电子商务中的大数据分析综述

摘要：近年来，电子商务中越来越重视大数据分析（Big Data Analytics）。然而，电子商务大数据分析作为一个新观念，却一直没有得到很好的研究和探索，这严重阻碍了它的理论和实践发展。本文通过对国内外文献的系统回顾，探索了电子商务中的大数据分析，并提供了一个解释框架。该框架探讨了电子商务领域中大数据分析的定义，大数据的特征，类型以及业务价值，它们为电子商务中的跨领域分析应用提供了更深刻的见解。

关键词：大数据分析；电子商务；商业价值

中图分类号：C811 文献標识码：A

引言

在过去的几年中，将大数据分析应用于其价值链的电子商务公司的生产率比其竞争对手高出5%至6%，使得学术界和电子商务行业对大数据的兴趣激增。美国BSA软件联盟的最新研究表明，大数据分析对56%的公司销售增长贡献了10%或更多。因此，《财富》1000强公司中有91%投资于大数据分析项目，比上一年增长了近85%。尽管新兴的基于互联网的技术的使用为电子商务公司带来了变革性的好处（例如，实时客户服务，动态定价，个性化产品或改进的交互），但大数据分析可以通过做出科学的决策来进一步强化这些影响。具体而言，在电子商务环境中，大数据使商家能够跟踪每个用户的行为并相互联系，以确定将一次性客户转变为回头客的最有效方法。

大数据分析使电子商务公司能够更有效地使用数据，提高转换率和决策正确率，并增强吸纳新客户、维护老客户的能力。从电子商务交易成本理论的角度，大数据分析可以通过提高市场交易成本效率（例如，买卖双方在线互动），管理交易成本效率（例如，流程效率-亚马逊推荐算法）和时间成本效率（例如，搜索，讨价还价和售后监控）。从资源有限性的角度，大数据分析可以改善高性能业务流程，满足大量的业务需求，例如确定忠实和可盈利的客户、确定最佳价格、检测质量问题、确定最低的库存水平等。因此，大数据分析一度被视为“就业增长，生产力提高和消费者剩余增加”的强大驱动力。

1、电子商务与大数据分析

1.1 大数据环境下电子商务

Kalakota和Whinston（1997）在定义大数据环境下的电子商务时，主要集中于四个方面：在线买卖、技术驱动的业务流程、信息以及客户服务的交流。但是，该定义并未充分关注交易成本和电子商务的其他方面（例如B2B，B2G，C2C等）。因此，Frost和Strauss（2013）阐明了这些关键方面并扩展了电子商务的定义，他们认为大数据环境下的电子商务的重点是在线买卖、数字价值创造、虚拟市场和店面以及新的分销中介。但是，此定义主要侧重于电子营销，而未能集成其他重要的电子商务流程。因此，Wixom等（2013）在其基础上考虑了其他的电子商务流程，提出电子商务更全面定义，即电子商务是旨在同时实现交易价值（即节省成本，提高生产率和效率）和战略价值（即竞争优势，公司绩效），在数字市场中借助分析驱动的洞察力来转变生产，库存，创新，风险，财务，知识，关系和人力资源管理。

1.2 电子商务环境下的大数据分析

大量的学术研究和行业研究为大数据分析在电子商务的许多功能领域（包括市场营销，人力资源管理，生产和运营以及金融）的重要性提供了证据。Davenport（2012）解释说，电子商务环境下的大数据分析试图探索新产品和增值活动。此外，Agarwal和Weill（2012）还强调了行为要素在大数据分析定义中的作用，他们认为电子商务环境下的大数据分析是业务流程，技术优化以及与数据使用的情感联系，对于大幅提高公司的分析能力至关重要。

2、电子商务中大数据的类型和特征

电子商务环境中的大数据指的是电子商务领域中的交易或业务活动数据、点击流数据、语音数据和视频数据。White（2012）研究表明大数据着眼于五个主要特征：体积，速度，多样性，准确性和价值。“体积”是指大数据的数量呈指数增长；“速度”是指实时收集，处理和分析数据的速度；“多样性”是指在大数据环境中收集的不同类型的数据；“准确性”代表数据源的可靠性；“价值”代表了大数据的交易，战略和信息优势。

2.1 交易或业务活动数据

交易或业务活动数据是客户和公司之间随着时间推移进行交换的结果。这些数据本质上是结构化的，并且源自从客户关系程序（例如，公司维护的客户资料，客户投诉的发生）到销售交易的许多来源。在电子商务的背景下，Kiron等（2014）报告称，美国在线推荐引擎StyleSeek通过分析客户的喜好和喜好，并借助完善的分析平台将消费者吸引到其零售合作伙伴手中，从而获得了可观的收入。总体而言，电子零售商可以使用交易数据在整个价值链中获得众多收益。

2.2 点击流数据

点击流数据来自网络和在线广告，以及社交媒体内容，例如电子商务企业的推文，广告，论坛帖子等。在当今的互联环境中，社交媒体和在线广告在企业正在进行的促销策略中起着关键作用，例如，点击流数据对于管理层做出明智的，战略性和战术性决策非常重要，全球许多电子商务公司（例如，亚马逊，eBay，Zappos，阿里巴巴等）都依赖点击流数据来捕获数据。

2.3 视频数据

视频数据是在捕获实时图像时获取的数据。当前，电子商务公司在使用点击流数据或交易数据进行大数据分析时，经常会用到图像分析软件，因此也会捕获大量视频数据。视频数据是非结构化的数据，处理起来并不像点击流数据和交易数据容易。但是Schroeck等（2012）表明具有处理和分析极端非结构化数据（例如视频或语音数据）的能力有可能为电子商务公司增加价值。

2.4 语音数据

附加到电子商务大数据中的另一种数据类型是语音数据，即来自呼叫中心或客户服务的数据，研究表明语音数据对于分析消费者的购买行为或锁定潜在新客户是有利的。Davenport等（2012年）在其文章中提到信用卡公司（例如美国运通）使用和跟踪与呼叫中心活动相关的数据，使其能够在毫秒内为客户提供个性化报价。Schroeck等（2012）调查发现，电子商务公司使用高级功能来分析从呼叫中心对话转换而来的文本和抄本。此外，在电子商务的背景下，借助大数据分析可以阅读和识别多种语言间的细微差别，例如情感，俚语和意图等。

3、大数据分析对电子商务公司的商业价值

电子商务公司比没有电子商务平台的公司有更多机会与客户进行实时互动，在互动过程中，他们能够获取大量有关客户商品偏好、消费习惯、消费能力等电子数据。如果能够利用好这些数据，将会对电子零售带来巨大的促进作用。因此，利用当前研究中的电子商务相关理论，我们提出了以下五种机制来增强数据经济中的实用业务价值。

3.1 个性化

大数据分析在电子商务公司中的第一个应用就是提供个性化服务或定制产品。实时数据分析使公司能够向客户提供包括特殊内容和促销的个性化服务。此外，这些个性化服务可帮助公司将忠实客户与新客户区分开，并相应地提供促销优惠。

3.2 动态定价

在激烈的市场竞争环境中，客户就是“上帝”。为了吸引新客户、留住老客户，电子商务公司必须在对外保持积极活跃并充满活力的形象同时为产品设定有竞争力的价格。亚马逊的动态定价系统会监控竞争价格，并每15秒钟通知亚马逊一次，这使所有销售额增长了35%。为了在“双十一”、“双十二”、“618”等购物狂欢节或春节、中秋等传统节日为客户提供有竞争力的价格，各大电商平台都会通过考虑竞争对手的价格，产品销售，客户的行为以及任何区域或地理偏好来处理大数据，通过使用这些大数据信息很可能使电子商务公司能够建立动态定价。

3.3 客户服务

电子商务公司可以使用大数据分析的另一个关键领域是客户服务。客户可以通过电子商务平台中商家的聊天助手、商品或服务评价等方式传达商品需求或是投诉，使电子商务公司可以使客户在购买商品或是享受服务时感到被重视，从而为客户提供高质高效的线上购买服务。同样，Miller（2013）解释说，通过使用源自产品传感器的大数据提供主动维护（即在故障发生或甚至被检测到之前采取预防措施），电子商务公司能够提供创新的售后服务。

3.4 供应链可见性

当前国内各大电商平台都实现了物流的实时跟踪，客户从下单到收到货物的过程中，能够实时查看订单当前的状态以及物流信息。实际上，订单状态和物流信息的实时查询与大数据分析应用于电子商务密切相关。大数据分析通过从多方收集有关多个产品的物流信息来发挥关键作用，随后精确地向客户建议了预计的交付日期，使得产品整个供应过程清晰可见，在一定程度上缓和了客户线上购物的距离感。

3.5 预测分析

预测分析指的是通过使用大数据分析在事件发生之前对其进行识别。预测分析的应用取决于强大的数据挖掘技术，但前提是电子商务公司需要收集越来越多的有关客户偏好的信息。将客户偏好信息与数据挖掘技术相结合，对数据进行实验和分析，确定吸引客户兴趣的方式，将有助于电子商务企业制定营销干预措施。同时，预测分析还可以帮助电子商务公司的财务部门编制收入预算，这些预算的准备有助于电子商务公司从过去的销售数据中识别未来的销售模式。

4、结论

由于信息革命带来的挑战和机遇，大数据分析已成为电子商务领域广泛创新和竞争的新领域。大数据分析通过使用人员，流程和技术的动态来将数据转换为洞察力，从而为稳健的决策和解决业务问题提供解决方案，为电子商务公司提供价值。这是一个整体过程，涉及数据，资源，技能和系统，以创造竞争优势。

參考文献

[1] Xun Zhang， Min Jin， Jingying Fu， etc.On the Risk Assessment of Terrorist Attacks Coupled with MultiSource Factors[J].ISPRS International Journal of GeoInformation， 2018，7（9）.

[2] Frost， R.， Strauss， J.， （2013）. E-marketing. Pearson Prentice Hall. Upper Saddle River， NJ

[3] Wixom， B. H.， Yen， B.， & Relich， M. （2013）. Maximizing value from business analytics. MIS Quarterly Executive， 12， 111–123.

[4] Davenport， T.H.， 2012. The Human Side of Big Data and High-Performance Analytics. International Institute for Analytics， pp. 1–13.

[5] Agarwal， R.， & Weill， P. （2012）. The benefits of combining data with empathy. MIT Sloan Management Review， 54， 35.

[6] White， M. （2012）. Digital workplaces vision and reality. Business Information Review， 29， 205–214.

[7] Kiron， D.， Prentice， P. K.， & Ferguson， R. B. （2014b）. Raising the bar with analytics. MIT Sloan Management Review， 55， 29–33.

[8] Schroeck， M.， Shockley， R.， Smart， J.， Romero-Morales， D.， & Tufano， P. P. （2012）. Analytics： The real-world use of big data. NY， USA： IBM Institute for Business Value.

[9] Davenport， T. H.， Barth， P.， & Bean， R. （2012）. How‘Big Datais Different. MIT Sloan Management Review， 54， 43–46.

[10] Schroeck， M.， Shockley， R.， Smart， J.， Romero-Morales， D.， & Tufano， P. P. （2012）. Analytics： The real-world use of big data. NY， USA： IBM Institute for Business Value.

[11] Miller， G.， （2013）. 6 ways To use “big data” To increase operating margins By 60 %. Available at：http：// upstreamcommerce.com/blog/2012/04/11/6-ways-big-data-increase-operating-margins-60-part-2（Accessed 2nd of March， 16）.

作者简介：李新朋，上海工程技术大学。