基于K—MEANS聚类的电商店铺经营策略分析

夏名首++刘玉林

◆ 中图分类号：F272 文献标识码：A

内容摘要：本文在对电商店铺商品价格、相关商品数和月销量等数据的挖掘中，建立基于K-MEANS的店铺聚类研究模型，深入分析电商店铺的经营策略和效果。结合天猫碧根果店铺案例，该模型发现商品不同价格区的红海蓝海竞争格局、铺货的4种经营策略和效果，进一步证明该模型的有效性。

关键词：电商 K-MEANS 经营策略 效果

现今，电子商务拥有广阔的销售区域和大量消费人群，成为越来越多商家进行商品销售的选择。当然，电商商品在获得更多销售机会的同时，也面临着商家众多、商品同质化、价格等方面的竞争。“解析经营策略，评估经营效果和识别竞争状况”成为电商商品经营管理的重要方向（郭承龙，2015）。

研究模型

电子商务商品经营以店铺为单位，提供每家店铺的相关商品数、价格、月销量、总评价、产品名称、店铺所在地、产品描述评分、物流描述评分、服务描述评分、顾客购后打分和文字评价等。对电商店铺经营策略研究应该对上述属性指标有所取舍，采用图1的研究模型。

首先，商业目标的核心是解析经营策略和效果，因此电商店铺经营中价格、不同价格下经营的相关商品数、每款商品的月销量成为关键属性指标，是本次研究的目标数据。其次，在数据准备阶段对某一时期的电商店铺商品数、价格和月销量数据进行数据爬取，并对数据开展清洗和聚合等预处理。再次，在数据挖掘阶段，开展统计总体分析发现数据特征，在价格和商品数基础上基于K-MEANS进行店铺聚类；同时在数据分析中，分析不同店铺类别的价格和商品数经营策略，结合月销量分析经营效果。最后，在后处理中给出对策建议。

数据准备及统计分析

选择电子商务平台中天猫商城以“碧根果”为主要销售对象的电商店铺为对象，进行统计总体分析和K-MEANS聚类，分析碧根果电商店铺经营策略和效果，验证基于K-MEANS聚类的电商店铺经营策略研究方法的有效性。

（一）数据准备

首先，在天猫搜索页面中以“碧根果”为关键词搜索，按照店鋪进行综合后对搜索结果爬取，该过程主要爬取店铺名称、所在地、相关商品数等；其次，以“大图”方式显示关键词搜索结果，爬取店铺名称、商品名称、商品价格、斤价（转化成500克后的商品价格，即元/500克）、月成交等。对爬取数据进行数据清洗，去除非“碧根果”商品数据和缺失数据商品，最终店铺数有523家，相关商品数1628件。同时，对两次爬取结果根据相同店铺名称进行聚合。本次爬取时间为2016年3月31日23时，各项数据代表该时点的结果。

（二）数据统计总体分析

地理分布。根据店铺所在地，按照行政区域进行统计，以此得出经营“碧根果”电商店铺的地理分布状况，从中可知电商企业分为四个等级：以浙江为代表的店铺高密度区，该区拥有最多店铺数；以上海、北京、江苏、山东、安徽、广东、新疆为代表的较高密度区，该区店铺数也较多；以黑龙江、陕西等22个省为代表的低密度区，该区店铺数较少；以内蒙古、青海、西藏、贵州、海南为代表的无密度区，该区没有经营“碧根果”的电商店铺。该地图进一步反映出店铺数量呈现出“东西两头翘，南北也较好，中线显不足”的态势。在按照城市统计中，共计117个城市有经营“碧根果”的电商店铺，前三位城市分别为上海（76家）、杭州（64家）、北京（33家），统计结果体现出一线城市在电商店铺数量方面有着明显的优势。

数据描述性分析。在SPSS中对店铺评价、商品价格、月销量等数值型属性进行描述性统计，统计结果如表1所示。

表1显示，商品价格范围非常大，最低1元，最高2396元，标准差达到77元。经过分析发现主要由于所售“碧根果”商品的重量和活动力度不一样，1元商品为活动特价，并且仅仅含有120克；2396元商品为正常售价，但是重量为20斤。由于商品价格在商品重量方面的不一致性，在数据挖掘店铺聚类中将不选择商品价格作为数据分析对象。

在表1中可知，斤价最小值为4元，最大值为596元，标准差为41.124元，同样波动较大，但是由于斤价是消除商品重量差异，都转化为500克的标准价格，在分析时有很好的可比性，由此后续分析中以此属性作为重要的衡量指标；表1中还反映出商品月销量、该店铺相关商品数的描述统计量结果，从结果中都体现了“区间范围大，波动剧烈”，这说明“碧根果”店铺和商品有很大的差异性，通过差异进行聚类和类群研究有很大的社会价值。

在SPSS中对商品价格、斤价和月销量进行相关性分析，结果如表2所示。表2显示3个属性之间都表现为非常低的相关性。

基于K-MEANS的店铺聚类分析

（一）斤价分区与描述

在通过斤价、相关商品数和月销量研究店铺分析时，由于一个店铺相关商品较多，如果仅以多个商品斤价的均价来替代该店铺的所有商品合理性不强。因此在研究时主要利用斤价分区和该区间的店铺商品数来研究。在斤价区间分辨率上选用“0-10元、10-20元、20-30元、……、90-100元和100元以上”进行区分（按照下限不在内原则统计），斤价分区后统计每个斤价区间上的店铺商品数和月销量总计。经过统计后图形显示结果如图2所示。在研究中，根据斤价数据分布和市场上的价格格局，将斤价分区分为“0-10元、10-20元、20-30元”三组定义为活动价区，该区域多为商品活动时期的斤价；“30-40元、40-50元、50-60元、60-70元”四组定义为普价区，该区域为多数商品普遍销售斤价区；“70-80元、80-90元、90-100元”三组定义为优质价区，该区域商品数量一般，但斤价较高；最后“100元以上”定义为高价区，该区域商品斤价最高，是高端市场领域。

图2显示商品数竞争最激烈的为普价区，其次竞争较激烈的为高价区；活动价区、优质价区商品数竞争都较少。在月销量方面普价区最好，尤其是40-50元斤价区最好，优质价区也表现不俗，尤其是80-90元斤价区为第二，其它斤价区表现一般。图中“月销量除以商品数”后的商品单品月销量曲线显示最好区间为包含80-90元的优质价区，其次为10-20元所在的活动价区，最差的是商品数最多的30-40元所在的普价区。

通过以上分析可以看出：优质价区店铺商品数较少，有一定规模的月销量，最终单品月销量最好，是理想的高优质铺货区；普价区店铺商品数最多，月销量最高，但是相比单品月销量最低，并非是理想的优质铺货区，但也表现为最好的高销量铺货区；高价区店铺商品数也较少，月销量表现较好，单品月销量也很不错，是电商店铺值得考虑的高利润铺货区；活动价区商品数和销量都较少，但由于活动和价格因素，也促使该区成为消费者注意力和购买力高吸引铺货区。

（二）K-MENAS店铺聚类店

为了更清楚区分店铺类群，进一步了解不同店铺类群的差异和特色，因此在斤价分区和分区内商品数基础上进行K-MENAS聚类。首先通过SPSS软件中系统聚类结果粗略分析K-MENAS聚类中K值为4，再进行K-MENAS聚类。其中，迭代历史记录显示经过6次迭代，各类中心变化趋于0，初始中心间的最小距离为 11.619。经过聚类，1-4类案例数分别是29、485、3和6个店铺。

（三）店铺类群商品经营特色分析

根据最终聚类中心和斤价分区关系，从店铺类群商品数进行特征分析。首先，根据表3聚类中心每类商品数和斤价分区关系进行可视化，结果如表4所示。最终聚类中心即是每个类的中心点数据，同时根据K-MEANS聚类规则也是该类商品数的均值。

因此表4显示：店铺1类主打普价区商品，同时兼顾活动区价区；店铺2类仅以普价区商品为主；店铺3类以普价区和高价区为主，同时活动区和优质价区也有商品铺货，可以说是有全系列商品销售；店铺4类主打高价区，同时铺货普价区和优质价区。因此，4类店铺各有不同，反映了经营管理特色。比如店铺3类，仅有3个店铺，即天猫超市、天猫超市华北站、天猫超市华南站，但该类商品数众多，分别为36、33和29个相关商品，虽不是自有品牌，但确实反映出在斤价区间上存在全系列铺货的经营特色。

（四）店铺类群商品经营效果分析

经过K-MEANS聚类后店铺1-4类在商品数和价格上有着明显的经营管理特色，现将4类不同特色的店铺类型与月销量进行关联分析，同时比较“月销量/商品数”的状况，以此得出经营效果。

图3显示每个类别的商品总数和月销量总数以及月销量总数/商品总数的关系。从月销量规模上比较，店铺2类在商品总数和月销量总数上遥遥领先，商品4类在商品总数和月销量总数两个指标上都呈现出低开低走的态势，店铺3类商品总数较多但月销量相比较少，店铺1类商品总数较少但月销量表现不俗。

从月销量总数/商品总数有效性上比较，店铺3类表现最好，商品单件月销量有效性最高；店铺2类次之，商品数最多，但是商品单件月销量有效性落后店铺3類很多；店铺1类和4类都表现出商品单件月销量有效性很低的情况。

结合店铺经营特色发现，店铺1类主打普价区商品，但兼顾活动价区，说明活动价区商品对月销量有很大促进作用；店铺2类仅仅主打普价区商品，呈现“以量换量”的态势，即以店铺和商品数量多换月销量多；店铺3类主打全系列价区商品，由于仅有3家店铺商品总数体现不多，因此月销量也表现一般，但在月销量/商品总数中却是表现最好的；店铺4类主打高价区商品，因此商品总数和月销量均不高。

结论与建议

在电商店铺商品数据基础上，通过K-MEANS聚类的经营策略研究方法，能够帮助电商店铺了解经营管理策略，并检验经营管理的效果。实证表明，基于K-MEANS聚类的电商店铺经营策略研究模型在天猫“碧根果”电商店铺商品斤价、商品数和月销量等数据分析中有非常好的分析效果：通过统计斤价分区后商品数和月销量的表现，从而发现竞争的红海蓝海等状况；通过斤价分区后商品数K-MEANS店铺聚类，聚焦店铺商品铺货策略，能够发现不同店铺类型的经营管理效果和特色。

（一）电商店铺经营策略

经过对电商店铺斤价、商品数、月销量等数据总体统计分析和数据挖掘，反映出碧根果电商店铺经营策略特点，主要体现在以下几点：

商品数和斤价表现出蓝海红海市场状况。在数据总体统计分析中，经过斤价分区和商品数、月销量关联分析，发现普价区店铺数和商品数非常多，虽然月销量总体很高，但商品单件月销量却处于较低水平，反映出普价区呈现红海特点，即该区竞争白热化，是残酷的“招招见红”的红海区域；优质价区店铺数和商品数非常少，月销量总体较高，商品单件月销量是最高的区域，反映出优质价区呈现蓝海特点，即该区竞争较少，是未被过度开发的“前景广阔”的蓝海区域；活动价区商品数较少，月销量一般，商品单件月销量较好，反映出活动价区呈现“低价大市场，提升知名度”的宣传效果；高价区商品数少，月销量一般，虽然商品单件月销量表现一般，但是由于高价代表着高额利润，反映出高价区是具有巨大潜力的“金牛”市场。

店铺聚类反映出商品铺货状况。在K-MEANS对店铺聚类后，店铺1-4类有明显的竞争特色：店铺1类主打普价区，感受到红海竞争激烈的同时通过活动价区提升月销量和宣传；店铺2类立足普价区，在红海中努力经营，达到商品数和店铺数高引起月销量高的“以量换量”状况；店铺3类涉足活动价区、普价区、优质价区和高价区，经营全系列价区商品，有着商品全面性的独特优势，表现出商品单件月销量有效性最高的状况；店铺4类主打高价区，同时在普价区、优质价区都有铺货，反映出走“中高端”路线的经营特色，但因为斤价高的因素，月销量以及单件月销量虽并不是很高，但可推测店铺4类有较好的收入和利润结构。

（二）电商店铺经营建议

在对电商店铺商品的斤价、商品数和月销量分析基础上，建议采用以下竞争策略：

寻找商品数和斤价的最佳定位。在市场竞争中，商品斤价和商品数是非常重要的经营项目，通过市场数据总体分析能够识别出价格分布，加上商品数和月销量，进一步区别竞争激烈的红海区与未被发展的蓝海区以及活动对经营管理的部分效果。此时，电商店铺在商品斤价和商品数策略决策时，应该充分考虑这些因素，优先选择“竞争少效益好”的良性市场机会，避免陷入“竞争多效益少”的恶性市场陷进。

在“碧根果”市场中，电商店铺应该首先优质价区，并重点增加商品数，避免普价区的恶性竞争，相应减少商品数，同时结合活动价区的销量提升和宣传效果，适时开拓高价区，增长店铺的经营利润。通过这些竞争策略，能够帮助电商店铺明显改善经营管理效果。

改善店铺商品铺货策略。在商品铺货方面，市场数据能够识别出不同铺货策略的经营效果，通过改善店铺商品铺货策略，增加经营管理效果。在碧根果市场中，仅仅铺货普价区的铺货策略有明显的经营效果不佳；以高价区为主，兼顾普价区和优质价区，该铺货策略使效益有所改善，但并没有体现较强的优势；主打普价区和涉足活动价区的铺货策略有明显的经营效果，并体现一定的优势；最佳方案是全系列铺货，数据反映以所有价区为铺货对象的经营店铺在经营效果上最佳。

当然，在全系列铺货中，每个价区的铺货商品数应该根据该区的竞争状况考虑，在优质价区重点铺货赢得市场占有率，普价区适量铺货赢得基本效益和成本，在活动价区少量铺货提升宣传和销量基础，在高价区部分铺货赢得高额利润和提升品牌。

参考文献：

1.郭承龙.农村电子商务模式探析—基于淘宝村的调研[J].经济体制改革，2015（5）

2.杨鹏.网络论坛信息采集技术的研究与实现[D].昆明理工大学，2014

3.张玉峰，何超，王志芳，周磊.融合语义分类的企业竞争力影响因素分析研究[J].现代图书情报技术，2012（9）

4.谭晋秀，何跃.基于k-means文本聚类的新浪微博个性化博文推荐研究[J].情报科学，2016（4）

5.刘萌，谷文林.大数据时代下电子商务的发展刍议[J].价格月刊，2016（4）

6.胡文俊，邓虹.大数据时代对企业经营决策的影响分析[J].商业经济研究，2016（7）