农产品电商交易数据分析系统的设计与开发

蒋浩

摘 要：随着互联网以及大数据技术的不断发展，在电商营销过程中，商品交易的数据已经累积到大数据的规模了。在该形势下，传统的电子商务模式已经无法对这些数据进行深入的研究和分析了。从而导致生鲜农产品电商在销售方面无法为消费者提供精准的营销服务，使得消费者购买率大大降低。本文介绍了利用大数据对销售记录的分析，从而进行销售的预测，帮助商家作出正确的决策，为用户提供个性化的服务，从而提高生鲜农产品的购买率。

关键词：精准营销;数据预测;数据分析;农产品电商

1 引言

近年来，随互联网以及大数据技术的不断发展，数字经济时代已经到来，城市中的生鲜农产品电商发展更是方兴未艾，规模不断扩大，然而电商营销[1]的过程中，商品交易的数据已经累积到大数据的规模了。在该形势下，我们传统的电子商务模式已经无法对这些数据进行深入的研究和分析了，从而导致了营销人员无法准确的判断的消费者的需求，也更是难以给消费者提供精准的营销服务，使得消费者购买率大大降低。经调查，当产品种类较多时，三分之一以上的企业无法作出正确的决策，从而丧失了最佳的定价机遇。而通过大数据技术的数据分析[2]可以得出：当某种产品销量可以预测时，价格每上涨1%则能带来8.7%的利润增长，由此可见大数据分析在定价中具有重要的作用，甚至已成为企业定价决策的重要利器。

当前传统的电子商务模式已经不适应新兴的生鲜农产品销售了，而随着互联网技术的高速发展，互联网给我们的生活带来无限的便利，但是随之而来的则是信息的爆炸，面对这些海量的数据，有效的数据挖掘的工作可以帮助企业找到新的创收点[3]，另一方面，可以对用户历史消费行为等进行大数据分析，从而让商家可以作出更好更理性的营销决策，根据用户的需求从而进行个性化服务，从而增加用户粘度，提高用户购买率。并且通过大数据的分析实现精准营销，从而也可以节约企业的营销成本，提高了营销质量，扩大电商营销的覆盖面，增加客户受众量。尤其针对受众较广的产品，精准营销更能促进企业对市场风向变化与变革的改变，根据客户的不同服务需求，对营销内容进行调整，对客户的个性化需求提供明确的服务，从而能够得到客户更大的认可，提高客户的忠诚度。

2 项目开发技术

本项目研究主要是利用大数据技术对典型农产品电商企业的生鲜产品交易进行数据分析，开发出一套面向农产品电商交易的数据分析系统，为企业提供农产品价格预测、农产品个性化推荐从而实现农产品电商精准营销。在传统的生鲜农产品网络营销中，营销决策往往是根据营销人员自身的历史经验以及对生鲜农产品购买者的调查情况做出的，这样的营销决策主观性较大。本系统可完美地解决以往营销决策的漏洞。通过网络爬虫进行抓取全国各地的销售数据，再经过数据的处理清洗，之后再放入模型中进行数据预测，最后将预测的结果通过AJAX技术无刷新的实时更新在系统中，显示给用户。

本系统全面支持云技术，采用独家的数据预测算法，使用Web与数据层分离技术实现数据实时刷新，全自动化操作，多平台模式，全新网站页面展示等。此外我们还采用了Laravel框架、ARIMA模型算法技术等。

（1）Laravel框架

Laravel是一个由Taylor Otwell所创建，免费的开源的PHP Web 框架，它支持用户身份验证和许可，具有模块化的包系统且有专属的包库，提供连接许多种类的关连式数据库的方式，提供工具来协助应用程序的部署和维持，并且发展出许多语法糖。

（2）ARIMA

ARIMA模型全称为自回归移动平均模型。

3 系统功能

本系统包括2个子系统，第一个子系统为海鲜产品交易数据分析子系统，该子系统包括了有6大主模块，当日各省海鲜销售情况，往年的海鲜产品销售月度统计情况，当月各类海鲜品种的销售占比，每月的销售量预测，实时的统计显示目前的销售情况，地图显示当月各省的销售分部情况。让用户看到之后一目了然，可以很快的帮助用户作出正确的决策。第二个子系统为水果产品交易数据分析子系统，该子系统包括了有6大主模块，各个品种水果在各个季度的销售情况，各个季度的销售推广方案策略，各季度销售城市的排行，各季度消费人群的占比，各个城市中预测销售额和实际销售额的对比，地图显示各季度各地区的水果需求和供应量。界面简单明了，与传统复杂的分析数据分析预测系统不同，我们独有UI设计能让用户感觉眼前一亮，提供的信息更是重点，能帮助用户作出更准确的决策。部分效果展示如图1、图2所示：

生鲜农产品与其他一般商品不同，该产品的价格受到气候、供求关系、地域等因素的影响后波动性较大。所以进行数据处理中需要包括交易市场所在地，市场名称，农场品类别、名称、最低交易价格、评价交易价格、最高交易价格、抓取时间、交易时间等。由于生鲜农产品市场分布在全国各地，产品本身數量也比较多，造成产品的价格记录和质量参差不齐，因此需要对大量的数据进行清洗。而且，部分产品自身存在的季节性问题，会导致该产品在非产出季节没有交易记录，导致整段时间的交易历史数据出现缺失现象，对于此类较大规模的数据缺失问题，我们采用样条插值法进行处理。

当处理完数据之后，最后我们使用ARIMA模型进行预测，将预测对象随时问推移而形成的数据序列视为—个随机序列.以时间序列的自相关分析为基础.用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。ARIMA模型在经济预测过程中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性，对于经济运行短期趋势的预测准确率较高，是近年对时间序列进行预测应用比较广泛的方法之一。

4 结论

通过大数据有效地验证了我国生鲜农产品电商在当前快速发展的电商量浪潮下发展不均衡的问题，随着互联网以及电子商务进一步的发展，生鲜农产品网上交易额会逐年增加。利用大数据技术能够帮助营销者把握市场动向，从而对不同需求的产品消费者进行精准营销和个性化推荐，实现精准的目标市场细分和定位，使营销的决策更佳的理性化。不仅提高了营销的效果和生鲜农产品成交率，也大大的减低了营销成本，并且也提高了生鲜农产品电商服务水平，提升了消费者的购物体验[6]。利用大数据的精准定位为产品目标市场、加快基础设施建设和生鲜农场品大数据平台建设，完善大数据平台功能、跟目标客户进行精准沟通，并且根据不同客户的差异化和需求提供个性化的服务。改善当前状态，促进经济发展。加速实现现代的生鲜农产品电子商务精准营销的新模式。同时，项目研究将会吸引一批又同样兴趣爱好的软件开发者，进行系统的研发，对于提升开发者技术水平有着重要的意义。我开发的过程中，我和我的团队也有遇到不少的问题，我们采用爬虫进行爬取数据的时候，会遇到反爬虫技术，我们需要专门的去进行绕过反爬虫。由于数据量过大，清洗的过程也会较难，包括系统的维护可能也是一个比较大的难题，但是经过我们不懈的努力和研究开发，最后还是协力解决了这些问题。通过这一系列的项目开发过程，我们自己的技术也得到了很大的提升。

综上所述，本文着力于介绍生鲜农产品电商交易数据分析系统和技术支持介绍，通过大数据分析对用户交易数据进行分析从而实现对各个地区的交易预测，从而帮助商家作出更加合理的营销决策，实现精准营销，从而为用户的提供个性化的服务，提高用户的购买率。通过大数据解决了无法确认营销效果的前提下，帮助商户准确的作出阶段性计划，提高了电商营销的精准度，这就是我们未来的电商趋势。

参考文献：

[1]侯银莉.大数据环境下电商精准营销策略分析[A].山西林业职业技术学院，2018：248-249

[2]曾宪凤.大数据环境下电商精准营销策略研究[J].中国市场，2018（33）：126-127.

基金项目：浙江经贸职业技术学院2019年度校级大学生创新项目（编号：2019006）