随着高科技产品的不断涌现,不断发生着更新和替代,新老高科技产品之间的更新也变得越来越频繁。深入了解更新期的易逝性高科技产品(PHTP)需求影响因素,一方面可以为更新期产品的定价和降价策略提供一定的依据,另一方面可以为产品更新或产品创新的方向确立提供一定的依据。本文来自国家自然科学基金项目,续以往研究者对于PHTP的相关研究,结合PHTP更新期的特点,应用随机森林(RF)组合分类算法,以笔记本电脑为例,就更新期PHTP需求影响因素进行分析。首先,本文结合更新期PHTP的特点,对需求影响因素进行定性分析。处于更新期的PHTP影响因素甚多,不仅包括产品自身,还包括更新产品及竞争产品的配置、外观和价格的潜在影响,也就是说消费者的可选集合不单单停留在更新期共存的产品层面,而是深入到产品的属性层面。此外,环境因素特别是竞争环境,也是要重点考虑的需求影响因素。失之毫厘,谬以千里,企业没有对更新期PHTP的需求影响因素全面的、充分的认识,采取不合理的降价策略就有可能给企业带来沉重的打击。然后,考虑到关注度蕴涵了丰富的需求信息,本文将关注度作为需求影响因素分析的目标变量。实际发生的需求是消费者需要和消费者购买能力共同发生作用的结果。不论是潜在的需求还是已经发生的需求,都可以从消费者行为结果中体现出来。关注度是网上消费者对各种型号PHTP的点击率和相关评价在一段时间上的累积值,是不同类型消费者行为的共同结果。关注度不仅包含了点击后购买的实际需求信息,也包含了点击后没有购买的潜在需求信息。最后,考虑到更新期PHTP网上消费者关注数据特点,提出采用RF组合分类算法对更新期PHTP网上消费者关注数据进行定量分析,实际证明效果较好。结合PHTP更新期的分析,提出了处于更新期的PHTP网上消费者关注数据的特点,即复杂性、异种性、高维性和大量性。鉴于数据的特点,本文选用RF组合分类算法,以笔记本电脑为例,对需求影响因素进行分析,得出每个需求影响因素对关注度的贡献率。同样的数据,运用神经网络和决策树方法做分类,分别与RF结果进行比较分析,证明RF组合分类器的分类效果较好。本文首次提出了更新期PHTP网上消费者关注数据的特点,并结合数据特点,首次引入RF组合分类算法,通过理论和实际对比分析证明RF组合分类算法对于分析更新期PHTP网上消费者关注数据较其他方法是十分有效的,开辟了更新期PHTP需求定量分析的先河,并为以后的相关研究打下了坚实的基础。