数据分析在电子商务中的应用

丁洁

（忻州职业技术学院计算机系 山西省忻州市 034000）

数据分析有几个比较常见的方法和模型结构，运用不同的分析方法可以使得数据的推演有效达到不同的效果。数据分析方法的功能性是不可忽视的重要部分，作为电子商务领域可以依托的数据工具，大数据分析在不同场合都在发挥着积极作用。当然，不管是最初的数据获取还是之后的数据分析推演，在电子商务领域都有着一些或潜在或明面的问题，如何妥善应用数据分析工具将会是未来电子商务领域需要探讨的重要议题。

1 数据分析方法的功能性

在电子商务领域，大数据计算模式下的数据分析方法有很多重要的功能可以有效推动实务发展。第一个功能即“统计功能”。从电子商务平台的角度来看，数据统计功能的应用和信息的公开化发布可以为电子商务平台提供更好的“引流”机会。所谓“引流”，即吸引流量，也就是增加电商平台对商业用户的吸引力。以淘宝这一电商平台为例，在其推行的“双十一”促销活动期间截止后，电商平台会在官方网站及时公布此次“双十一”活动的成交额以及成交量等数据统计信息。这种统计信息的汇总和公开发表，既是淘宝这一电商平台对自己服务器运行能力和承载能力自信的展现，也是其向更多商户证明自己用户数量以及用户消费能力的一种方式。将统计数据进行公开发布的这一模式，使得淘宝平台在吸引更多商户入驻和促进消费者进行消费方面，都取得了良好成效。

数据分析的第二个功能即“预测功能”，数据分析方法为电子商务平台的市场分析和消费者行为分析提供了有力的依据[1]。在电商市场的交易过程中运用大数据分析的逻辑理论，可以对消费市场的流行趋势做出有效预测。首先，从电商平台商户的角度来看，数据分析结果的可预测性为商家进货和店铺页面排版都提供了极高的参考价值。利用电商平台提供的用户购买数据，商户即可以预测近期以及未来季度的流行趋势，为进货规划做好数据准备。例如，淘宝平台在搜索框栏目下向商户和消费者同时提供了诸如“热销榜单”、“淘宝热搜榜单”、“历史趋势榜单”等数据统计信息。具体来说，根据电商平台的数据统计结果，服饰类的商户可以根据“热销榜”上，消费者购置的不同款式的衣物数量的排行进行分析，做到对现阶段的衣物流行状况的合理把握，为选择进货类型提供数据理论支撑。同时，“淘宝热搜榜单”也可以对部分未入驻电商平台但有创业需求的“潜在型”商户提供创业方向的帮助，根据“热搜榜单”等数据进行理性分析，创业者可以在选择电子商铺类别以及所需商品类型上获得数据上的帮助。

数据分析的第三个重要功能即“推动消费”功能。从消费者的角度出发，购物在时代发展的过程中已经具有了消遣属性。与传统的购物模式不同，电子商务经营服务的模式不同于实体店铺，需要空间和时间的制约[2]，电商平台可以让用户足不出户就能享受到“逛街”的乐趣。从更深层次的差别来看，传统的实体类商铺在排列和组合方式上往往具有随机性。这也就是说，在实体的购物街道上，往往各类型的商铺都会交错存在，在店铺种类繁杂的情况下，用户的需求并不能得到完全的满足。例如，消费者在实体商业超市购置完日常杂货后，如果还有其他的购物需要，出于对所购买货物体积和重量会导致不便的考虑，往往会选择安置购买物后再择机进行消费，如果其它物品的购买需求并不紧要，商户通常会因此损失这类客源。但是在电子商务交易过程中，消费者无需担心人力搬运不便的问题。电子商务平台与物流公司的合作有效解决了消费者在实体消费模式中单次购物提货能力有限的困难。在此种情况下，消费者的单次购物量会有着比较明显的提升。此外，在大数据分析方法的帮助下，电子商务平台还可以根据后台的数据统计信息，分析计算出消费者现阶段的对不同类别货物购买需求的可能性大小，并且在平台首页为其进行推送。在广告效应和实际购买需求的双重影响下，可以更加有效地促进用户进行消费。

2 电子商务中常见的数据分析模式

在大数据技术发展过程中，其最明显的优势和作用便是对于企业的盈利和商业价值提高产生了积极影响[3]。而数据分析方式的不同功能为电商交易过程提供的便利，在电子商务中往往依托几种常见的模式存在。第一种模式即与统计功能对应的“数据汇总”模式。从电商平台的角度来讲，所谓“数据汇总”即将用户信息、商户信息、交易信息、商品检索信息等进行全面汇总。所有的数据分析模型都是依托于大量的基础数据信息存在的，在电子商务领域，最基础的数据信息就是平台的订单信息。一份订单信息通常包含购买人情况、商户店铺信息以及商品详细信息等数据。只有将对这类信息的搜集整理工作做完备，平台才能利用云计算功能对数据分析模型做出妥善架构。总得来说，基础数据的搜集整理工作虽然看似简单，但是确实“地基型”的数据分析模式。只有在大量数据的支撑下，数据分析的公式和逻辑才能得到验证，电商平台也只有在做好初期数据统计工作之后才能开展下一步的向用户提供针对性服务工作。仍以天猫平台的成交额数据为例，淘宝平台在新浪微博等社交工具上公布的成交额以及各地区购买不同物品数量的排行榜等，都是对后台信息进行的大规模汇总。这种数据汇总模式在表面上为淘宝电商平台提供了流量热度证明，而在更深一层的角度上，这类榜单本身便是数据分析“汇总模式”的典型表现，在交易领域为淘宝电商平台向不同地区用户提供不同商品的首页广告提供了数据来源。总得来说，数据分析的“汇总模式”实质上为电商平台向用户提供针对性商品广告促进用户消费的数据提供了逻辑起点。

当然，除了“数据汇总”模式，常见的数据分析还有“比较模式”。具体来看，比较模式即将不同的数据信息进行比较，从而筛选出相对更有效的信息。以电子商务平台的视角出发，比较模式主要体现在平台首页的店铺推荐信息排列上。出售同种类型商品的店铺，如果其中一家的店铺信誉信息以及消费者评价信息明显高于另一家同种店铺，那么其获得首页推荐的机会就会增加。另外，在消费者历史购买信息的影响下，比较模式的逻辑标准还可能会发生变化。除了商铺综合能力的比较，比较模式下还包含了用户购买倾向的因素。比如，某用户经常在同一家商铺购买物品，或者经常浏览该商铺物品的话，该商铺则将高概率出现在电商平台推荐首页，即使该商铺的综合评级低于其他同类型店铺。利用“对比模式”，平台可以有效地筛查出哪些商品或商家更受目标用户的青睐，并据此为用户提供指向性明显的消费广告推荐，在提升用户挑选效率的同时，也促进了平台交易成功率的提高。

3 数据分析过程中的问题

数据分析办法在电子商务领域起到的积极作用是显而易见的，不论是在利用数据模型对用户进行定向性服务还是为商户提供消费趋向预测方面，数据分析方法都为解决问题提供了数据逻辑支撑。但是，在电子商务平台的交易过程中，数据分析的实际应用也存在着一些不可忽视的问题。研究表明，数据丢失或泄漏已成为目前云计算安全面临的首要威胁[4]。第一个需要被关注的问题即“数据造假”问题。从参与电子商务交易的卖方来看，正面的数据信息可以帮助商家获得更多的推荐用户和流量保证，但是在这种平台的数据分析逻辑之下，新的小型商户将很难获得用户数据支持，从而导致“大铺日益变大，小铺等待消亡”的局面。在此种情况之下，新入驻电子平台的商户便会对店铺数据信息进行人工干预。比较典型的例子即雇佣假的消费者进行“刷单”。所谓“刷单”，也就是商铺在提前联系的用户提交订单之后，发货时发送空包裹，之后在正常的物流信息终结后，与被雇佣人约定对店铺商品进行好评。通过“刷单”这种方式，店铺可以利用较低的成本为店铺进行数据美化，凭借虚假的交易信息获得电商平台的数据流量支持，以达到进入用户端店铺推荐广告栏的目的。

除了商户对店铺信息进行造假，导致数据分析模型在根据算法向用户推荐店铺时效果欠佳。电子商务平台对数据流的大规模掌握也将是用户所担忧的另一个问题，数据的安全性能否得到保障也会是未来电商平台发展过程中的一个试金石。以消费者的购买信息为例，在电子商务交易过程中，为了将物品顺利寄送给买方，平台和商家均会获取买方的姓名、手机号、家庭住址等信息。不论是平台还是商家中的那一环节出现信息保护的疏漏，消费者的个人隐私数据信息都将被泄漏，后续可能会出现网购后遭遇电信诈骗等一系列的问题。

综合以上观点来看，数据分析在电子商务交易过程中虽然起到了不可替代的积极作用，但是也存在着数据信息安全等一系列问题。数据分析结果的公布为电商平台提供了吸引商户入驻的资本，在“汇总模式”和“比较模式”等一系列的数据分析算法下，商户也在基础交易数据的支持下获得了更多的流量曝光度，对于消费者来说，数据分析的算法结果不仅可以提高购买的效率，在平台推荐下减少挑选物品的时间，还可以利用数据分析对需要的商品进行筛查，略去综合评级较低的店铺。总的来看，数据分析在电子商务中的应用存在着许多积极的方面，由此也可以推测，对未来的电子商务来讲，大数据的时代背景潮流和互联网的正向发展趋势，都预示着未来的电商平台仍将以数据分析方法作为促进电子商务交易的手段，数据分析方法在未来的电子商务领域可能也会有着更加多样的功能和模式。