基于大数据的线上线下电商用户数据挖掘研究

黄文乐

摘要：随着互联网经济的快速发展，电子商务已经成为国家商务发展的重要组成部分。在电子商务的发展中，海量化的数据逐渐发挥了其商业价值，这种价值是否能够被完全挖掘出取决于数据的挖掘方式和数据的利用方式。在线上线下的商业发展中，如何对数据进行挖掘和管理，成为了电商发展的重要问题。该文研究了大数据背景下线上线下数据的特点，对数据挖掘和应用方面进行了阐述。

关键词：大数据；线上线下电商；用户数据；挖掘研究

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）34-0010-02

随着电子商务的发展，数据的价值得以体现，企业内部管理的数据和各种社交网络下的数据，使得电子商务所产生的数据呈现爆炸式的发展。用户数量的增加使得企业对于用户数据的管理增加了难度。大数据时代已经来临，电子商务正在经历着多样化、大规模的数据发展，庞大的数据资源使得数据处理的难度和代价增加，如何对这些数据进行捕捉和挖掘就成为电子商务发展的重要问题。O2O电子商务模式是一个联系线下商家和线上用户的商业平台，其能够将实体经济与虚拟用户相结合，为商务发展提供了全新的发展模式。用户数据的大规模增加远远超出了传统商务所能够处理的数据范围，复杂的数据充斥使得商家难以挖掘数据的价值，从研究中发现，电子商务的数据利用率仅有5%，因此在大数据环境下，商家对O2O用户数据的挖掘非常重要。

1 在大数据背景下O2O的用户数据特点

相比传统的数据，O2O用户数据除了交易平台的数据之外，还带有社交网络数据、用户终端数据等，因此O2O用户数据符合大数据的基本特点。

1）数据体量大

随着电商企业发展的日渐成熟，很多O2O企业产生的用户数据已经达到了TB级，加入了社交网络和移动网络后的O2O用户数据不仅仅是用户交易的数据，其涵盖了更加广阔的数据源，未来O2O用户数据的规模可以达到PB级或是更高的EB级，因此在未来的电子商务发展中，会有更多TB级的数据应用在决策分析中。

2）数据的类型多

O2O用户数据的类型比较复杂，除了用户的基本数据资料交易记录，还带有企业的内部交易服务信息等结构化数据，用户的交易反馈、平台的数据机构和终端信息等非结构化的数据，可以说O2O用户数据不是由单一化的数据构成，其更多涉及过程化的数据。

3）数据留流动速度快

电子商务发展对数据处理的速度要求很高，特别是用户数据的实时处理有着极高的要求。用户的数据随着用户的行为而产生，这些数据在交易的过程中会转变为高速传递的数据流，比如用户的消费情况和反馈等，如果交易时间缩短，那么就要求数据的处理速度快，传统查询式的数据处理很难适用。

4）商业价值高

在电子商务的发展中，用户数据有着非常大的商业价值，可以说用户是O2O发展的核心，对用户进行分析和预测，对于电商企业的发展有着重要意义。但是由于数据种类繁多，越来越多与用户无关的数据充斥其中，使得数据的价值密度降低，这也更好的说明了大数据背景下O2O用户数据的重要价值。

2 大数据环境下O2O用户数据挖掘流程和方法

1）数据挖掘的流程

O2O用户的数据挖掘属于一个自动发现的过程，在收集数据时并没有明确的目标，只需要从不同的数据来源中更多的获取数据，并且对数据进行简单的预处理即可，预处理后通过各种数据的计算方法对大规模的数据进行分析。在大数据的挖掘中，首先要解决这样一个问题，就是如何区分各个用户群的特点，进而分析其个人的特点，从而获得有用的商业价值，数据挖掘流程见图1。

数据收集：O2O用户的数据除了平台交易的数据，还包括社交网络、设备终端中的数据，这些用户以“流”的形式存在，这三种数据流之前存在着内容交叉，可以根据其交易、互动情况进行分类，从而对数据进行收集。数据预处理：数据的预处理由三个部分组成，分别是数据的准备、转化和抽取，数据的预处理情况直接关系的数据挖掘的质量，并且在一定程度上决定了数据挖掘的成功和失败。原始数据中有很多冗余、噪声数据，在预处理中需要对这些数据进行整理和清晰，从而提升数据挖掘的质量。通过结构和半结构数据处理方法对这些数据进行过滤，提取出重要数据，要提升数据的关联性，从而体现出更多的用户数据特征，采用数据融合方法可以让关联的数据联合在一起，从而形成新的数据形式。数据的挖掘和应用：在数据挖掘的过程中根据商家的需要选择数据挖掘的模型，从而针对性的进行深度挖掘。深度数据挖掘的主要模型有：关联分析、类型分析和聚类分析等，比如根据用户的性别、年龄、兴趣等进行分类挖掘，并且进行解释和应用。数据挖掘后主要应用在大数据的可视化分析和计算等。

2）数据挖掘的方法

通过对数据的挖掘，利用数据对商家的未来趋势进行分析和判断，依靠数据做出准确的决策。常见的数据挖掘方法主要有关联规则分析、聚分类分析、社交网络分析等。关联规则分析可以分为简单的关联、因果关联等，通过对用户行为规律进行挖掘，可以发现其中的关联关系，从而找出影响用户行为的主要因素。聚类分类分析：分类四根据数据的共同点将数据分为不同的种类，比如用户属性、满意度分析、购买力等，聚类分析主要用于发现不同的客户群，其可以应用在用户的购买预测方面。社交网络分析：通过分析用户的不同社会关系和属性，从而分析用户中潜在的关系和资源。用户的社交网络关系着用户之间的关系和属性，有助于商家扩充客户源。

3 基于大数据背景下用户数据挖掘后的应用途径

1）精准用户定位实施针对性的营销

在O2O发展模式中，对用户数据的挖掘表示着对市场的细化和精确定位，从而选择有针对性的用户进行营销。通过收集、处理和加工大量的用户交易信息，确定用户群体的消费兴趣和习惯，进而推断用户的下一个消费行为，从而对这些用户制定针对性的营销策略。根据用户的特点进行营销，与传统的营销相比会节约了营销成本，提升了营销的价值，锁定忠诚度较高的消费者，能够拓展更加优秀的消费资源。利用对用户数据的挖掘，商家可以区别用户价值的高低，针对不同价值的用户采用不同的营销策略，可以让商家获得更好的收益回报。

2）网络平台优化

电商营销中网站平台的页面设置非常重要，网站的内容直接影响着用户的访问交易情况，因此在用户登录和浏览平台上进行用户数据挖掘能够了解用户的访问相关，从而为网站平台优化提供参考。电商网站可以通过用户的访问、下单习惯来更改网站的结构和内容，比如将用户点击量高和交易量高的产品放置在首页吸引用户的点击。通过对用户浏览数据的挖掘，可以利用网页的关联性与用户的期望值相结合，在用户期望的界面上多添加导航链接，合理的安排服务器缓存，减少服务器的响应时间，从而提升用户的满意度。

3）稳定客户群

通过对O2O用户的数据挖掘能够分析用户的喜好行为，从而利用平台来挖掘和稳定客户关系，在这些数据中针对客户资料资源进行分析，将客户根据交易背景、兴趣、习惯等进行划分，通过对用户行为的预测可以挖掘出潜在的消费者，并且对于已经形成交易关系的客户进行维护，针对价值高的用户提供额外的服务，从而获得更加稳定的客户源。利用数据分析对客户进行预测和推荐非常重要，比如当一个用户购买了某种产品并且评价较好时，其会推荐其好友进行关注，这样的客户群体管理有助于商家挖掘更多的潜在客户，并且提升交易客户的稳定关系。

4）扩展其他增值业务

当O2O的平台有着一定的用户数据后，就可以建立完整的用户数据库，通过对用户数据的分析，可以让商家针对用户提供其他的产品，从而增加数据的收入。现阶段大型电商网站都在利用大数据开发新的应用，比如淘宝网的数据魔方等，很多商家由于缺少数据难以开发新的业务，比如消费信贷，而通过对数据的挖掘，发现其附加的价值，就能够更好的开发新业务，比如阿里集团进行的小额信贷业务。

5）精准的开展广告业务

通过对O2O用户数据的挖掘可以了解用户的主要消费点，从而为商家的广告宣传提供方向，在用户消费高的地方投入广告，从而实现商家希望的个性化营销。在用户数据库的基础上，建立数据库的概率模型，对用户的交易情况进行概率确定，通过对广告的获取信息来确定哪些是真实的顾客，哪些是潜在的顾客；观察用户对于广告的反应程度可以作为商家投放广告时间的参考。通过这种概率分析，可以在数据中计算出一个准确的关键词，让商家依照关键词进行广告优化。

6）产品管理和服务

O2O用户数据的挖掘为商家提供准确的营销提供了方案，通过相应用户的需要促进订单生成，通过用户的反馈来进行产品的改进；通过对用户数据的分析可以让商家的营销发生改动，比如价格和库存的调整等。如果商家能够对用户的数据进行精准分析，就可以通过对用户需求的分析来寻找更多的商机。如分析用户的喜好和相关的潜在信息，有助于提升商家的产品质量和服务，从而让商家有着更高的市场竞争力。

4 结语

随着网络技术的发展，云计算和数据挖掘技术的成熟，电子商务中的用户数据必将得到更好的挖掘处理，数据中隐藏的用户价值也会被更好地利用。O2O的电子商务发展已经逐渐从销售转变为用户至上，企业在发展中已经意识到，想要做出最准确的商务决策，首先要获得准确的数据支持，大数据的挖掘应用会推动电子商务模式走向新的发展高度。

参考文献：

[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）.

[2] 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）.

[3] 黄取治.大数据环境下O2O电商用户数据挖掘探讨[J].湖南科技学院学报，2015（5）.

[4] 刘军，吕俊.大数据时代及数据挖掘的应用[J].国家电网报，2014（10）.

[5] 梁循.数据挖掘：建模、算法、应用和系统[J].计算机技术与发展，2015（1）.