黃文樂

摘要：隨著互聯(lián)網(wǎng)經(jīng)濟(jì)的快速發(fā)展，電子商務(wù)已經(jīng)成為國(guó)家商務(wù)發(fā)展的重要組成部分。在電子商務(wù)的發(fā)展中，海量化的數(shù)據(jù)逐漸發(fā)揮了其商業(yè)價(jià)值，這種價(jià)值是否能夠被完全挖掘出取決于數(shù)據(jù)的挖掘方式和數(shù)據(jù)的利用方式。在線上線下的商業(yè)發(fā)展中，如何對(duì)數(shù)據(jù)進(jìn)行挖掘和管理，成為了電商發(fā)展的重要問題。該文研究了大數(shù)據(jù)背景下線上線下數(shù)據(jù)的特點(diǎn)，對(duì)數(shù)據(jù)挖掘和應(yīng)用方面進(jìn)行了闡述。

關(guān)鍵詞：大數(shù)據(jù)；線上線下電商；用戶數(shù)據(jù)；挖掘研究

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）34-0010-02

隨著電子商務(wù)的發(fā)展，數(shù)據(jù)的價(jià)值得以體現(xiàn)，企業(yè)內(nèi)部管理的數(shù)據(jù)和各種社交網(wǎng)絡(luò)下的數(shù)據(jù)，使得電子商務(wù)所產(chǎn)生的數(shù)據(jù)呈現(xiàn)爆炸式的發(fā)展。用戶數(shù)量的增加使得企業(yè)對(duì)于用戶數(shù)據(jù)的管理增加了難度。大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨，電子商務(wù)正在經(jīng)歷著多樣化、大規(guī)模的數(shù)據(jù)發(fā)展，龐大的數(shù)據(jù)資源使得數(shù)據(jù)處理的難度和代價(jià)增加，如何對(duì)這些數(shù)據(jù)進(jìn)行捕捉和挖掘就成為電子商務(wù)發(fā)展的重要問題。O2O電子商務(wù)模式是一個(gè)聯(lián)系線下商家和線上用戶的商業(yè)平臺(tái)，其能夠?qū)?shí)體經(jīng)濟(jì)與虛擬用戶相結(jié)合，為商務(wù)發(fā)展提供了全新的發(fā)展模式。用戶數(shù)據(jù)的大規(guī)模增加遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)商務(wù)所能夠處理的數(shù)據(jù)范圍，復(fù)雜的數(shù)據(jù)充斥使得商家難以挖掘數(shù)據(jù)的價(jià)值，從研究中發(fā)現(xiàn)，電子商務(wù)的數(shù)據(jù)利用率僅有5%，因此在大數(shù)據(jù)環(huán)境下，商家對(duì)O2O用戶數(shù)據(jù)的挖掘非常重要。

1 在大數(shù)據(jù)背景下O2O的用戶數(shù)據(jù)特點(diǎn)

相比傳統(tǒng)的數(shù)據(jù)，O2O用戶數(shù)據(jù)除了交易平臺(tái)的數(shù)據(jù)之外，還帶有社交網(wǎng)絡(luò)數(shù)據(jù)、用戶終端數(shù)據(jù)等，因此O2O用戶數(shù)據(jù)符合大數(shù)據(jù)的基本特點(diǎn)。

1）數(shù)據(jù)體量大

隨著電商企業(yè)發(fā)展的日漸成熟，很多O2O企業(yè)產(chǎn)生的用戶數(shù)據(jù)已經(jīng)達(dá)到了TB級(jí)，加入了社交網(wǎng)絡(luò)和移動(dòng)網(wǎng)絡(luò)后的O2O用戶數(shù)據(jù)不僅僅是用戶交易的數(shù)據(jù)，其涵蓋了更加廣闊的數(shù)據(jù)源，未來(lái)O2O用戶數(shù)據(jù)的規(guī)?？梢赃_(dá)到PB級(jí)或是更高的EB級(jí)，因此在未來(lái)的電子商務(wù)發(fā)展中，會(huì)有更多TB級(jí)的數(shù)據(jù)應(yīng)用在決策分析中。

2）數(shù)據(jù)的類型多

O2O用戶數(shù)據(jù)的類型比較復(fù)雜，除了用戶的基本數(shù)據(jù)資料交易記錄，還帶有企業(yè)的內(nèi)部交易服務(wù)信息等結(jié)構(gòu)化數(shù)據(jù)，用戶的交易反饋、平臺(tái)的數(shù)據(jù)機(jī)構(gòu)和終端信息等非結(jié)構(gòu)化的數(shù)據(jù)，可以說(shuō)O2O用戶數(shù)據(jù)不是由單一化的數(shù)據(jù)構(gòu)成，其更多涉及過(guò)程化的數(shù)據(jù)。

3）數(shù)據(jù)留流動(dòng)速度快

電子商務(wù)發(fā)展對(duì)數(shù)據(jù)處理的速度要求很高，特別是用戶數(shù)據(jù)的實(shí)時(shí)處理有著極高的要求。用戶的數(shù)據(jù)隨著用戶的行為而產(chǎn)生，這些數(shù)據(jù)在交易的過(guò)程中會(huì)轉(zhuǎn)變?yōu)楦咚賯鬟f的數(shù)據(jù)流，比如用戶的消費(fèi)情況和反饋等，如果交易時(shí)間縮短，那么就要求數(shù)據(jù)的處理速度快，傳統(tǒng)查詢式的數(shù)據(jù)處理很難適用。

4）商業(yè)價(jià)值高

在電子商務(wù)的發(fā)展中，用戶數(shù)據(jù)有著非常大的商業(yè)價(jià)值，可以說(shuō)用戶是O2O發(fā)展的核心，對(duì)用戶進(jìn)行分析和預(yù)測(cè)，對(duì)于電商企業(yè)的發(fā)展有著重要意義。但是由于數(shù)據(jù)種類繁多，越來(lái)越多與用戶無(wú)關(guān)的數(shù)據(jù)充斥其中，使得數(shù)據(jù)的價(jià)值密度降低，這也更好的說(shuō)明了大數(shù)據(jù)背景下O2O用戶數(shù)據(jù)的重要價(jià)值。

2 大數(shù)據(jù)環(huán)境下O2O用戶數(shù)據(jù)挖掘流程和方法

1）數(shù)據(jù)挖掘的流程

O2O用戶的數(shù)據(jù)挖掘?qū)儆谝粋€(gè)自動(dòng)發(fā)現(xiàn)的過(guò)程，在收集數(shù)據(jù)時(shí)并沒有明確的目標(biāo)，只需要從不同的數(shù)據(jù)來(lái)源中更多的獲取數(shù)據(jù)，并且對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的預(yù)處理即可，預(yù)處理后通過(guò)各種數(shù)據(jù)的計(jì)算方法對(duì)大規(guī)模的數(shù)據(jù)進(jìn)行分析。在大數(shù)據(jù)的挖掘中，首先要解決這樣一個(gè)問題，就是如何區(qū)分各個(gè)用戶群的特點(diǎn)，進(jìn)而分析其個(gè)人的特點(diǎn)，從而獲得有用的商業(yè)價(jià)值，數(shù)據(jù)挖掘流程見圖1。

數(shù)據(jù)收集：O2O用戶的數(shù)據(jù)除了平臺(tái)交易的數(shù)據(jù)，還包括社交網(wǎng)絡(luò)、設(shè)備終端中的數(shù)據(jù)，這些用戶以“流”的形式存在，這三種數(shù)據(jù)流之前存在著內(nèi)容交叉，可以根據(jù)其交易、互動(dòng)情況進(jìn)行分類，從而對(duì)數(shù)據(jù)進(jìn)行收集。數(shù)據(jù)預(yù)處理：數(shù)據(jù)的預(yù)處理由三個(gè)部分組成，分別是數(shù)據(jù)的準(zhǔn)備、轉(zhuǎn)化和抽取，數(shù)據(jù)的預(yù)處理情況直接關(guān)系的數(shù)據(jù)挖掘的質(zhì)量，并且在一定程度上決定了數(shù)據(jù)挖掘的成功和失敗。原始數(shù)據(jù)中有很多冗余、噪聲數(shù)據(jù)，在預(yù)處理中需要對(duì)這些數(shù)據(jù)進(jìn)行整理和清晰，從而提升數(shù)據(jù)挖掘的質(zhì)量。通過(guò)結(jié)構(gòu)和半結(jié)構(gòu)數(shù)據(jù)處理方法對(duì)這些數(shù)據(jù)進(jìn)行過(guò)濾，提取出重要數(shù)據(jù)，要提升數(shù)據(jù)的關(guān)聯(lián)性，從而體現(xiàn)出更多的用戶數(shù)據(jù)特征，采用數(shù)據(jù)融合方法可以讓關(guān)聯(lián)的數(shù)據(jù)聯(lián)合在一起，從而形成新的數(shù)據(jù)形式。數(shù)據(jù)的挖掘和應(yīng)用：在數(shù)據(jù)挖掘的過(guò)程中根據(jù)商家的需要選擇數(shù)據(jù)挖掘的模型，從而針對(duì)性的進(jìn)行深度挖掘。深度數(shù)據(jù)挖掘的主要模型有：關(guān)聯(lián)分析、類型分析和聚類分析等，比如根據(jù)用戶的性別、年齡、興趣等進(jìn)行分類挖掘，并且進(jìn)行解釋和應(yīng)用。數(shù)據(jù)挖掘后主要應(yīng)用在大數(shù)據(jù)的可視化分析和計(jì)算等。

2）數(shù)據(jù)挖掘的方法

通過(guò)對(duì)數(shù)據(jù)的挖掘，利用數(shù)據(jù)對(duì)商家的未來(lái)趨勢(shì)進(jìn)行分析和判斷，依靠數(shù)據(jù)做出準(zhǔn)確的決策。常見的數(shù)據(jù)挖掘方法主要有關(guān)聯(lián)規(guī)則分析、聚分類分析、社交網(wǎng)絡(luò)分析等。關(guān)聯(lián)規(guī)則分析可以分為簡(jiǎn)單的關(guān)聯(lián)、因果關(guān)聯(lián)等，通過(guò)對(duì)用戶行為規(guī)律進(jìn)行挖掘，可以發(fā)現(xiàn)其中的關(guān)聯(lián)關(guān)系，從而找出影響用戶行為的主要因素。聚類分類分析：分類四根據(jù)數(shù)據(jù)的共同點(diǎn)將數(shù)據(jù)分為不同的種類，比如用戶屬性、滿意度分析、購(gòu)買力等，聚類分析主要用于發(fā)現(xiàn)不同的客戶群，其可以應(yīng)用在用戶的購(gòu)買預(yù)測(cè)方面。社交網(wǎng)絡(luò)分析：通過(guò)分析用戶的不同社會(huì)關(guān)系和屬性，從而分析用戶中潛在的關(guān)系和資源。用戶的社交網(wǎng)絡(luò)關(guān)系著用戶之間的關(guān)系和屬性，有助于商家擴(kuò)充客戶源。

3 基于大數(shù)據(jù)背景下用戶數(shù)據(jù)挖掘后的應(yīng)用途徑

1）精準(zhǔn)用戶定位實(shí)施針對(duì)性的營(yíng)銷

在O2O發(fā)展模式中，對(duì)用戶數(shù)據(jù)的挖掘表示著對(duì)市場(chǎng)的細(xì)化和精確定位，從而選擇有針對(duì)性的用戶進(jìn)行營(yíng)銷。通過(guò)收集、處理和加工大量的用戶交易信息，確定用戶群體的消費(fèi)興趣和習(xí)慣，進(jìn)而推斷用戶的下一個(gè)消費(fèi)行為，從而對(duì)這些用戶制定針對(duì)性的營(yíng)銷策略。根據(jù)用戶的特點(diǎn)進(jìn)行營(yíng)銷，與傳統(tǒng)的營(yíng)銷相比會(huì)節(jié)約了營(yíng)銷成本，提升了營(yíng)銷的價(jià)值，鎖定忠誠(chéng)度較高的消費(fèi)者，能夠拓展更加優(yōu)秀的消費(fèi)資源。利用對(duì)用戶數(shù)據(jù)的挖掘，商家可以區(qū)別用戶價(jià)值的高低，針對(duì)不同價(jià)值的用戶采用不同的營(yíng)銷策略，可以讓商家獲得更好的收益回報(bào)。

2）網(wǎng)絡(luò)平臺(tái)優(yōu)化

電商營(yíng)銷中網(wǎng)站平臺(tái)的頁(yè)面設(shè)置非常重要，網(wǎng)站的內(nèi)容直接影響著用戶的訪問交易情況，因此在用戶登錄和瀏覽平臺(tái)上進(jìn)行用戶數(shù)據(jù)挖掘能夠了解用戶的訪問相關(guān)，從而為網(wǎng)站平臺(tái)優(yōu)化提供參考。電商網(wǎng)站可以通過(guò)用戶的訪問、下單習(xí)慣來(lái)更改網(wǎng)站的結(jié)構(gòu)和內(nèi)容，比如將用戶點(diǎn)擊量高和交易量高的產(chǎn)品放置在首頁(yè)吸引用戶的點(diǎn)擊。通過(guò)對(duì)用戶瀏覽數(shù)據(jù)的挖掘，可以利用網(wǎng)頁(yè)的關(guān)聯(lián)性與用戶的期望值相結(jié)合，在用戶期望的界面上多添加導(dǎo)航鏈接，合理的安排服務(wù)器緩存，減少服務(wù)器的響應(yīng)時(shí)間，從而提升用戶的滿意度。

3）穩(wěn)定客戶群

通過(guò)對(duì)O2O用戶的數(shù)據(jù)挖掘能夠分析用戶的喜好行為，從而利用平臺(tái)來(lái)挖掘和穩(wěn)定客戶關(guān)系，在這些數(shù)據(jù)中針對(duì)客戶資料資源進(jìn)行分析，將客戶根據(jù)交易背景、興趣、習(xí)慣等進(jìn)行劃分，通過(guò)對(duì)用戶行為的預(yù)測(cè)可以挖掘出潛在的消費(fèi)者，并且對(duì)于已經(jīng)形成交易關(guān)系的客戶進(jìn)行維護(hù)，針對(duì)價(jià)值高的用戶提供額外的服務(wù)，從而獲得更加穩(wěn)定的客戶源。利用數(shù)據(jù)分析對(duì)客戶進(jìn)行預(yù)測(cè)和推薦非常重要，比如當(dāng)一個(gè)用戶購(gòu)買了某種產(chǎn)品并且評(píng)價(jià)較好時(shí)，其會(huì)推薦其好友進(jìn)行關(guān)注，這樣的客戶群體管理有助于商家挖掘更多的潛在客戶，并且提升交易客戶的穩(wěn)定關(guān)系。

4）擴(kuò)展其他增值業(yè)務(wù)

當(dāng)O2O的平臺(tái)有著一定的用戶數(shù)據(jù)后，就可以建立完整的用戶數(shù)據(jù)庫(kù)，通過(guò)對(duì)用戶數(shù)據(jù)的分析，可以讓商家針對(duì)用戶提供其他的產(chǎn)品，從而增加數(shù)據(jù)的收入?，F(xiàn)階段大型電商網(wǎng)站都在利用大數(shù)據(jù)開發(fā)新的應(yīng)用，比如淘寶網(wǎng)的數(shù)據(jù)魔方等，很多商家由于缺少數(shù)據(jù)難以開發(fā)新的業(yè)務(wù)，比如消費(fèi)信貸，而通過(guò)對(duì)數(shù)據(jù)的挖掘，發(fā)現(xiàn)其附加的價(jià)值，就能夠更好的開發(fā)新業(yè)務(wù)，比如阿里集團(tuán)進(jìn)行的小額信貸業(yè)務(wù)。

5）精準(zhǔn)的開展廣告業(yè)務(wù)

通過(guò)對(duì)O2O用戶數(shù)據(jù)的挖掘可以了解用戶的主要消費(fèi)點(diǎn)，從而為商家的廣告宣傳提供方向，在用戶消費(fèi)高的地方投入廣告，從而實(shí)現(xiàn)商家希望的個(gè)性化營(yíng)銷。在用戶數(shù)據(jù)庫(kù)的基礎(chǔ)上，建立數(shù)據(jù)庫(kù)的概率模型，對(duì)用戶的交易情況進(jìn)行概率確定，通過(guò)對(duì)廣告的獲取信息來(lái)確定哪些是真實(shí)的顧客，哪些是潛在的顧客；觀察用戶對(duì)于廣告的反應(yīng)程度可以作為商家投放廣告時(shí)間的參考。通過(guò)這種概率分析，可以在數(shù)據(jù)中計(jì)算出一個(gè)準(zhǔn)確的關(guān)鍵詞，讓商家依照關(guān)鍵詞進(jìn)行廣告優(yōu)化。

6）產(chǎn)品管理和服務(wù)

O2O用戶數(shù)據(jù)的挖掘?yàn)樯碳姨峁?zhǔn)確的營(yíng)銷提供了方案，通過(guò)相應(yīng)用戶的需要促進(jìn)訂單生成，通過(guò)用戶的反饋來(lái)進(jìn)行產(chǎn)品的改進(jìn)；通過(guò)對(duì)用戶數(shù)據(jù)的分析可以讓商家的營(yíng)銷發(fā)生改動(dòng)，比如價(jià)格和庫(kù)存的調(diào)整等。如果商家能夠?qū)τ脩舻臄?shù)據(jù)進(jìn)行精準(zhǔn)分析，就可以通過(guò)對(duì)用戶需求的分析來(lái)尋找更多的商機(jī)。如分析用戶的喜好和相關(guān)的潛在信息，有助于提升商家的產(chǎn)品質(zhì)量和服務(wù)，從而讓商家有著更高的市場(chǎng)競(jìng)爭(zhēng)力。

4 結(jié)語(yǔ)

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，云計(jì)算和數(shù)據(jù)挖掘技術(shù)的成熟，電子商務(wù)中的用戶數(shù)據(jù)必將得到更好的挖掘處理，數(shù)據(jù)中隱藏的用戶價(jià)值也會(huì)被更好地利用。O2O的電子商務(wù)發(fā)展已經(jīng)逐漸從銷售轉(zhuǎn)變?yōu)橛脩糁辽?，企業(yè)在發(fā)展中已經(jīng)意識(shí)到，想要做出最準(zhǔn)確的商務(wù)決策，首先要獲得準(zhǔn)確的數(shù)據(jù)支持，大數(shù)據(jù)的挖掘應(yīng)用會(huì)推動(dòng)電子商務(wù)模式走向新的發(fā)展高度。

參考文獻(xiàn)：

[1] 徐國(guó)虎，孫凌，許芳.基于大數(shù)據(jù)的線上線下電商用戶數(shù)據(jù)挖掘研究[J].中南民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2013（2）.

[2] 徐國(guó)虎，孫凌.基于大數(shù)據(jù)技術(shù)的線上線下電商用戶數(shù)據(jù)挖掘流程分析[J].中國(guó)集體經(jīng)濟(jì)，2012（30）.

[3] 黃取治.大數(shù)據(jù)環(huán)境下O2O電商用戶數(shù)據(jù)挖掘探討[J].湖南科技學(xué)院學(xué)報(bào)，2015（5）.

[4] 劉軍，呂俊.大數(shù)據(jù)時(shí)代及數(shù)據(jù)挖掘的應(yīng)用[J].國(guó)家電網(wǎng)報(bào)，2014（10）.

[5] 梁循.數(shù)據(jù)挖掘：建模、算法、應(yīng)用和系統(tǒng)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2015（1）.