杨帆
电子商务是指通过计算机和互联网实现传统商务模式的各个环节,采用电子支付方式实现交易,通过快递物流方式实现商品运输[1-2]。传统的电商模式主要有B2B(Business To Business)、B2C(Business To Customer)、C2C(Customer To Customer)等。相比传统的电子商务模式,O2O(Online to Offline)是近几年兴起的新兴电子商务模式,其更注重服务性消费。线下商家通过这种模式减少了店铺具体地理位置的依赖性;用户通过平台能够根据丰富、全面和及时的商家信息快速筛选并订购满意的商品或服务;O2O平台利用其本地化程度较高的优势,不仅能带来大规模高黏度的消费者,从而进一步获取到更多的商家资源。还能为商家提供额外的增值服务。
本文以“饿了么”外卖订餐平台为例,具体分析其电子商务业务流程,探究其推荐系统和搜索引擎优化方式,并对其平台上的商家信息进行数据挖掘和分析[3],通过上述研究过程,深入了解外卖订餐平台的电子商务模式特点。
“饿了么”外卖平台是第三方的O2O电子商务平台,以第三方电子商务服务为基础,通过计算机和网络通信实现各个餐饮实体店与顾客的普通商务活动,同时涉及两方或者更多方之间的信息流、资金流和物流的活动。它是传统商务与电子商务进行结合而催生的创新模式,把人们每天都需要的餐饮活动通过网络订餐完成,并由商家自行提供送餐上门服务。
外卖订餐平台提供的是外卖的预定和送货上门服务,它采用的电子商务模式将进入平台的商家与顾客范围都定位在某一城市的特定的较小区域中,平台角色定位为提供外卖服务的实体快餐店,撮合用户寻找自身地理位置附近的实体快餐店完成订餐,而平台是零库存。
由于平台提供的商品是快餐,其商品的配送方式与传统B2C电子商务模式相比具有时效性高、服务质量高等要求。不能应用传统的 B2C商品配送流程,由于平台中的商家与订餐顾客都在一定范围内的同一区域中,使得外卖订餐平台可以方便管理商铺的配送,对商铺下达商品的配送指令,传统物流快递中的多个环节可以通过该方式被优化,从而让商家自行解决配送过程。订餐平台的商品业务流程,如图1所示:
图1 “饿了么”订餐平台的商品业务流程
平台的电子商务模式具有以下3个优点:
平台可以使用某种算法统筹规划,按照用户的订单信息合理安排,从而降低配送费用。
顾客在下单后很快的时间内就可以拿到订购的外卖,这样才能满足用户的核心。
需求,增强平台的竞争能力。
对配送环节进行统一管理,平台对商家的商品配送和订餐客户接收商品这两个环节进行管理和监督,提升用户购物感受。通过提供优质的服务,提高客户对平台的用户体验与忠诚度。
此模式下各方利益分析:
顾客利益:在这种电子商务模式下,顾客在平台订购商品时可以享受到以下的好处:
节省时间,只需要在网上下订单,商家就可以将外卖快速的送货上门。
透明消费,用户可以参考别的用户对商铺的评价,选择自己喜欢的外卖进行下单。
商家利益与前景
商铺节省了传统的网站建设与推广的繁琐流程,只需要与平台进行合作,发布相关信息,即可在商铺所在区域内进行推广并获得订单。
平台利益与前景
平台投入主要在于平台的建设、平台的运营、维护,团队管理和人力资源等相关成本。
平台利润主要来源于以下几方面:商家的服务费用和商品推广费用。通过吸引来的用户群体产生的潜在价值,吸引风险投资。
电子商务推荐系统是通过某种方式获取某些顾客的个人喜好、习惯等信息,整合分析并向用户推荐信息、商品的程序[4]。这样的系统可以缩短网站与用户之间的距离,向用户提供个性化的建议,增强网站的吸引能力。推荐系统是一种进行网络营销的电子服务。因为,电子商务推荐系统是电子商务的一个重要组成部分和研究热点。它的作用表现在:把网站浏览者转变为购买者、提高电子商务网站的交叉销售能力、提高顾客对电子商务网站的忠诚度、优化电子商务网站等。
推荐系统需要通过一些用户相关信息的输入,为用户提供合适的商户推荐,信息输入主要分为显式信息输入和隐式信息输入。
显式数据的获取,主要是用户在使用平台时直接提供的信息。比如用户在订餐时首先要选择用户所在的地理位置区域,按照用户所在区域向其推荐周围的商户。用户的订餐记录反应了用户的饮食偏好,包含了用户口味方面的喜好和消费习惯方面的信息,这些都是推荐时候的重要依据。用户用餐后的评价也是重要的信息来源,包括口味是否合适,性价比,送餐时间等信息都可以作为后来推荐的依据。同样,用户可能并不愿意花过多时间来进行评价,这也需要一定的激励机制。
隐式的信息获取主要是通过用户使用网站过程中的行为记录获取有意义的信息。比如用户对页面的点击、停留时间、用户在最终确定某个餐食之前浏览的路径都可以作为数据挖掘和推荐的依据。比如一个用户连续浏览了多家提供牛肉面的店铺,而最终用户选择了价格最低的那一家店铺。那么该用户可能对牛肉面情有独钟,而且对价格考虑较多。对于这类用户进行推荐的时候推荐价格便宜的面食可能是比较好的选择。
更多时候,显式获取和隐式获取在实际应用中结合起来使用效果较好。通过多种方式、从多个角度获取客户的信息可以增加数据获取的效率和效果。
对于平台来说,如果用户还没有选择一个商家,那么推荐系统就要根据用户的资料和信息推荐适合消费者的商家,而如果用户已经选定了一个商家,那么推荐系统需要在这个商家提供的食品范围内根据用户的口味或者喜好推荐合适的食品。关于推荐系统的处理,主要采取基于内容的推荐方式、基于协同过滤的推荐方式和基于流行度的方式等推荐方式综合使用。
2.21 基于内容的推荐方式
基于内容过滤的推荐方式,主要思想是根据历史信息,使用用户浏览或订购商品的某些特征来过滤信息,并将相似的商品推荐给用户。如对于填写了口味、爱好等内容的用户就可以根据这些关键词来过滤店铺或者菜谱来进行推荐,对于喜欢吃辣的用户,平台可以推荐其选择以辣味作为标准选择特殊的餐厅或者店铺内的比较辣的菜。
对于没有填写有关信息但经常通过平台订餐的用户也可以从用户的历史订单中获取用户的偏好。比如一个用户经常会选择10元到15元的含有鸡腿的餐食,那么再次推荐时也可以从同类商品中选择。如果一个用户每次选择的餐食几乎都不相同,那么说明用户喜欢尝试不同的口味,平台推荐时会选择那些用户没有尝试过的品种。
2.22 基于协同过滤的推荐方式
协同过滤,也被称为社会过滤,是最早被成功使用的一种方法,能够在推荐系统中寻找客户之间的相关性。基于协同过滤的推荐方式也可以用于上海外卖网中,这需要网站已经建立了一些用户数据,比如已有用户的偏好信息,用户在同一次或不同次订单的选择等。通过这些信息建立用户的偏好矩阵,然后通过计算准备推荐的顾客和系统中其他顾客之间的相关性,综合分析这些相似顾客的评价,从而形成该顾客的偏好预测。最后找到相似顾客的偏好,向这个客户进行推荐。
2.23 基于流行度的推荐方式
基于流行度方式的想法是非常直观的,向顾客推荐目前最受欢迎的产品一般是非常流行的,顾客也希望知道最为畅销的商品信息。对于上海外卖网,就可以向顾客推荐最近大家最喜欢的餐厅或者最畅销的菜品,这种方式的推荐对于那些苦于不知道想吃些什么的顾客或许非常的有帮助,如果他们从中收益将进一步提高网站的价值。
搜索引擎优化(SEO)是随着搜索引擎的发展而兴起的一种网站优化技术,搜索引擎优化是改进平台网站流量,从而提高平台在搜索引擎自然搜索结果排名的过程。SEO对网站的推广很重要,当用户利用搜索引擎查询时,排名靠前意味着更容易被检索到。
已经知道该网站但不记得具体域名的用户,他们会到百度或者google中搜索“外卖”、“上海外卖”这样的关键词,“饿了么”都会排在很靠前甚至第一位。这也说明了“饿了么”平台在百度的搜索引擎优化方面下了很大的功夫。
2.31 关键词的优化
关键词在搜索引擎搜索和排名中具有关键性的作用,要提高平台排名,首先就要选择合适的关键词,并合理突出这些关键词。“饿了么”平台在
图2 “饿了么”平台的
已经包含了很多相关的关键字,例如“饿了么”、“网上订餐”、“叫外卖”等。而且 google搜索中要求title中最好不要含有特殊字符,上海外卖网这点就做的比较好,没有出现无意义的特殊字符。
图3 “饿了么”平台的关键词优化
其中就有很多关键词的重复和使用,这对于搜索引擎优化有重要意义。
2.32 合理的加入内部链接和外部链接
根据PageRank的计算方法,和一些具有影响力的网站建立链接可以有效的提高排名分数。如果能有知名网站链接到上海外卖网,那么这样的提升是最大的,但这并不是可以控制的。反之,在“饿了么”网站上链接到知名网站,也可以在一定程度上提高排名,如图4所示:
图4 平台的相关外部连接
同类网站之间的链接也是很有意义的,这样可以提高双方的排名,但是我们很容易发现一个现象就是网站设计者都不约而同的选择了不同地区的同类网站而回避了同一个市区有竞争关系的同类网站,避免提升竞争对手的知名度。
数据挖掘是一种数据处理方法,是指从海量的模糊随即的原始数据中提取有用的信息的过程,这些原始数据很有可能是不完全的。使用数据挖掘技术可以辅助电子商务模式的分析,处理商业用户的海量数据,使用模型化的方式揭示背后的隐藏规律,用来辅助商业决策过程,并可以使用已有的数据对未来的活动进行预测[5-6]。
使用网络爬虫技术,获取上海范围内店铺的相关信息,包括“店铺名称”、“店铺ID”、“加盟时间”、“订购数”、“评论数”、“浏览数”、“口味评价”、“速度评价”、“服务评价”信息,后面6项主要是顾客对各个商铺在不同方面的评价,如图5所示:
图5 原始数据
使用k-means方法进行聚类分析,如图6所示:
图6 聚类分析
这里我们把源数据分成了4个聚类,每个聚类所占的比例大小分别为 50%、16.7%、29.2%、4.2%,对分类字段的依赖性依次由“评论”、“订购”、“浏览”、“速度”、“服务”、“口味”递减,而“ID”和“加盟时间”在这里不作考虑。可以看到聚类-4,即评论最多的商铺所占的比例很少,同时这类商铺的商品订购数是最多的,同时其他的“浏览”、“速度”等数据也较高。而聚类-1的评论数目是最少的,这类的商铺的商品订购也是最少的,但却占了整体的50%,说明大部分的商铺的外卖销售情况不佳,只有小部分商铺的销售情况较好,大部分的商铺需要加强促销,促进销售。
采用集合分析可以分析某两项数据间的对应关系。这里我们观察“订购”与“浏览”、“评论”、“口味”、“速度”之间的关系,如图7-图10所示:
图7 “订购”与“浏览”之间的关系
图8 “订购”与“评论”之间的关系
图9 “订购”与“口味”之间的关系
图10 “订购”与“速度”集合分析结果
从上面的集合分析可以看出,“浏览”在中等偏上的情况时,对应的“订购”数量比较多;商铺的“评论”都较少,只有一家的“评论”较多,同时其对应的“订购”数量也较多;“口味”与“速度”的数据比较分散,但是都是保持“口味”与“速度”的评分较高,“订购”的评分也较高的趋势。整体来说,“订购”数量与“浏览”、“评论”、“口味”、“速度”都是保持正相关的趋势。
这里可以看到,我们最关系的是“订购”、“评论”、“浏览”、“口味”、“速度”、“服务”六个中的“订购”信息,因为“订购”直接反映商铺的外卖销售情况,所以我们采用回归分析方法,预测变量的重要性,把“订购”信息设置为目标,把其他的属性设置为输入,如图11所示:
图11 回归分析结果
如图11的回归分析结果所示,影响“订购”的变量的重要性依次由“浏览”、“评论”、“口味”、“服务”、“速度”降低,所以商家应该着重于采取措施增加用户的浏览兴趣,提高商品的评论质量,从而增加订购。
采用决策树进行分析,类型设置“店铺”为目标,“订购”、“评论”、“浏览”、“口味”、“速度”、“服务”作为输入,采用C5.0决策树模型,如图12所示:
图12 决策树分析结果
可以看到按照决策树进行分析,预测变量的重要性的结果是:最不重要的项目是“服务”,最重要的项目是“评论”。
O2O电子商务模式正在如火如荼的发展,它带来的不仅仅是一种消费思维和服务模式的改变,更是对传统电子商务模式提出了新的挑战。本文以外卖订餐网站为例,分析其电子商务具体模式和此模式下的各方利益,探究其电子推荐系统和搜索引擎优化方案,采用数据挖掘和分析技术,平台中商铺的大量商品销售数据进行分析,并按照分析结果给出对应的优化建议。通过上述分析过程,对企业和电商运营者具有一定的指导意义,要及时改变固有思维,利用网络资源,通过大量数据分析,融合线上和线下资源,有利于对 O2O电子商务模式进一步发展和完善。
[1] 赵卫东,黄丽华.电子商务模式(第二版)[M].上海:复旦大学出版社,2011.
[2] 章宁,王天梅,许海曦,等.电子商务模式研究[J].中央财经大学学报,2004,02.
[3] 杜航.电子商务模式分析过程研究[J].华北科技学院学报,2010,03.
[4] 余力,刘鲁.电子商务个性化推荐系统研究[J].计算机集成制造,2004,(10):1036-1313.
[5] 黄绍川.基于聚类算法的电子商务日志挖掘商业智能研究[J].中国商贸, 2014(1).
[6] 王利强,刘正捷,张丽萍,等.网站用户行为数据收集和分析方法[J].电脑开发与应用,2004,(02):2-4.