大数据环境下O2O电商用户数据挖掘探讨

黄取治

（福建师范大学，福建 福州 350007）

大数据环境下O2O电商用户数据挖掘探讨

黄取治

（福建师范大学，福建 福州 350007）

随着互联网发展与普及，网络逐步改变着人们的生活。在信息逐渐丰富、快速的大数据环境下，消费者的消费观念也发生了很大的变化，近几年网上购物成为一种时尚潮流，电子商务经济得到迅速发展。在电子商务的发展基础上分析O2O电商用户数据特征，提出一种应对大数据信息冲击的一种数据挖掘框架和数据挖掘方法。文章主要从电商用户、商家、平台等方面讨论O2O电商用户数据挖掘应用问题。

大数据环境下；O2O；电商用户；数据挖掘

近几年，科技与网络迅速发展，为电子商务经济发展提供了广阔的发展环境。电子商务迅速发展的同时给电商企业 带来了海量数据，有效运用这些数据能够促进电商企业的进一步发展，而这些数据价值的体现主要是靠合适的数据挖掘方式。所以电商企业在经营的过程中要合理利用用户数据信息，利用合适的方法进行大数据环境下的数据挖掘。利用用户数据价值分析分析用户特点，根据得到的信息进行网络营销活动的开展，提高自身经营水平。

一　O2O电商模式概括

O2O电子商务模式是一种线上、线下消费形式，是传统电商发展的延伸，通过这种消费行为极大的满足了消费者个性化需求，为用户提供更加完善的服务。而且商家能够通过网店信息传播快、远、广的特点，在最短的时间内聚集强大的消费能力，能够满足商家和消费者双方需求[2]。在电商的发展推动下O2O为商家的经营带来无限可能，加强线下商家的竞争力，而且O2O不仅仅是简单的将线上消费者引领到线下实体店，它能够做到线上与线下的无缝连接，最大限度方便用户。目前在消费形式中本地消费任然占着较大的比例，O2O模式能将电商优势发挥到本地消费中，促进线下商家的发展。再次环境下企业要提高自身服务意识，密切关注客户行为，加深与客户之间的联系，以便有效发挥O2O模式的积极作用。

二　O2O电商用户数据特征

（一）数量大

随着电子商务的发展，网上交易数据越来越多，很多O2O电商企业每天在经营中所得到的数据信息量非常大，再加上社交网络数据和移动互联网数据的融入，O2O用户数据拥有了更加广泛的数据源，有效利用这些数据能够有效促进电子商务的发展。

（二）类型多

O2O电商模式下，用户数据信息来源比较广阔，不在仅仅从电商交易平台上获得用户数据，而是以不同的方式，在不同的范围内最大限度的获取用户数据。所以用户数据类型较为复杂，这些数据来源主要包括用户消费记录、用户基本资料、电商内部业务信息数据、用户评论、反馈信息、移动终端数据、社交媒体数据以及用户O2O平台行为记录数据等等。

（三）速度快

用户数据是由用户行为产生的，在网络环境下这些数据具有瞬时性，O2O模式对客户数据实时处理的要求比较高，而且O2O业务周期一般比较短，需要及时对数据信息进行有效的分析，如果按照传统数据分析的查询方式，数据分析出来就可能已经过时，成为无效数据，不仅占用资源，而且达不到很好的效果。

（四）价值高

O2O商务模式下，网络消费不断扩大，用户数据具有很大的商业价值，消费者对O2O业务模式具有重要影响力，电商企业对用户数据进行精准的预测、分析，能够提高自身在网商竞争中的价值，但是在大数据环境下，数据愿庞大而繁琐，其中也有很多无用数据，所以O2O模式下数据密度比较低，需要用合适的方式挖掘价值数据。

三　大数据环境下O2O电商用户数据挖掘分析

（一）O2O模式下数据挖掘框架分析

在O2O电商模式下，数据收集与储存具有4V大数据特征，利用传统的数据分析技术并不能对数据实施较好的利用。O2O电商模式下的大数据挖掘与传统数据分析虽然都是从数据中提取有价值信息，对数据进行深入分析与开发，但是二者在数据分析中具有本质的差别，首先大数据挖掘分析数据规模相对于传统数据分析来说有较大的区别，他比传统数据分析的规模大很多；其次传统数据分析是针对静态、结构化的数据进行分析，而大数据挖掘分析的数据类型比较宽，除了结构化数据以外，还包含非/半结构化数据的分析与处理；再次他们的分析手段和分析方法也不同，传统数据分析主要以统计学方式处理数据信息数据分析形势主要以分类和预测为主，而大数据挖掘除了运用统计学方法以外，还应用了人工智能算法和机器学习算法，对数据的分析更加深入。

传统数据分析仅仅利用统计学方法对数据进行分析，这种方式对于传统电商数据具有较好的使用价值，但是在大数据环境下，丰富的数据源和复杂的数据环境统计学分析方法很难有效利用。传统数据分析方式不适用于O2O电商用户数据挖掘。根据O2O电商用户数据特征，为企业从海量信息中及时挖掘出价值数据信息是解决大数据电商难题之一。基于此，提出一种O2O电商用户数据挖掘框架，此框架包含三个基本过程：数据预处理过程、数据分析过程和数据应用过程，其中数据源，数据收集、组织以及储存都是数据预处理的过程；数据分析是对海量用户数据进行实时分析与预测的过程；数据应用是对有价值的数据信息进行的有效应用。

（二）O2O电商用户数据挖掘流程分析

大数据挖掘主要从海量数据中发掘价值信息，从数据信息中分析用户群特点，从这些特点中发现有价值的信息。它对信息知识的挖掘是一个自动发现、分析、处理的过程，它能够对大量数据进行预测，再经过人工智能等算法对数据进行分析[1]。大数据时代数据挖掘有一定的程序，次程序主要包括：数据准备、转化、抽取、挖掘和应用。具体流程图如图1所示。

图1.O2O电商用户数据挖掘流程图

1.数据收集。O2O电商用户数据源比较复杂，不仅包含O2O电商平台的用户数据，还包含移动网络、社交网络等用户数据，这三种数据源之间有着相互重叠的部分，也有相互分离的部分，经过三者的融合能够提取更多的用户数据，基于此大数据在对数据进行收集时，利用观测、互动的方式对数据进行分类，通过相应的数据收集软件对用户数据进行实时收集，这样手机的用户数据比较准确，价值密度相对较高。

2.数据预处理。大数据形式喜爱的数据处理功能主要包括数据准备、转化和抽取，数据预处理功能在数据挖掘中占着比较重要的位置，它直接影响着数据挖掘结果的质量，是数据挖掘成功与否的重要标志。

由于原始数据中有噪声数据、冗余数据及缺失值等，数据准备过程中对数据进行解析、清洗、重构，并填补缺失值以提高待挖掘数据的质量.然后对通过数据准备的非结构化、半结构化的数据处理成机器语言或索引，如自然语言——用户评论、日志资料等——转换成加权逻辑或是模糊逻辑，并且不同的词语映射到标准的值；将结构化数据进行数据过滤，提炼出有意义数据，剔除无效数据以提高分析效率.最后进行数据抽取，即检测数据的相关性和关联性：关联的数据表现出更多的特定用户活动特征，关联的数据本身也可以用于个性化服务，例如从用户购买数据和时间数据的关联性中，可能会发现购买特定商品的频率；数据融合是将相关联的数据连接在一起形成一个新的商业应用。

3.O2O模式下数据挖掘与应用。在O2O电商模式下，大数据的挖掘与应用需要不同不同的条件来达到目的，首先数据的挖掘需要有相应的数据挖掘模型，目前应用比较广泛的数据挖掘模型有聚类分析模型、分类分析模型、关联规则分析模型以及用户模型等，利用这些模型对数据进行分析、挖掘，然后对数据分析结果进行有效的应用，应用方式主要有异常监测法、大数据可视化计算法以及个性化推荐法等等。

（三）O2O电商用户数据挖掘方法

1.关联规则分析。O2O电商模式下利用数据之间存在的各种关联性对用户数据进行必要的挖掘，从用户数据记录中发现其内在关联性，分析用户行为特点，挖掘用户需求，进行用户细分、风险评估以及相关预测等，以便得到价值信息。

2.分类与聚类分析。分类分析方法主要是通过找到数据之间的相同点，然后将这些数据按照不同的类型进行合理划分，通过不同的分类模型对数据进行分类分析，分析结果主要运用于用户预测、用户服务中。聚类分析主要用于市场细分依据，通过聚类分析能够发现不同的客户群，深入分析消费者行为，通过消费者的购买行为，分析其群体特征[3]。

3.社交网络分析。此分析方法主要分析不同群体所构成的关系结构，它主要研究用户之间的关系，进而对这些流动关系进行描述和测量，从中得到有用的价值信息资源。

4.变化和偏差分析。此方法的运用包括较多的潜在知识，它主要运用于O2O电商用户异常信息的发现、处理和用户流失预警分析方面等。

四　O2O电商用户数据挖掘应用

（一）面向O2O电商平台的数据挖掘应用

大数据时代，信息变化速度非常快，电商市场竞争激烈，谁拥有更多的客户群，谁就是赢家。通过数据分析能够使商家掌握实时市场动态，优化O2O电商平台，提高用户浏览满意度；使商家根据客户需求为客户制定出个性化、经济性的服务，稳定客户关系，并积极发掘潜在客户；另外还可以进行O2O增值服务的拓展，扩展O2O电商平台，促进其健康、稳定发展。第三方数据分析服务商可以通过线上线下数据追踪，用户数据偏好分析，实现数据增值共享。海量用户数据的深度分析和广泛利用，可以大大提升对老客户的维护与营销效果。通过分析，还可以提供发现新客户的线索，预判甚至控制客流量。

（二）面向用户的应用

对用户而言，O2O平台提供丰富、全面、及时的商家信息，并能针对相似用户的兴趣与需求，快捷筛选并推荐适宜的商品，为用户消费决策提供支持。通过用户数据挖掘，实时分析用户的当前场景及历史记录，创建可能的用户模型，迎合用户的需求并为用户实时提供个性化服务，对用户请求进行分流.例如根据个人地理位置及用户现时状态，实时地为不同用户提供餐饮、购物、电影等情景化推荐服务.用户数据挖掘得到的知识可以为用户提供基于用户关联的个性化推荐、基于内容特质的个性化推荐和基于协同过滤的个性化推荐。

（三）面向商家的应用

通过对用户O2O平台操作数据的挖掘了解用户在不同消费行为中的关键节点，可以为商家的网络广告策略提供借鉴，然后针对性的投放广告，实现线下商家渴望的个性化市场营销。一方面用户数据挖掘为商家提供精准营销实施的最佳方案，及时响应客户需求，促使订单的生成；另一方面用户数据挖掘可以帮助商家优化决策流程，使商家库存和价格自动微调，以实时响应O2O平台上的销售情况，增加其产品或服务流转。

O2O电商用户数据挖掘是大数据时代经济发展的必然结果，是未来电子商务市场的生力军，通过不同的方式对数据进行合理的挖掘与分析，为电商用户提供更加精准的用户群，以便为用户提供更加完善的服务推动电商的快速发展。

[1]徐国虎,孙凌,许芳.基于大数据的线上线下电商用户数据挖掘研究[J].中南民族大学学报(自然科学版),2013,(2)：101-102.

[2]肖雨晗,许弘翔.O2O模式线上线下功能探究[J].电子商务, 2014,(7):164-165.

[3]徐国虎,孙凌.基于大数据技术的线上线下电商用户数据挖掘流程分析[J].中国集体经济,2012,(30):187-188.

[4]周家林.O2O模式下的分析型CRM研究[J].中国电子商务,2014,(14):1122-123.

[5]楼永俊.移动互联网时代连锁企业的SoLoMo应用模式分析[J].中国商贸,2013,(12):19-20.

（责任编校：周欣）

TP274

A

1673-2219（2015）05-0122-03

2015－01－10

黄取治（1982－），女，福建福州人，华中科技大学硕士，福建师范大学信息技术学院讲师，研究方向为计算机网络与数据挖掘。