新冠疫情下生鮮電商的交易情況預測分析

李宇 何躍 吳中霞 唐琪雨 鄭灝鍵

摘 要：2020年春節以來，新冠疫情的逐漸惡化在很大程度上影響了消費者的生鮮購買習慣，實現從農貿市場向連鎖超市和生鮮電商平臺的轉變。因此，本研究利用Python語言抓取京東生鮮平臺生鮮商品銷量及新冠確診人數，對數據進行處理、存儲及可視化，將疫情指數、商品評論的數據進行了展現和分析。據此提出“預測模型”，通過分析以上數據的變化與分布特點為生鮮電商平臺提供適當的銷售、供應方案，以期在將來某次應急事件中能緩解平臺受到的沖擊，并使平臺從中發現商機。

關鍵詞：疫情;生鮮電商;預測模型;交易;python;可視化

一、文獻綜述

華南理工大學研究了生鮮電商產品特征對消費者感知風險與購買意向的影響關系，通過實惠性、推介性、新奇性、便利性四方面構建理論模型，得出其對生鮮銷售的影響關系;中國地質大學研究了生鮮電商中冷鏈物流需求預測，通過灰色預測模型，根據各影響因素的變化趨勢的共同點或不同點，從而檢測各個影響因素之間的關聯性;南京林業大學汽車與交通工程學院的姜曉紅曹慧敏，基于ARIMA模型的電商銷售預測及R語言，通過對未來的全國和區域性需求量進行預測，能對產品的補貨安排提供理論指導，對生產銷售的安排具有指導意義;而本次的研究，將目標定位于銷量與疫情指數之間，具有現實意義，也為幫助平臺在疫情期間的良好發展貢獻了自己的價值。

二、背景

2020年突如其來的疫情打破了很多人的生活節奏，也改變了許多行業的結構與發展方向。與2019年同期相比，今年春節期間，生鮮類APP的平均日活增幅及新用戶增幅達到2至3倍，疫情培養了用戶在網上購買生鮮商品的習慣，實現了生鮮電商用戶量和訂單量的快速增長，也暫時將生鮮電商從低谷中拉出。

通過對生鮮電商平臺疫情期間進行PESTEL分析，了解平臺的外部宏觀環境，本文將有針對性地為平臺的發展做出預測、提供建議。使平臺實現精準運營并明確規劃其發展戰略。法律方面，為了促進我國生鮮行業的快速發展，我國政府制定了行業相關的產業政策和法律法規，如《電子商務法》等，明確了生鮮行業發展規劃方向，為行業的發展創造了較好的政策環境，為買賣雙方提供了保障，但也不可否認還有一些售后的法律瓶頸需要解決;民生經濟方面，疫情的暴發使得人們外出頻率驟減，購買成問題的生鮮產品作為生活中的必要品，為生鮮電商平臺帶來了巨大的流量，伴隨需求的增加，大多數人的購買行為也從線下轉移到線上;科技方面，由于市場規模擴大、結構轉變，對于行業相關技術的要求也相應提高。冷鏈物流技術快速發展、無人配送正式開放等，都是疫情下生鮮電商行業的外部科技環境;社會文化趨向方面，消費者對于飲食健康問題愈發關注，并且對食物的品質和新鮮度的要求更加嚴格。

因此，本研究旨在為平臺提供一個預測模型，根據疫情的嚴重指數來量化影響生鮮電商平臺的因素，預測平臺發展方向并擬定供應、銷售方案。

三、編程語言與技術介紹

該模型的設計主要是基于python語言的網絡爬蟲，并用pyecharts進行可視化分析。網絡爬蟲，通過一定的規則策略，自動抓取、下載互聯網上網頁，再按照某些規則算法對這些網頁進行數據抽取，形成所需要的數據集。而基于爬蟲，可以更準確地獲取目標數據，再輔以MySQL數據庫儲存，python數據可視化展示與MATLAB擬合數據，使得模型更清晰具體。

四、模型分析

數據選取：根據艾媒咨詢所統計的“疫情暴發前與暴發期生鮮平臺食材銷量對比”，蔬果類同比增長近100%，肉蛋類增長近120%，故選取蔬果肉蛋（由于水產品屬于其中的肉類但有區別，故單獨呈現），再選取其統計的具體食材銷量在疫情前后同比增長高的食材，近20種。

而疫情暴發后，大年三十至正月初九，京東生鮮蔬菜獲得銷售和銷量的雙冠增長，銷售同比增長近450%。豬牛羊肉和禽肉蛋品等基本食材的銷售同比都超過了400%，豬肉同比去年春節增長超10倍。此外，餃子、包子、糕點等面點的全國銷量也超過了2019年“京東雙11”的規模，這一份答卷不僅為全國生鮮市場的供需穩定持續助力，也展現了其在生鮮電商領域的領先地位，再加上其網站代碼較易爬取，故選取京東生鮮平臺為數據爬取對象。

1.模型微觀分析

（1）數據獲取：本文的數據主要來源是京東生鮮網站，整個過程通過Python語言編寫。數據爬取過程中，采用模擬請求登錄、Web自動化工具selenium模擬瀏覽器和多線程等技術手段。數據爬取后進行采集分析，對數據進行了清洗和轉換處理，并將其存入MySQL數據庫，最后通過pyecharts可視化庫對數據進行直觀呈現與分析。

（2）框架構建：該預測模型分析所需數據由三個步驟獲取，抓取生鮮品類——抓取各生鮮商品——抓取商品對應評論。最后再用pyecharts實現數據可視化，可視化結果為疫情指數-時間圖和商品銷量-時間圖，matlab做回歸方程曲線圖。通過分析得出的圖像，為商家提供銷售預測模型，進而使商家在再次經歷類似災難時能制訂出更具可行性的銷售方案。

（3）抓取數據：首先，需要獲取京東生鮮網站生鮮商品品類，其次才能抓取品類里的各商品的具體信息，確定各店鋪該品類商品的評論數量，以此來估計商品銷量。該過程為：導入模塊—定義京東生鮮主頁—抓取網頁并解析—封裝品類名及url。

其次，在各品類信息基礎上，可進一步抓取商品信息，主要是商品名稱和商品評論。在獲取商品信息時，每頁總共60個商品，但其中有30個商品是通過Ajax加載出來的。為了解決這個問題，我們使用selenium模塊解決。selenium本質是通過驅動瀏覽器，完全模擬瀏覽器的操作，比如跳轉、輸入、點擊、下拉等，來拿到網頁渲染之后的結果。

獲取商品店鋪和評論數的部分代碼如下：

該過程為定義品類url—定義瀏覽對象并訪問url+解析源碼，抓取url，評論數等。

最后，獲取評論時間，確定消費者購買時間。當爬蟲爬取速度過快或者次數過多，可能會出現被封IP的現象，導致抓取到的網頁源代碼為空。我們通過使用代理IP來解決這個問題，定義一個函數，每次運行這個函數都會通過API接口獲取一個新的IP地址，并以這個IP地址去訪問網址，這樣解決了IP被封的問題。其部分代碼如下：

該過程為獲取代理IP—定義函數—訪問評論頁并儲存

（4）數據存儲

本設計采用MySQL數據庫作為數據源存儲，MySQL是一種關系型數據庫管理系統，關系數據庫將數據保存在不同的表中，而不是將所有數據放在一個大倉庫內，這樣就增加了速度并提高了靈活性。

MySQL所使用的SQL語言是用于訪問數據庫的最常用標準化語言。MySQL軟件采用了雙授權政策，分為社區版和商業版，由于其具有體積小、速度快、總體擁有成本低等特點，本模型使用MySQL數據庫來存儲目標數據。

該過程為導入驅動包—連接數據庫—定義執行sql語句—關閉數據庫最終MySQL中共收集存儲了435402條評論信息數據。

2.模型宏觀分析：

（1）組成部分：

①銷量/時間圖：選取20種不同類別的熱賣商品，將其分為四類，以月份為橫坐標，評論數為縱坐標。我們采取根據其評論數量反映銷售數量的方法，并做累積，顯示四大類的折線圖。該圖旨在幫助平臺確定商品出售時間及所需供應的商品數量比例，穩定供需關系，同時對商家也有一定的借鑒作用。

②疫情指數/時間圖：利用騰訊地圖官網的疫情實時數據，以月份為單位，患者/全國人數為縱坐標，顯示折線圖，是用來聯系疫情指數與銷量的媒介。

③銷量/疫情圖及回歸方程：利用時間為媒介，以累積感染人數作為衡量疫情嚴重程度的指數，將對應疫情下的評論數用更直觀的圖像顯現出來，并設計方程，方便平臺在相應疫情狀況下大致估測自己的銷量水平。

（2）購買力變化分析及產生的影響

根據上圖我們可以得到：①在感染人數累計達到6萬左右時，生鮮商品評論量開始明顯上升;②蔬菜類的銷量增速為所有生鮮商品中最快的;③根據20種商品評價數的累計分析，疫情后的銷量（評價數為）約為疫情前的2倍左右。

疫情下外出頻率急劇降低，加上各大平臺通過自身商品、供應鏈、物流配送、品牌戰略合作等優勢，結合不定期發放優惠券、舉辦促銷活動等優惠手段互相競爭，使得疫情期間消費者的購買力遠大于往年同期。

另外，客觀因素還有季節性滯銷、社會交通發展程度、信息技術發展程度等。例如在冬季，消費者更傾向于選擇各種肉類等可以補充能量的生鮮類產品，在春秋季節購買水果的群體占比就較大。社會交通發展程度是針對物流方面，隨著社會經濟的不斷發展，公路、鐵路、航空等運輸方式的里程、貨物量、吞吐量這類指標不斷攀升，對中國電商的物流配送起到了直接重要的推動作用。信息技術是電商發展的命脈，沒有互聯網的普及，沒有電商基礎設施和網點的建設，也不可能有如今蓬勃發展的電商行業。

最后，生鮮電商的交易水平與平臺自身發展相關性最大。創新和改進供應鏈，如永輝超市啟動的“田間尋貨源”方案，加大了供應鏈的協同程度;完善運營體系，如每日優鮮通過小程序與社交群，交易額度同比增長300%等;增強用戶體驗感，如永輝線下門店中，生鮮品旁的二次加工服務;除此之外，發達的物流體系，數字化技術，產品的質量等都是影響交易量的重要因素。

五、價值

當重大災難事件來臨時，各行各業將受到不同程度的沖擊，因此，預判企業發展方向、提前制定應對方案與風險防范措施能有效緩解其帶來的影響。本文將此次疫情的京東生鮮平臺數據作為預測模型的數據基礎，通過數據獲取、處理、可視化等方式，為生鮮電商平臺提供可作用于災難事件下的預測模型。該模型描述了某疫情指數下對應的多類生鮮產品的銷量，為平臺解決了以下問題：

1.難以把控購入量和時間，由此導致倉庫的積壓或是不足。

（1）平臺可根據不同疫情指數定位到相應銷量區間，確定市場需求量的大致范圍，進而根據市場需求量及企業內外部環境等因素來確定供應量并推測進貨時間，在不同疫情指數時期有針對性地供應適量的產品，提高平臺的供應鏈運轉效率。

（2）根據銷量曲線，合理調整成本，減少庫存積壓和虧本兜售的情況。

2.難以確定類似疫情來臨之時的生鮮熱銷品。由于模型中樣本的選取來自艾媒咨詢中疫情前后同比增長率高的產品，平臺可根據各品類生鮮產品的銷量曲線以及季節等外部因素，利用銷量與疫情指數的對應，在相應的疫情狀況下進一步確定合理的貨物購入、出售與存儲方案，有利于制定切實可行的銷售預案并將其應用于類似的市場情況中。

3.難以把控人員的在線數量及商品監管問題，造成平臺運營成本增高

利用疫情指數/時間圖確定平臺商品的安全監管程度，及相應的運營物流措施，及時調整工作人員的工作安排（所需工廠在線員工/總員工數量、合理采用多平臺的共享員工模式來進行短期人力輸出）由于不同疫情指數下，銷量不同，所需要的人員數量也不同，平臺根據該模型可以適當的人員配置和準確的生產銷售方案，提高企業內部的工作效率，維持企業內部的穩定運轉。

六、不足之處

當然模型還有一定的不足之處：

1.操作性：構建非此次疫情的模型圖，需要定期運行代碼，并存入數據庫做間斷性記錄，運行時間較長，需平臺相關人員自行評估，操作較繁瑣，但可以起到加強平臺風險防范的作用。

2.準確性：由于京東平臺對任何一家店鋪的銷量都是不公開的，所有銷量數據均為店鋪隱私，該模型只能利用評論數預測商品銷量，又由于不同產品之間的評論與銷量比值不一致（但由于針對的均為生鮮產品，幅度變化范圍較小，所以有一定的借鑒意義），在高峰或低谷所對應的時間可能會有一定偏差。

3.兼容性：

（1）該代碼當前產出的折線圖及回歸方程，只適合于類似“新冠肺炎”這種導致人們居家、無法外出的情況，且時間在春節前后，若非該種情況，平臺只能通過定期運行代碼，根據疫情指數進行預測。

（2）由于為了更準確地找到熱銷區間，樣本選取是根據艾媒咨詢披露的2020年疫情前后同比增長率較大的商品，所以銷售產品也限于當期熱銷產品，商家的商品供應還應結合季節、溫度、產量等因素作出合理預測。

4.其他影響因素：預測模型較片面地用此次疫情的數據進行可視化，未考慮季節、溫度、平臺等重要因素。季節決定了當季的時令水果以及消費者的購買傾向，溫度會影響到生鮮產品的保存狀況，對冷鏈物流技術的應用程度有較大的偏差。并且，鑒于本研究只抓取了京東生鮮平臺的數據進行分析，無法準確地描繪其余結構與模式有別于京東生鮮的平臺銷售曲線，無法直接應用于各種生鮮電商平臺。

七、結束語

本文提出生鮮電商平臺預測模型，意在為平臺發展規劃、風險規避提出建議。然而，生鮮電商行業的發展還需要政府的大力支持和平臺內部的創新與突破。歲末年初蔓延至全國各地的新型冠狀病毒肺炎，顯現了生鮮電商市場的巨大潛力。隨著生鮮農產品流通領域政策環境以及電商環境持續向好，生鮮消費加速線上化，生鮮電商將完善在全國范圍內的布局。

參考文獻：

[1]疫情下生鮮電商成亮點：京東生鮮春節銷售同比增長215%，賣出近15000噸生鮮產品[EB/OL].https：//www.iimedia.cn/c460/68587.html.

[2]楊澤赟，谷勵.疫情沖擊下的商業模式嬗變——生鮮電商在疫情中的逆勢而上[J].現代營銷（經營版），2020（04）：116-117.

[3]洪濤.2020上半年中國農產品電商發展報告[J].中國商論，2020（15）：1-10.