楊帆
電子商務是指通過計算機和互聯網實現傳統商務模式的各個環節,采用電子支付方式實現交易,通過快遞物流方式實現商品運輸[1-2]。傳統的電商模式主要有B2B(Business To Business)、B2C(Business To Customer)、C2C(Customer To Customer)等。相比傳統的電子商務模式,O2O(Online to Offline)是近幾年興起的新興電子商務模式,其更注重服務性消費。線下商家通過這種模式減少了店鋪具體地理位置的依賴性;用戶通過平臺能夠根據豐富、全面和及時的商家信息快速篩選并訂購滿意的商品或服務;O2O平臺利用其本地化程度較高的優勢,不僅能帶來大規模高黏度的消費者,從而進一步獲取到更多的商家資源。還能為商家提供額外的增值服務。
本文以“餓了么”外賣訂餐平臺為例,具體分析其電子商務業務流程,探究其推薦系統和搜索引擎優化方式,并對其平臺上的商家信息進行數據挖掘和分析[3],通過上述研究過程,深入了解外賣訂餐平臺的電子商務模式特點。
“餓了么”外賣平臺是第三方的O2O電子商務平臺,以第三方電子商務服務為基礎,通過計算機和網絡通信實現各個餐飲實體店與顧客的普通商務活動,同時涉及兩方或者更多方之間的信息流、資金流和物流的活動。它是傳統商務與電子商務進行結合而催生的創新模式,把人們每天都需要的餐飲活動通過網絡訂餐完成,并由商家自行提供送餐上門服務。
外賣訂餐平臺提供的是外賣的預定和送貨上門服務,它采用的電子商務模式將進入平臺的商家與顧客范圍都定位在某一城市的特定的較小區域中,平臺角色定位為提供外賣服務的實體快餐店,撮合用戶尋找自身地理位置附近的實體快餐店完成訂餐,而平臺是零庫存。
由于平臺提供的商品是快餐,其商品的配送方式與傳統B2C電子商務模式相比具有時效性高、服務質量高等要求。不能應用傳統的 B2C商品配送流程,由于平臺中的商家與訂餐顧客都在一定范圍內的同一區域中,使得外賣訂餐平臺可以方便管理商鋪的配送,對商鋪下達商品的配送指令,傳統物流快遞中的多個環節可以通過該方式被優化,從而讓商家自行解決配送過程。訂餐平臺的商品業務流程,如圖1所示:

圖1 “餓了么”訂餐平臺的商品業務流程
平臺的電子商務模式具有以下3個優點:
平臺可以使用某種算法統籌規劃,按照用戶的訂單信息合理安排,從而降低配送費用。
顧客在下單后很快的時間內就可以拿到訂購的外賣,這樣才能滿足用戶的核心。
需求,增強平臺的競爭能力。
對配送環節進行統一管理,平臺對商家的商品配送和訂餐客戶接收商品這兩個環節進行管理和監督,提升用戶購物感受。通過提供優質的服務,提高客戶對平臺的用戶體驗與忠誠度。
此模式下各方利益分析:
顧客利益:在這種電子商務模式下,顧客在平臺訂購商品時可以享受到以下的好處:
節省時間,只需要在網上下訂單,商家就可以將外賣快速的送貨上門。
透明消費,用戶可以參考別的用戶對商鋪的評價,選擇自己喜歡的外賣進行下單。
商家利益與前景
商鋪節省了傳統的網站建設與推廣的繁瑣流程,只需要與平臺進行合作,發布相關信息,即可在商鋪所在區域內進行推廣并獲得訂單。
平臺利益與前景
平臺投入主要在于平臺的建設、平臺的運營、維護,團隊管理和人力資源等相關成本。
平臺利潤主要來源于以下幾方面:商家的服務費用和商品推廣費用。通過吸引來的用戶群體產生的潛在價值,吸引風險投資。
電子商務推薦系統是通過某種方式獲取某些顧客的個人喜好、習慣等信息,整合分析并向用戶推薦信息、商品的程序[4]。這樣的系統可以縮短網站與用戶之間的距離,向用戶提供個性化的建議,增強網站的吸引能力。推薦系統是一種進行網絡營銷的電子服務。因為,電子商務推薦系統是電子商務的一個重要組成部分和研究熱點。它的作用表現在:把網站瀏覽者轉變為購買者、提高電子商務網站的交叉銷售能力、提高顧客對電子商務網站的忠誠度、優化電子商務網站等。
推薦系統需要通過一些用戶相關信息的輸入,為用戶提供合適的商戶推薦,信息輸入主要分為顯式信息輸入和隱式信息輸入。
顯式數據的獲取,主要是用戶在使用平臺時直接提供的信息。比如用戶在訂餐時首先要選擇用戶所在的地理位置區域,按照用戶所在區域向其推薦周圍的商戶。用戶的訂餐記錄反應了用戶的飲食偏好,包含了用戶口味方面的喜好和消費習慣方面的信息,這些都是推薦時候的重要依據。用戶用餐后的評價也是重要的信息來源,包括口味是否合適,性價比,送餐時間等信息都可以作為后來推薦的依據。同樣,用戶可能并不愿意花過多時間來進行評價,這也需要一定的激勵機制。
隱式的信息獲取主要是通過用戶使用網站過程中的行為記錄獲取有意義的信息。比如用戶對頁面的點擊、停留時間、用戶在最終確定某個餐食之前瀏覽的路徑都可以作為數據挖掘和推薦的依據。比如一個用戶連續瀏覽了多家提供牛肉面的店鋪,而最終用戶選擇了價格最低的那一家店鋪。那么該用戶可能對牛肉面情有獨鐘,而且對價格考慮較多。對于這類用戶進行推薦的時候推薦價格便宜的面食可能是比較好的選擇。
更多時候,顯式獲取和隱式獲取在實際應用中結合起來使用效果較好。通過多種方式、從多個角度獲取客戶的信息可以增加數據獲取的效率和效果。
對于平臺來說,如果用戶還沒有選擇一個商家,那么推薦系統就要根據用戶的資料和信息推薦適合消費者的商家,而如果用戶已經選定了一個商家,那么推薦系統需要在這個商家提供的食品范圍內根據用戶的口味或者喜好推薦合適的食品。關于推薦系統的處理,主要采取基于內容的推薦方式、基于協同過濾的推薦方式和基于流行度的方式等推薦方式綜合使用。
2.21 基于內容的推薦方式
基于內容過濾的推薦方式,主要思想是根據歷史信息,使用用戶瀏覽或訂購商品的某些特征來過濾信息,并將相似的商品推薦給用戶。如對于填寫了口味、愛好等內容的用戶就可以根據這些關鍵詞來過濾店鋪或者菜譜來進行推薦,對于喜歡吃辣的用戶,平臺可以推薦其選擇以辣味作為標準選擇特殊的餐廳或者店鋪內的比較辣的菜。
對于沒有填寫有關信息但經常通過平臺訂餐的用戶也可以從用戶的歷史訂單中獲取用戶的偏好。比如一個用戶經常會選擇10元到15元的含有雞腿的餐食,那么再次推薦時也可以從同類商品中選擇。如果一個用戶每次選擇的餐食幾乎都不相同,那么說明用戶喜歡嘗試不同的口味,平臺推薦時會選擇那些用戶沒有嘗試過的品種。
2.22 基于協同過濾的推薦方式
協同過濾,也被稱為社會過濾,是最早被成功使用的一種方法,能夠在推薦系統中尋找客戶之間的相關性。基于協同過濾的推薦方式也可以用于上海外賣網中,這需要網站已經建立了一些用戶數據,比如已有用戶的偏好信息,用戶在同一次或不同次訂單的選擇等。通過這些信息建立用戶的偏好矩陣,然后通過計算準備推薦的顧客和系統中其他顧客之間的相關性,綜合分析這些相似顧客的評價,從而形成該顧客的偏好預測。最后找到相似顧客的偏好,向這個客戶進行推薦。
2.23 基于流行度的推薦方式
基于流行度方式的想法是非常直觀的,向顧客推薦目前最受歡迎的產品一般是非常流行的,顧客也希望知道最為暢銷的商品信息。對于上海外賣網,就可以向顧客推薦最近大家最喜歡的餐廳或者最暢銷的菜品,這種方式的推薦對于那些苦于不知道想吃些什么的顧客或許非常的有幫助,如果他們從中收益將進一步提高網站的價值。
搜索引擎優化(SEO)是隨著搜索引擎的發展而興起的一種網站優化技術,搜索引擎優化是改進平臺網站流量,從而提高平臺在搜索引擎自然搜索結果排名的過程。SEO對網站的推廣很重要,當用戶利用搜索引擎查詢時,排名靠前意味著更容易被檢索到。
已經知道該網站但不記得具體域名的用戶,他們會到百度或者google中搜索“外賣”、“上海外賣”這樣的關鍵詞,“餓了么”都會排在很靠前甚至第一位。這也說明了“餓了么”平臺在百度的搜索引擎優化方面下了很大的功夫。
2.31 關鍵詞的優化
關鍵詞在搜索引擎搜索和排名中具有關鍵性的作用,要提高平臺排名,首先就要選擇合適的關鍵詞,并合理突出這些關鍵詞。“餓了么”平臺在

圖2 “餓了么”平臺的
已經包含了很多相關的關鍵字,例如“餓了么”、“網上訂餐”、“叫外賣”等。而且 google搜索中要求title中最好不要含有特殊字符,上海外賣網這點就做的比較好,沒有出現無意義的特殊字符。

圖3 “餓了么”平臺的關鍵詞優化
其中就有很多關鍵詞的重復和使用,這對于搜索引擎優化有重要意義。
2.32 合理的加入內部鏈接和外部鏈接
根據PageRank的計算方法,和一些具有影響力的網站建立鏈接可以有效的提高排名分數。如果能有知名網站鏈接到上海外賣網,那么這樣的提升是最大的,但這并不是可以控制的。反之,在“餓了么”網站上鏈接到知名網站,也可以在一定程度上提高排名,如圖4所示:

圖4 平臺的相關外部連接
同類網站之間的鏈接也是很有意義的,這樣可以提高雙方的排名,但是我們很容易發現一個現象就是網站設計者都不約而同的選擇了不同地區的同類網站而回避了同一個市區有競爭關系的同類網站,避免提升競爭對手的知名度。
數據挖掘是一種數據處理方法,是指從海量的模糊隨即的原始數據中提取有用的信息的過程,這些原始數據很有可能是不完全的。使用數據挖掘技術可以輔助電子商務模式的分析,處理商業用戶的海量數據,使用模型化的方式揭示背后的隱藏規律,用來輔助商業決策過程,并可以使用已有的數據對未來的活動進行預測[5-6]。
使用網絡爬蟲技術,獲取上海范圍內店鋪的相關信息,包括“店鋪名稱”、“店鋪ID”、“加盟時間”、“訂購數”、“評論數”、“瀏覽數”、“口味評價”、“速度評價”、“服務評價”信息,后面6項主要是顧客對各個商鋪在不同方面的評價,如圖5所示:

圖5 原始數據
使用k-means方法進行聚類分析,如圖6所示:

圖6 聚類分析
這里我們把源數據分成了4個聚類,每個聚類所占的比例大小分別為 50%、16.7%、29.2%、4.2%,對分類字段的依賴性依次由“評論”、“訂購”、“瀏覽”、“速度”、“服務”、“口味”遞減,而“ID”和“加盟時間”在這里不作考慮。可以看到聚類-4,即評論最多的商鋪所占的比例很少,同時這類商鋪的商品訂購數是最多的,同時其他的“瀏覽”、“速度”等數據也較高。而聚類-1的評論數目是最少的,這類的商鋪的商品訂購也是最少的,但卻占了整體的50%,說明大部分的商鋪的外賣銷售情況不佳,只有小部分商鋪的銷售情況較好,大部分的商鋪需要加強促銷,促進銷售。
采用集合分析可以分析某兩項數據間的對應關系。這里我們觀察“訂購”與“瀏覽”、“評論”、“口味”、“速度”之間的關系,如圖7-圖10所示:

圖7 “訂購”與“瀏覽”之間的關系

圖8 “訂購”與“評論”之間的關系

圖9 “訂購”與“口味”之間的關系

圖10 “訂購”與“速度”集合分析結果
從上面的集合分析可以看出,“瀏覽”在中等偏上的情況時,對應的“訂購”數量比較多;商鋪的“評論”都較少,只有一家的“評論”較多,同時其對應的“訂購”數量也較多;“口味”與“速度”的數據比較分散,但是都是保持“口味”與“速度”的評分較高,“訂購”的評分也較高的趨勢。整體來說,“訂購”數量與“瀏覽”、“評論”、“口味”、“速度”都是保持正相關的趨勢。
這里可以看到,我們最關系的是“訂購”、“評論”、“瀏覽”、“口味”、“速度”、“服務”六個中的“訂購”信息,因為“訂購”直接反映商鋪的外賣銷售情況,所以我們采用回歸分析方法,預測變量的重要性,把“訂購”信息設置為目標,把其他的屬性設置為輸入,如圖11所示:

圖11 回歸分析結果
如圖11的回歸分析結果所示,影響“訂購”的變量的重要性依次由“瀏覽”、“評論”、“口味”、“服務”、“速度”降低,所以商家應該著重于采取措施增加用戶的瀏覽興趣,提高商品的評論質量,從而增加訂購。
采用決策樹進行分析,類型設置“店鋪”為目標,“訂購”、“評論”、“瀏覽”、“口味”、“速度”、“服務”作為輸入,采用C5.0決策樹模型,如圖12所示:

圖12 決策樹分析結果
可以看到按照決策樹進行分析,預測變量的重要性的結果是:最不重要的項目是“服務”,最重要的項目是“評論”。
O2O電子商務模式正在如火如荼的發展,它帶來的不僅僅是一種消費思維和服務模式的改變,更是對傳統電子商務模式提出了新的挑戰。本文以外賣訂餐網站為例,分析其電子商務具體模式和此模式下的各方利益,探究其電子推薦系統和搜索引擎優化方案,采用數據挖掘和分析技術,平臺中商鋪的大量商品銷售數據進行分析,并按照分析結果給出對應的優化建議。通過上述分析過程,對企業和電商運營者具有一定的指導意義,要及時改變固有思維,利用網絡資源,通過大量數據分析,融合線上和線下資源,有利于對 O2O電子商務模式進一步發展和完善。
[1] 趙衛東,黃麗華.電子商務模式(第二版)[M].上海:復旦大學出版社,2011.
[2] 章寧,王天梅,許海曦,等.電子商務模式研究[J].中央財經大學學報,2004,02.
[3] 杜航.電子商務模式分析過程研究[J].華北科技學院學報,2010,03.
[4] 余力,劉魯.電子商務個性化推薦系統研究[J].計算機集成制造,2004,(10):1036-1313.
[5] 黃紹川.基于聚類算法的電子商務日志挖掘商業智能研究[J].中國商貿, 2014(1).
[6] 王利強,劉正捷,張麗萍,等.網站用戶行為數據收集和分析方法[J].電腦開發與應用,2004,(02):2-4.