大數據時代下農村電子商務精準營銷模式研究

吳三斌

（榆林職業技術學院管理工程系，陜西 榆林 719000）

隨著大數據技術在數據采集、數據存儲、數據計算和數據挖掘方面得到了廣泛的應用，越來越多企業或者個人都想通過大數據技術在商業角度和社會效應上發揮更大的空間，提高管理效率。通過大數據技術從海量數據中獲取有效、可靠的信息成為新型農業發展的前景，能有效提高農產品生產和流通效率，并借助云計算、物聯網等智慧平臺實時掌握農產品生產全流程的流轉規律，可以有目標性地完成農產品的流向、精準推銷和資源合理配置，減少對傳統中間商的依賴，為農民增收提供保障。農村有著獨特的地理環境和優勢地域資源，所生產的農產品深受城市居民喜好，在農村農產品自身存在存儲和運輸困難的特點，而通過冷鏈的運輸直接影響了產品口感和賣相，成為銷售硬傷，這就使得農產品電商無法繞開大數據，農村電商大數據的應用是勢在必行，擺脫傳統大眾化時代到個性化時代運轉，讓產品找到屬于它的個性化需求的人群。

本文在深入了解榆林市農村電子商務的基本情況、地域特點和當地農村經濟發展狀況的基礎上，探究了大數據時代農村電子商務發展的營銷模式，以期有效提高農民收入，推動農業轉型和農村經濟的快速發展。

一、農村電子商務發展現狀

農村電子商務在十三五期間發揮了重要作用，為農村脫貧作出重大貢獻。如圖1，十三五期間，我國農村網絡零售額達到7.53萬億元，銷售額占比上升8.77個百分點。農村發展中心繼續加大農村電子商務的城鄉發展，受到了學者的廣泛關注。目前主流電子商務網站用戶信息加密，用戶很難獲取到相關有用信息，從大量平臺上挖掘信息成了獲取信息的唯一途徑。通過大數據技術可以個性化推薦用戶所需求的信息和服務，不僅可以獲取更多的利潤，而且可以增加用戶黏性，提升市場的核心競爭力。

圖1 2014-2020年中國農村網絡零售額和全國占比情況

雖然電子商務近年來發展勢頭迅猛，但農村電商依然存在一些不足。沒有好的溯源系統對農產品進行跟蹤，農產品質量安全問題成了首要問題；農村電商基礎薄弱和競爭力不足，上行流量少，農產品市場核心競爭力弱，很難推廣；部分農產品銷售期短，加之物流基礎設施較為落后，在市場上不易流通等問題較為集中，鄉村5G創新應用、物聯網建設、農村大數據中心建設相對來說較為落后，尤其是物流產業的快速發展，部分地區開始部署農村倉儲，為日后生鮮農產品下行提供了良好的前提；農產品品牌化和標準化較低，雖然農產品品類初步形成，具有地域性、季節性、多樣性、周期性等特征，容易形成產品同質化，進入市場優勢不夠突出，分散的經營主體，缺少統一的品牌，很難形成鮮明的地域特色；農產品推廣方式傳統，不能獲取更多的流量；通過新型媒體平臺以及興趣電商+直播帶貨，利用用戶對大V、大卡的黏性成本較高，整體效益較差。

二、大數據的定義和特征

大數據（BigData）定義通常是從其數據的規模性來，是指無法在一定時間范圍內進行數據采集、數據管理和數據分析處理且工作能力高于傳統數據的信息數據集合，是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長和多樣化的信息資產。其具有4V特征：數據量大。大數據往往是對全量數據進行采集和分析，以此其產生的數據規模遠遠超出傳統數據的采集，據估算，2025年世界上存儲的數據總量達到175ZB，即175X210GB。數據類型繁多，指的是數據結構復雜，有結構化的數據、非結構化的數據和平結構化數據，其數據類型早已不是單一的文本，如網絡日志、多媒體信息、地理位置信息等多種類型的數據格式，對計算提出了新的要求。數據產生速度快，包含兩層意思，其一是指數據產生的快，其二是指數據處理的速度快，數據處理按“一秒鐘定律”，即在秒計時間內完成數據的采集、挖掘和分析，并將有用信息推送到應用端，超過這個時間，則被認為數據失去了價值；數據價值密度低，海量數據居多，并且有些應用只是對這些大量數據中提取其中一小部分信息。大數據的應用，重點不在于堆積數據，而是在于數據的利用，以做出更好、更科學的決策，因此大數據的核心在于海量數據的分析和應用。

三、農村電商大數據關鍵技術

（一）大數據采集

農產品電商數據采集就是對數據進行端到端的抽取、轉換、加載到目的端的操作，也稱為ETL操作，它是數據分析生命周期中最重要的一個環節，通過傳感器、射頻技術、APP數據、質量監管部門提供的數據等方式獲取數據。由于數據非常復雜，需要一些采集工作進行事先處理，將數據加載到制定的數據庫中。

（二）大數據預處理

通常大數據平臺采集的數據較為復雜，可以認為是“臟”數據，比如缺少屬性值或者僅僅包含聚集數據等，因此需要對數據進行預處理，常見的數據預處理包含如下幾種方式：一是數據清洗，用來對數據進行降噪，或者對錯誤數據進行糾正。二是數據集成，將采集到的數據進行統一處理和存儲。三是數據歸約，通過聚集、刪除冗余的數據降低數據存儲空間。四是數據變化，把數據壓縮到一個較小的范圍或者區間。

（三）大數據存儲

大數據的存儲需要特定的設備，其具備高效率、高吞吐量、高運算、高空間的特點。為了能夠快速、穩定存儲有極大差別的數據，至少得磁盤陣列，同時也得通過分布式的方式將不同區域、類別、級別的數據存放于不同的磁盤陣列中。在分布式存儲系統中包含多個自主的處理單元，通過彼此之間的協作來完成分配的任務，其主要包含兩類存儲系統，分布式文件系統、分布式鍵值系統。

（四）大數據挖掘與分析

數據分析與數據挖掘的目的就是在海量數據之中挖掘出其內在的關聯或者規律信息進行二次利用。其按內容可分為可視化分析與數據挖掘算法兩大類，常見的算法有嶺回歸、決策樹、Lasso、隨機森林、神經網絡和線性回歸等。電子商務網站從點擊量、瀏覽歷史和行為中實時發現顧客即時購物的意圖和喜歡的產品，并根據這些數據進行推送商品，這就是數據塊的價值，也是大數據的應用所在。

四、大數據背景下農村電商營銷策略及對策

（一）農村電商營銷中大數據的應用策略

大數據是現代社會高科技發展的產物，相對于傳統的數據分析，它是海量數據的集合，以采集、整理、存儲、挖掘、共享、應用、清洗、評估為核心，被廣泛應用各個領域。在電子商務領域也有著自己的獨特的地位和價值，它打破了農產品銷售的時間限制與空間阻滯，借助大數據技術能夠在農業生產、科學種植、產品營銷、倉儲運輸、售后服務等方面有著重要的應用價值，表現為資源的整合與配置、重塑農產品流通渠道、降低中間成本、縮短農產品交易周期和提高農產品銷售效率。

在大數據產業鏈中，數據提供商可以通過移動終端APP、WEB、IoT實時獲取整個產業鏈上的信息進行統一處理和管理；基礎設施提供商可以通過傳感器、RF、NFC、智能攝像頭、儀器設備等進行數據的采集和預處理，包括基礎信息、業務、服務、投訴、客戶信用、營銷推廣等信息的采集；分析與挖掘層通過算法對原數據進行組織與處理。在種植前選種的應用，包括土壤、病蟲、毒害、優質品種；在土壤整改中的應用：土壤的營養成分、土壤的肥料分布、精準調配肥料和合理噴藥；在種植過程中包括對害蟲病毒進行預測、防治病蟲害、光照信息、疫情情況、農產品市場行情、貿易信息的更新。

（二）大數據背景下農村電商營銷對策

農業生產通過大數據技術科學種植，按照農業生產的地域性、季節性、多樣性和周期性特點，進行科學推測和監測，包括種植種子發芽狀態、土壤濕度、地表溫度、土壤養分、肥料信息、農藥信息、農產品生長等數據。利用大數據農業生產或者農產品生產中可以從經驗種植向科學種植轉化、從傳統人工化向智能化、自動化發展，并對農業資源進行優化配置，由粗放型的農業生產方式向集約化發展。

利用大數據+區塊鏈+云計算技術，通過建立大數據中心，可對數據從土壤信息、種植信息、生產加工信息、運輸信息到消費者全流程溯源信息追蹤，提高產品在市場上的核心競爭力。合理利用大數據保證個性化信息推薦精確度，云計算可以提供基于海量數據的創新型服務，二者相互聯系，密不可分。通過云計算（SaaS、PaaS、LaaS）服務來降低大數據海量數據存儲、分布式并行計算、海量數據管理業務的創新成本。通過建立基于區塊鏈溯源系統，利用區塊鏈其透明性、去中心化、不可篡改等特性在電商農產品上行問題上提供了新的解決思路。

利用大數據平臺，進行電商內在數據之間的關聯挖掘和分析，提高客戶的轉化率。通過在電商個性化推薦系統或者第三方電商平臺上對消費者的行為習慣數據進行個性化、智能化的追蹤分析和推薦，提高消費者的體驗感知。其主要技術有三種：一是協同過濾法，通過對既定客戶相同偏好的消費群體進行分析和預測該消費者可能的興趣點，借助數據挖掘技術和RSS技術定期進行商品內容、熱點信息、偏好喜好以及定制內容個性化和精準化推銷。二是客戶群體建模技術，通過抽取商品內在或者外在特征提取出相關屬性進行相似度計算，對消費者傾向的產品進行管理。三是通過對電商平臺類目進行精細劃分，顧客可以快速找到適合自己的商品，節約客戶網上瀏覽時間，增加商家的銷售量，為不同的客戶提供不同的推薦服務。

圖2 大數據電商產業鏈示意圖

智能規劃物流倉儲中心，減少運營成本和提高用戶消費感知度。通過大數據分析某個區域產品消費指數，對不同區域的農產品進行劃分，抽取出該地區的用戶畫像，按照時間和空間兩個維度進行本地化建倉和分銷。通過大數據平臺獲取用戶商品瀏覽、購買、停留時長、評論、收藏等記錄信息，為用戶創建一個新的標簽，并建立用戶畫像模型，分析該區域的消費水平和消費特點，進行物流倉儲的創建，提升農產品配送速度。根據用戶時空的變化推薦不同的產品滿足客戶的實時需求，更加刺激用戶消費。以精準的二次推送，來提高客服單價，營造一個良好的營銷口碑。

利用智能客服分析系統提高售后服務質量。用歷史數據和新數據進行機器學習，提高在線客服的話術準確度，在大數據系統中根據用戶屬性對消費者進行等級評定，按照消費者購買記錄、瀏覽停留時長、產品評價等用戶行為習慣參數，為客戶進行等級劃分，為其推薦不同等級的客服人員+智能機器人，快速解決用戶的問題。售后服務中可通過系統實時反饋的數據進行預測用戶的想法，定期進行跟蹤客戶，減少客戶投訴，達到吸引新顧客、維持老客戶的目的。為用戶提供高質量的服務，增加客戶平臺的黏性。

五、結語

大數據挖掘其意義不在于數據本身，而是其隱藏信息的分析和應用才是有價值的。對這些數據的充分利用和挖掘是未來企業生存的能力。文中通過分析大數據技術在電子商務領域的應用現狀和關鍵技術，提出了大數據背景下農村電商營銷策略及對策，為農村電商的發展提供了方向，但對這些敏感的信息過度地挖掘，是對消費者權益的侵犯，同時也將會成為未來網絡安全新的挑戰，因此下一步將在數據處理的實時性和數據共享之間予以提升。