基于大數(shù)據(jù)的電商平臺(tái)研究

摘 要：近幾年，在各種數(shù)據(jù)量多樣化、各類手機(jī)應(yīng)用逐漸深入我們的生活的基礎(chǔ)上。如今，大數(shù)據(jù)已成為各行各業(yè)研究的熱點(diǎn)問題。全國各地在已經(jīng)過去的兩年內(nèi)產(chǎn)生的數(shù)據(jù)量占數(shù)據(jù)總量多達(dá)90%。由此看來，大數(shù)據(jù)技術(shù)正在融入我們的生活以無法抵擋的趨勢?；谌绱嘶A(chǔ)，本文除了簡單介紹了大數(shù)據(jù)的理論，對我國電子商務(wù)電商平臺(tái)數(shù)據(jù)來源及數(shù)據(jù)挖掘方法進(jìn)行分析。

關(guān)鍵詞：大數(shù)據(jù);電商平臺(tái);特性分析

一、引言

近些年，在網(wǎng)上購物的居民人數(shù)已經(jīng)達(dá)到上億人次。目前我國網(wǎng)民的規(guī)模已經(jīng)達(dá)到6.49多億，其中 3.61億人在電商平臺(tái)上購買物品，同比增長達(dá)到了19.7%;在這些網(wǎng)民中，在電商平臺(tái)上進(jìn)行購物的比例增長了6.8個(gè)百分點(diǎn)，也就是說55%的網(wǎng)民在選擇在電商平臺(tái)購物。這一組數(shù)據(jù)充分的證明了電子商務(wù)平臺(tái)受到網(wǎng)民的青睞程度，同時(shí)也給網(wǎng)絡(luò)支付企業(yè)以及物流管理等行業(yè)創(chuàng)造了發(fā)展的機(jī)會(huì)。通過敘述大數(shù)據(jù)的技術(shù)及發(fā)展的情況，研究了大數(shù)據(jù)對我國電子商務(wù)方面帶來的各種動(dòng)力，介紹了大數(shù)據(jù)的具體概念，介紹了電商平臺(tái)數(shù)據(jù)來源及數(shù)據(jù)挖掘的方法并展望未來。

二、大數(shù)據(jù)定義

大數(shù)據(jù)指的是在一定的時(shí)間里無法運(yùn)用現(xiàn)有的軟件工具對各種內(nèi)容進(jìn)行收集、管理的一種數(shù)據(jù)的集中，其主要表現(xiàn)為是一種非結(jié)構(gòu)化的數(shù)據(jù)，這就導(dǎo)致了在現(xiàn)實(shí)生活中我們所獲取的大數(shù)據(jù)信息在與之前的數(shù)據(jù)庫進(jìn)行對接時(shí)，很多內(nèi)容都不能進(jìn)行兼容。

三、電商平臺(tái)數(shù)據(jù)來源及數(shù)據(jù)挖掘方法

（一）數(shù)據(jù)來源分析

隨著經(jīng)濟(jì)的發(fā)展，越來越多的電子商務(wù)平臺(tái)開始注重對數(shù)據(jù)的價(jià)值分析，也注重收集數(shù)據(jù)，但是數(shù)據(jù)自身是不會(huì)說話的，沒有洞察的數(shù)據(jù)無價(jià)值可言，對企業(yè)銷量增長也毫無益處，這極大浪費(fèi)了數(shù)據(jù)的價(jià)值以及為之投入的人力、物力、財(cái)力。普華永道曾對世界各國超過1300位CEO展開調(diào)查，調(diào)查內(nèi)容主要集中在數(shù)據(jù)方面，根據(jù)報(bào)告顯示，數(shù)據(jù)分析占據(jù)很重要的地位，僅次于提高用戶參與度的技術(shù)，但是對于提升用戶體驗(yàn)、提高用戶滿意度以及銷售業(yè)績而言，數(shù)據(jù)分析最為重要。

電商數(shù)據(jù)分析的基本體系指標(biāo)包括幾個(gè)方面：

（1）總體運(yùn)營指標(biāo)

電商的總體運(yùn)營指標(biāo)是面向人群的電商運(yùn)營管理層，通過總體的運(yùn)營指標(biāo)對電商運(yùn)營的整體效果進(jìn)行評(píng)估整改。分別從訂單、流量、整體指標(biāo)、總體銷售業(yè)績進(jìn)行控制，并對電商平臺(tái)的運(yùn)營情況進(jìn)行整合，是虧是賺，做到一目了然。

（2）網(wǎng)站流量

網(wǎng)站流量指對所要訪問網(wǎng)站中的進(jìn)行訪客分析，基于這些數(shù)據(jù)對網(wǎng)頁可以進(jìn)行優(yōu)化，并分析訪客的行為方式。

（3）銷售轉(zhuǎn)化指標(biāo)

銷售轉(zhuǎn)化指標(biāo)包括支付類指標(biāo)、購物車類指標(biāo)、下單類指標(biāo)、支付類指標(biāo)。研究從分析下單到成功支付這整個(gè)過程所整合的數(shù)據(jù)類別，進(jìn)一步提升了某件產(chǎn)品的轉(zhuǎn)化率。

（4）客戶價(jià)值指標(biāo)

針對客戶進(jìn)行分類，可以有針對性的進(jìn)行介紹商品種類及實(shí)際價(jià)值，更好的為用戶提供需求。

（5）商品類指標(biāo)

商品類指標(biāo)指的是要分析商品的具體情況，比如：商品庫存、商品銷售等，再建立起關(guān)聯(lián)的模型，分析總結(jié)該類商品同時(shí)跟哪幾樣商品銷售，哪種方式吸引顧客的幾率比較高，從而進(jìn)行捆綁銷售。

（6）市場營銷活動(dòng)指標(biāo)

市場營銷活動(dòng)指標(biāo)主要用來監(jiān)控某種活動(dòng)給電商平臺(tái)帶來的影響，是用來監(jiān)控廣告的一個(gè)投放指標(biāo)。

（7）風(fēng)控類指標(biāo)

銷售商品時(shí)，商家分析賣家的售后評(píng)價(jià)，不滿意的情況是怎樣。從中發(fā)現(xiàn)問題所在，同時(shí)進(jìn)行及時(shí)改正。

根據(jù)買家評(píng)價(jià)指標(biāo)反應(yīng)顧客對商品的滿意程度，以及商品的實(shí)用價(jià)值，投訴量和投訴率要及時(shí)進(jìn)行監(jiān)控，便于提早發(fā)現(xiàn)問題，及時(shí)更正。

（二）大數(shù)據(jù)挖掘方法

數(shù)據(jù)挖掘的一般流程包括：

（1）問題的識(shí)別

挖掘一個(gè)有價(jià)值的數(shù)據(jù)，首先需要做到認(rèn)識(shí)到問題的本質(zhì)是什么才能找挖掘的方向，只有對問題有充分的認(rèn)識(shí)，也才能夠去選擇一個(gè)適合的挖掘方式來探索，而對問題進(jìn)行深入的處理和分析更是確定能否適合使用大數(shù)據(jù)技術(shù)進(jìn)行的基本要求。

（2）數(shù)據(jù)理解

由于數(shù)據(jù)的特殊性，從而令其不同于一般的資源。數(shù)據(jù)理解包括兩點(diǎn)，一是數(shù)據(jù)在非同一系統(tǒng)的同一用戶中進(jìn)行傳遞的話，可以達(dá)到零數(shù)據(jù)增加其價(jià)值的效果;二是在這個(gè)傳遞過程之中，因?yàn)殡p方通信對接問題對之后產(chǎn)生的數(shù)據(jù)質(zhì)量將會(huì)造成不同程度的影響。

（3）數(shù)據(jù)收集

數(shù)據(jù)的收集主要有以下幾個(gè)步驟，一是要進(jìn)行相關(guān)數(shù)據(jù)的精準(zhǔn)提取，確保拿到準(zhǔn)確的需要處理的數(shù)據(jù)，這是所有工作的基礎(chǔ);而是進(jìn)行統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)類型模式轉(zhuǎn)換，將不同結(jié)構(gòu)的數(shù)據(jù)能夠按照統(tǒng)一的格式進(jìn)行編排;三是進(jìn)行數(shù)據(jù)整合，將以上所處理好的數(shù)據(jù)全部聚合到一起，放入數(shù)據(jù)挖掘庫之中，同時(shí)也完成了數(shù)據(jù)冗余的消除工作。

（4）建立模型

數(shù)據(jù)挖掘中最為重要的一步便是數(shù)據(jù)建模，它是一個(gè)不斷循環(huán)往復(fù)，重復(fù)試錯(cuò)的檢驗(yàn)過程，從而才能針對我們之前的問題選擇一個(gè)最合適的模型進(jìn)行建模分析。

主要的模型包括分布探索、試驗(yàn)設(shè)計(jì)、特征估計(jì)、假設(shè)檢驗(yàn)、時(shí)間序列、篩選設(shè)計(jì)、模型擬合、多元分析等。

（5）評(píng)價(jià)模型

建模不代表事情就終止了，還應(yīng)該對建模的對象進(jìn)行進(jìn)一步的評(píng)價(jià)，這個(gè)評(píng)價(jià)主要分為兩個(gè)方便，一是針對于模型的準(zhǔn)確性來判斷的精準(zhǔn)性評(píng)價(jià);二是針對模型的可靠性和可移植性來判斷的穩(wěn)健性評(píng)價(jià)。

（6）應(yīng)用模型

當(dāng)模型建立完畢也通過檢驗(yàn)之后，就可以開始進(jìn)行下一步的操作，進(jìn)行實(shí)際的投入使用環(huán)節(jié)，一般可以提交給相關(guān)的研究人員進(jìn)行評(píng)測，也可以借助別的問題來驗(yàn)證上述環(huán)節(jié)的操作。

四、小結(jié)

電商互聯(lián)網(wǎng)涉獵廣泛，與很多產(chǎn)業(yè)都有著一定的聯(lián)系，電商互聯(lián)網(wǎng)的發(fā)展受到很多因素的影響，例如環(huán)境因素、專業(yè)因素等。也就是說，選擇怎樣的方式來處于電子商務(wù)互聯(lián)網(wǎng)領(lǐng)域的數(shù)據(jù)信息，成為了限制當(dāng)前電商互聯(lián)網(wǎng)發(fā)展的主要阻礙因素。若要想通過電商互聯(lián)網(wǎng)應(yīng)用層面模型的建立奠定一套關(guān)于大數(shù)據(jù)技術(shù)的基礎(chǔ)，那么就需要我們?nèi)ふ乙粭l從海量數(shù)據(jù)庫中尋找潛在模式與規(guī)律，挖掘有重要價(jià)值的數(shù)據(jù)信息的道路。

參考文獻(xiàn)

[1]徐國虎，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)》，2018，32，（2）：100-105.

[2]劉志超，陳勇，姚志立.大數(shù)據(jù)時(shí)代的電子商務(wù)服務(wù)模式革新[J]，《科技管理研究》，2018，34（1）：31-34.

作者簡介：

邱慶，男，1999年5月21日出生，四川省大竹縣人，重慶工商大學(xué)融智學(xué)院電子商務(wù)專業(yè)，在讀本科三年級(jí)學(xué)生