动电子商务发展前景分析
【第五章】基于Weaver-Thomas模型移动电商APP市场价值分析
【总结/参考文献】移动电子商务APP市场战略价值研究总结与参考文献
第 4 章 移动电子商务发展潜力分析
上一章分析了从智能手机、移动电子商务用户、APP 三个视角分析了移动电子商务的发展现状，移动电子商务发展取决于智能手机、移动电子商务用户、APP 三个移动电子商务三个基本要件，而智能手机、移动电子商务用户、APP三个移动电子商务决定和影响了移动电子商务的发展，因此本文从智能手机、移动电子商务用户、APP 三个角度分别分析移动电子商务发展潜力，最后综合分析了移动电子商务的发展潜力。
4.1 智能手机发展潜力分析
4.1.1 智能手机发展潜力横向分析
由图 3.1 可以看出手机已成为第一大上网设备，于 2014 年达到 64.10%,2013-2014 年我国手机市场上，智能手机的销量持续呈现快速增长，占整体手机销量中的比例也快速增长。中国报告大厅的数据显示，2014 年中国智能手机销量为 12.45 亿台，同比增长 28.40%,占整体手机销量的 90%.
智能手机发展潜力横向分析主要是分析智能手机和功能手机之间的发展潜力大小。采用定性的方法从手机的特点和用户购买行为两个方面来分析。
从手机的特点分析，功能电话仅仅具有语音通话和单个发普通短信；从广义上说，智能手机除了具备手机的通话功能外，还具备了 PDA 的大部分功能，特别是个人信息管理以及基于无线数据通信的浏览器和电子邮件功能。智能手机为用户提供了足够的屏幕尺寸，既方便随身携带，又为软件运行和内容服务提供了广阔的舞台，很多增值业务可以就此展开，如股票、新闻、天气、交通、商品、应用程序下载、音乐图片下载等等。正是因为这些优势为智能手机的快速发展奠定了基础。
从顾客购买者行为影响因素分析，影响智能手机购买者行为的因素主要有社会因素、文化因素、心理因素、个人因素。
1. 社会因素
随着科技不断发展，社会不断进步，年轻一代的消费者普遍会选择购买智能手机，甚至是最新的智能手机。中年人也会选择购买智能手机以不至于与社会脱节。对于老年人来说，不会操作，一般不会选择购买智能手机，但一些儿女为了孝顺长辈，会选择购买送给老年人。
2. 文化因素
手机的使用操作需要一定的文化基础，相比较而言，文化程度较高的消费者会更青睐价格更贵更高科技的智能手机，而文化程度较低的消费者可能不会购买智能手机或购买操作较简单的智能手机。
3. 心理因素
从众心理会使更多消费者使用智能手机，比较心理会使消费者追求更新更好的智能手机。比如前段时间刚出来的苹果 6,深受大家追捧，许多有经济能力又追求新潮的消费者如明星等都在第一时间换上了苹果 6.
4. 个人因素
个人的偏好、习惯、个性、对品牌的认知会影响对智能手机的选择，消费者会根据自己的需求或通过询问的方式来选择智能手机的品牌、样式、购买渠道等。
通过上述分析可以看出智能手机的发展潜力相对于功能手机是巨大的。
4.1.2 智能手机发展潜力纵向分析
智能手机发展潜力纵向分析主要从功能的完善程度来分析。
从当前智能手机功能完善程度来分析，当前智能手机功能还没有充分开发出来，如还有移动视频会议、生物识别传感器、设备之间的互联互通、绿色电池电源、无线、移动投影等。移动视频会议是指使用手机随时随地进行视频聊天和视频会议，这对于一些用户来说非常有用，生物识别传感器是指一些高级别的生物特征识别装置也可以在手机上得到实现，设备之间的互联互通是指手机与电脑、电视等其他数码电子设备之间的互相识别和无缝共享，这将会极大的方便用户，绿色电池电源指以前的手机曾使用的电池显得很笨重，而现在的绿色电池技术将有望进入手机，这可以使手机可以直接利用光能充电，无线是指使手机彻底去除繁琐的电线，将共享视频、音乐、文件等内容变的更加简单，移动投影是指有投影技术的手机，这会满足一些人的需求。
从智能手机的操作系统来分析，由表 3.3 中数据可以看出用户主要使用安卓系统的智能手机，比例达到了 70.10%,远远高于其他系统如 Windows 系统和苹果系统。安卓系统相对于其他系统有如下优势，开源及免费，这很有穿透力。可以预见未来安卓系统的智能手机的发展潜力有多大。
通过以上分析可以看出智能手机的发展潜力很大，且已经成为用户手机购买首选机型，功能手机将逐渐退出市场。智能手机市场中，用户更偏爱基于安卓系统的智能手机。
4.2 基于线性神经网络的移动电子商务用户发展潜力分析
4.2.1 移动电子商务用户发展潜力影响因素
影响移动电子商务用户发展潜力主要是用户属性包括性别指数、年龄指数、地域分布指数、学历指数、职业指数、收入指数六项，而移动电子商务用户规模的大小是衡量移动电子商务用户发展潜力的一个定量指标，本节通过运用线性神经网络模型，做出 2014-2016 年移动电子商务的用户规模。
4.2.2 线性神经网络预测移动电子商务用户规模
移动电子商务用户规模作为衡量移动电子商务市场发展潜力的一个重要指标，其未来发展状况关系到移动电子商务市场，选用合适的神经网络模型对其进行预测分析研究。
线性神经网络是最简单的一种网络，由若干个线性神经元构成前向网络。自适应线性单元网络是线性神经网络最早的典型代表是由 B.Widrow 和 M.E.Hoff于 1960 年提出的。线性神经网络采用的传递函数是线性函数，所以其输入可以取任意值。网络的权值和阈值是基于最小二乘算法（LMS）的 Widrow- Hof（fW-H）学习规则来逐渐调节的，这样其精度和收敛速度都会有较大的改善[37-38].
1. 模型选择
对于一些线性可分离的问题，用线性神经网络就可以解决。通过不断调整输入值来不断调整权值和阈值，使误差最小，尽可能使网络有良好的预测能力2. 数据选择与归一化
构造样本，将样本分为训练样本和测试样本，训练样本用于网络训练（学习），测试样本用于测试网络预测精度。把 2008-2012 的数据作为训练样本，2013 作为测试样本。对训练样本做归一化处理，将所有数据划为[0,1]之间的数，这样更容易学习，而且更加精确。
3. 线性神经网络构建
确定神经网络结构，输入层，可以选择输入层神经元个数为 2 或 3,选择输入层神经元个数为 2.若模型的输入层神经元数为 2.这是一个时间序列问题，第 n 年的用户规模可以用前 n-1 年的用户规模表示，故构造如下函数关系。
线性神经网络的采用滚动预测方法进行训练，滚动预测方法是首先选择一组历史数据预测未来某一时点的值，然后再把这一仿真模拟数据再视为历史数据继续预测下去，依次类推，逐渐的预测未来一段时期的值。若时滞窗口 k=2 时，也就是用 2008 年到 2009 年数据作为网络的输入，2010 年的预测值作为网络的输出。
接着用 2009 年到 2010 年的数据作为网络的输入，2011 年的预测值作为网络的输出。依次类推，这样就得到 2014 到 2016 年的预测值。分别运用上述模型训练网络，计算误差，选出误差小的模型，对 2014 到 2016 年的数据进行预测。
Widrow-Hoff 提出线性神经网络的有导师学习算法 Widrow-Hoff 学习规则，另外又叫最小均方误差 LMS 学习算法，该算法学习规则定义如下：
目标是不断调节权值，使 mse 从误差空间的某点开始，沿着 mse 的斜面向下滑行，最终使 mse 达到最小值。算法实现如下。
（1） 初始化赋给线性神经网络结构中的各个连接一个随机值，但这个值要小一点的。
（2） 把一个样本输入，计算连接权值的调整量
公式中 为学习率，当取较大值时，有加快网络的训练速度的效果，但是其值不能太大，反之则会导致网络稳定性的降低和训练误差的增加。因此，为了保证网络进行稳定的训练，学习率必须选择一个恰当的值。
（4） 计算均方误差。
（5） 判断误差是否达到预先设定的要求，预先设定的误差可以使 0 或者其他。
如果达到目的要求，就算法结束，反之输入下一个样本，返回第二步进入下一轮求解过程。
线性神经元以线性函数作为传递函数，其输入与输出之间的关系是简单的纯比例关系。其输入、输出关系为：
其中函数f 为比例传输函数。
线性神经网络实现预测过程中需要涉及的函数和基本功能。首先介绍Newlind（），此函数的功能是新建一个线性神经网络，其次介绍 Learnwh（），此函数的功能是线性神经网络学习函数。然后介绍 Purelin（），此函数的功能是纯线性传输函数，此函数返回网络输入向量的输出矩阵，神经元最简单的传输函数是简单地从神经元输入到输出的线性传输函数。输出单单被神经元所附加的偏差所修正，newlind（）函数建立的网络可以用该函数做为传递函数。最后介绍 Mse（），此函数的功能是均方误差性能函数。
采用平均绝对误差，误差公式如下：
线性神经网络模型训练所产生的误差，误差曲线如图 4.3 所示经由线性神经网络模型预测，2014 年的移动电子商务用户数量为 4.8 亿，2015 年的移动电子商务用户数量为 5.55 亿，2015 年的移动电子商务用户数量为6.26 亿，趋势如图 4.4 所示。
移动电子商务用户数量发展迅猛，用户从 2008 年不到 0.1 亿，到 2013 年就达到了 3.73 亿，2014-2016 年移动电子商务用户数量也呈现指数上涨趋势。即移动电子商务用户发展潜力巨大。
移动电子商务用户大致可以划分为年轻用户、中年用户、老年用户。从用户对内容的需求来分析，年轻用户对内容的需求很大，中年用户对内容的需求相对需求较大，而老年用户对内容的需求则不大，从上述分析中可以看出年轻用户是最具有发展潜力的用户。
4.3 APP 发展潜力分析
4.3.1 APP 发展潜力影响因素分析
APP发展潜力影响因素包括覆盖率、启动次数比例、软件质量、使用率、用户属性、下载量、市场份额、生活紧密程度、停留时间。
4.3.2 APP 发展潜力横向分析
从图 3.7 中，可以清晰看出移动 IM 在覆盖率和启动次数这两项指标上相对其他 APP 有优势，当前还没有 APP 市场价值分析的文献，只有少数咨询机构发布的 APP 排行榜，从图 3.9 中可以看出社交类 APP 相对商务类 APP、工具类 APP和娱乐类 APP 在覆盖率和启动次数两项指标上占有优势。70%用户对付费 APP的态度拒绝，可见免费 APP 相对于付费 APP 的发展是有潜力，软件质量对 APP的发展潜力影响不是太大，这是因为当前 APP 设计技术的成熟，基本都能达到和谐交互，生活紧密度则很大程度上影响了 APP 的发展潜力，如移动购物和人们生活关系紧密，可以说生活紧密度高的 APP 发展潜力巨大，停留时间的多少也能影响 APP 的发展潜力，在一种 APP 停留时间的长短显示用户对这项 APP 的喜欢程度，可以说停留时间长的 APP 的发展潜力相对于停留时间短的 APP 的发展潜力大，下载量很大程度上影响 APP 的发展潜力，可以说下载量大的 APP 比下载量小的 APP 的发展潜力大，使用率很大程度上影响 APP 的发展潜力，可以说使用率大的 APP 比使用率低的 APP 发展潜力大，市场份额也能影响 APP 的发展，可以说市场份额大的 APP 发展潜力相对于市场份额小的 APP 发展潜力大，用户属性也能影响 APP 的发展潜力，但是这么多影响因素，具体哪种 APP 综合上述因素发展潜力巨大，本文第 5 章通过引进产业竞争力分析模型，对移动视频、移动新闻、移动音乐、移动购物、移动搜索五类用户常用的 APP 进行市场价值分析，具体研究哪种 APP 是最具有战略价值。
4.3.3 APP 发展潜力纵向分析
企业 WAP 是对传统互联网的一次革命，使用户能够随时随地的上网，解决了用户受上网地点、时间限制的问题。而另一场移动互联网的革命之火应运而生。
这场“革命”是以智能手机及智能手机中的 APP 应用为主题的，相较于 WAP 站点的发展缓慢，手机 APP 拥有迅猛的发展势头，APP 取代企业 WAP 网站成为手机主流窗口，解决了用户对内容的需求。从 APP 在行业中的开发比例和企业两个角度来分析 APP 发展潜力。
APP 在各个行业的开发比例不高，在餐饮、教育、商超等领域 APP 的开发比例太低，甚至有些领域 APP 还没有涉足，APP 的开发还处于初级阶段，这些领域 APP 的发展能够未用户带来方便快捷，也能为 APP 企业提供额外利润，这显示 APP 的发展潜力巨大。
APP 作为移动电子商务中应用软件或者说是窗口，能够为传统企业增加销售渠道，企业管理的移动化等，从而提高公司效率，节省成本，扩大利润。传统企业迫切需要 APP 发展带动自己企业发展，不至于落后。
上述分析纵向分析智能手机发展潜力中显示智能手机在很多功能上还有进步空间，而这些功能的实现则需要 APP 这个窗口来解决这些新功能，综合多方面分析，可见 APP 的发展潜力巨大。
4.4 移动电子商务发展潜力综合分析
从以上分析可以看出，可以看出智能手机发展潜力巨大，用户发展潜力巨大，APP 的发展潜力空间也是巨大。由第三章移动电子商务现状综合分析中，即APP 的现状相对于智能手机和用户的现状显得不那么乐观，APP 是移动电子商务的窗口，由木桶原理，可以看出 APP 的发展潜力关乎移动电子商务发展潜力的前景，APP 的发展对移动电子商务的发展的重要作用。
4.5 本章小结
通过上述分析，运用定性、定量方法研究智能手机的发展潜力，得出安卓系统的智能手机是具有发展潜力，运用线性神经网络模型定量对移动电子商务的用户数量进行了预测，2014年移动电子商务用户规模达到4.8亿，2015年移动电子商务用户规模达到5.55亿，2016年移动电子商务用户规模达到6.26亿，2014-2016年用户几乎以指数函数形势增长，发展潜力巨大，其中年轻用户发展潜力巨大，运用定性、定量方法研究APP的发展潜力得出APP的发展潜力巨大。
最后结合短板理论综合分析移动电子商务发展潜力，得出未来移动电子商务发展潜力还要看 APP 的发展潜力。APP 的发展潜力是移动电子商务发展潜力的短板，APP 的发展潜力关乎移动电子商务发展前景。
