全文总字数：5499字

1. 研究目的与意义及国内外研究现状

这是一个“无网不入”的时代，随着科学技术的日益发展，网络给人们的工作、学习、生活带来了巨大的便利。随着网络的飞快发展，电子商务与人们的生活越来越密切相关。其中，餐饮行业在电商平台中占有大量份额，随着美团、大众点评等一系列平台的崛起，越来越多消费者青睐于网上选择美食商户。美食商户网上平台为餐饮行业带来新的生机，注入新的血液。然而，平台上商家众多，对商家而言，如何迎合消费者的喜好，吸引消费者的兴趣从而提高自身竞争能力成为商家亟待解决的问题。对于消费者而言，面多琳琅满目、良莠不齐的商家，如何快速选择优质商家，对消费者而言具有重要的意义。

自2010年以来，我国相继出现诸多餐饮类网站，顾客通过线上支付获得线下服务或商品的新型电子商务模式日趋完善。据团800个网站统计，2013年内的餐y饮类团单比2011增加了14倍，购买人次增加了2.5倍，餐饮团购成交额三年内在所有团购种类中排名第一，成为网络团购中的占比最大的行业之一。在此基础上，越来越多的学者致力于美食商家影响因素的分析，针对不同平台、不同地区的数据，层次分析法、回归分析、关联分析、结构方程等方法在此类问题中应用最为广泛。也要不少学者从顾客满意度角度出发，运用多种方法进行实证分析，得到顾客满意度与商家经营之间的关系。综上来看，虽有很多学者对网上美食商家进行分析，但是如今网络发展迅速，信息更替快速，学者们对该问题的研究存在滞后性。同时，多数学者将角度定位于消费者的角度，对商户经营策略提供相关建议，近年来，我国学者鲜少有人对具体一个地区的美食商家进行实证分析，为消费者提供详实的参考意见。

鉴于上述缘由，本文借助问卷设计，得出消费者在网上选择商户时最为关心的影响因素数据，采用改进的熵值法来分析不同的因子权重，得出消费者最为在乎的因素，对商家提出一些合理的建议，帮助其提高自身竞争力。然后以上海市浦东新区大众点评网上的美食商家数据为研究对象，首先分析不同种类菜系与浦东新区陆家嘴、八佰伴等29个片区之间的关联分析，得出不同地区的美食偏好关系。然后，根据熵值法得出的结果用决策树方法为消费者选出最为优质的美食商户，为消费者在选择商家时提供重要的参考意见。

国内外研究现状

迄今为止，熵理论已经得到了迅速的发展，理论逐渐成熟。国内外很多学者对熵理论进行研究，运用到各个学科领域。

2. 研究的基本内容

本文通过问卷调查的形式，得到消费者在电子商务平台选择美食商户时所考虑的主要影响因素数据，通过这些数据用改进的熵值法得出影响电商美食商户的主要影响因素，对美食商户经营战略的调整提供参考意见，提高其竞争能力。根据改进的熵值法所得结论，选取上海市浦东新区大众点评网上的美食商家数据为研究对象，了解上海市浦东新区29个片区居民对不同菜系的偏好关系以及该地区美食商户基本信息，采用决策树方法为消费者选出优质的商家。

3. 实施方案、进度安排及预期效果

实行方案：

通过查阅书籍、期刊及网络上的一些共享资源，在老师、同学的帮助指导下，运用问卷星、八爪鱼采集器等方法采集数据，运用所学的统计软件完成数据处理，然后依据数据开始分析：

进度：

4. 参考文献

[1]Chen Z, Lurie N H. Temporal Contiguity and Negativity Bias in the Impact of Online Word of Mouth[J]. Journal of Marketing Research, 2013, 50(4):466-472.[2]Chevalier J A, Mayzlin D. The Effect of Word of Mouth on Sales: Online Book Reviews[J]. Journal of Marketing Research, 2006, 43(3):346-350.[3]陈梅梅, 薛阳阳. 基于消费群体聚类的网络购买决策关键影响因素分析[J]. 统计与决策, 2015, 14(3): 49-51.[4]Ning L, Wang H. The Browsing Pattern and Review Model of Online Consumers Based on Large Data Analysis[J]. Chinese Journal of Electronics, 2015, 24(1):59-63.[5]夏萍. 消费者餐饮网络团购意愿影响因素研究——基于技术接受模型[D]. 安徽:安徽农业大学, 2016:21-23.[6]陈华. 社交网络结果对消费者行为的影响分析[J]. 统计与决策, 2016, 26(10):94-96.[7]Shannon C E. A Mathematical Theory of Communication[J]. Bell System Technical Journal, 1948, 27(4): 379-423.[8]Steinborn W, Svirezhev Y. Entropy as An Indicator of Sustainability in agro-ecosystems: North Germany Case Study[J]. Ecological Modeling, 2000, 133(3):247-257.[9]邱蔻华. 群组决策系统的熵模型[J]. 控制与决策, 1995, 10(1):50-54.[10]叶雪强, 桂预风. 基于Markov链修正的改进熵值法组合模型及应用[J]. 统计与决策, 2018, 16(2):69-72.[11]Quinlan J R. Induction on decision tree[J].. Machine Learning, 1986, 1(1):81-106.[12]Chandra B, Varghese P. Fuzzy SLIQ Decision Tree Algorithm[J]. IEEE Transactions on System Man Cybernetics Part B, 2008, 38(5):1294-1301.[13]Jin C, Li F. A generalized FuzzyID3 algorithm using generalized information entropy[J]. Knowledge-Based Systems, 2014, 64(10):13-21.[14]田剑, 胡月明, 等. 聚类支持下决策树模型在耕地评价中的应用[J]. 农业工程学报, 2007, 23(12):58-62.[15]王书爽. 基于后修正贝叶斯决策树模型的保险企业营销决策[J]. 统计与决策, 2013, 14(14):180-182.[16]李胜芬. 基于熵值法的城市商业游憩区功能满意度评判[J]. 统计与决策, 2010, 49(19):73-76.[17]薛薇, 陈欢歌.基于Clementine的数据挖掘[M]. 北京:中国人民大学出版社, 2012:346-347.[18]黄奇. 基于CHAID决策树的个人收入分析[J]. 数学理论与应用, 2009, 29(4):34-37.