電子商務(wù)中的大數(shù)據(jù)分析綜述

摘要：近年來，電子商務(wù)中越來越重視大數(shù)據(jù)分析（Big Data Analytics）。然而，電子商務(wù)大數(shù)據(jù)分析作為一個(gè)新觀念，卻一直沒有得到很好的研究和探索，這嚴(yán)重阻礙了它的理論和實(shí)踐發(fā)展。本文通過對(duì)國(guó)內(nèi)外文獻(xiàn)的系統(tǒng)回顧，探索了電子商務(wù)中的大數(shù)據(jù)分析，并提供了一個(gè)解釋框架。該框架探討了電子商務(wù)領(lǐng)域中大數(shù)據(jù)分析的定義，大數(shù)據(jù)的特征，類型以及業(yè)務(wù)價(jià)值，它們?yōu)殡娮由虅?wù)中的跨領(lǐng)域分析應(yīng)用提供了更深刻的見解。

關(guān)鍵詞：大數(shù)據(jù)分析；電子商務(wù)；商業(yè)價(jià)值

中圖分類號(hào)：C811 文獻(xiàn)標(biāo)識(shí)碼：A

引言

在過去的幾年中，將大數(shù)據(jù)分析應(yīng)用于其價(jià)值鏈的電子商務(wù)公司的生產(chǎn)率比其競(jìng)爭(zhēng)對(duì)手高出5%至6%，使得學(xué)術(shù)界和電子商務(wù)行業(yè)對(duì)大數(shù)據(jù)的興趣激增。美國(guó)BSA軟件聯(lián)盟的最新研究表明，大數(shù)據(jù)分析對(duì)56%的公司銷售增長(zhǎng)貢獻(xiàn)了10%或更多。因此，《財(cái)富》1000強(qiáng)公司中有91%投資于大數(shù)據(jù)分析項(xiàng)目，比上一年增長(zhǎng)了近85%。盡管新興的基于互聯(lián)網(wǎng)的技術(shù)的使用為電子商務(wù)公司帶來了變革性的好處（例如，實(shí)時(shí)客戶服務(wù)，動(dòng)態(tài)定價(jià)，個(gè)性化產(chǎn)品或改進(jìn)的交互），但大數(shù)據(jù)分析可以通過做出科學(xué)的決策來進(jìn)一步強(qiáng)化這些影響。具體而言，在電子商務(wù)環(huán)境中，大數(shù)據(jù)使商家能夠跟蹤每個(gè)用戶的行為并相互聯(lián)系，以確定將一次性客戶轉(zhuǎn)變?yōu)榛仡^客的最有效方法。

大數(shù)據(jù)分析使電子商務(wù)公司能夠更有效地使用數(shù)據(jù)，提高轉(zhuǎn)換率和決策正確率，并增強(qiáng)吸納新客戶、維護(hù)老客戶的能力。從電子商務(wù)交易成本理論的角度，大數(shù)據(jù)分析可以通過提高市場(chǎng)交易成本效率（例如，買賣雙方在線互動(dòng)），管理交易成本效率（例如，流程效率-亞馬遜推薦算法）和時(shí)間成本效率（例如，搜索，討價(jià)還價(jià)和售后監(jiān)控）。從資源有限性的角度，大數(shù)據(jù)分析可以改善高性能業(yè)務(wù)流程，滿足大量的業(yè)務(wù)需求，例如確定忠實(shí)和可盈利的客戶、確定最佳價(jià)格、檢測(cè)質(zhì)量問題、確定最低的庫(kù)存水平等。因此，大數(shù)據(jù)分析一度被視為“就業(yè)增長(zhǎng)，生產(chǎn)力提高和消費(fèi)者剩余增加”的強(qiáng)大驅(qū)動(dòng)力。

1、電子商務(wù)與大數(shù)據(jù)分析

1.1 大數(shù)據(jù)環(huán)境下電子商務(wù)

Kalakota和Whinston（1997）在定義大數(shù)據(jù)環(huán)境下的電子商務(wù)時(shí)，主要集中于四個(gè)方面：在線買賣、技術(shù)驅(qū)動(dòng)的業(yè)務(wù)流程、信息以及客戶服務(wù)的交流。但是，該定義并未充分關(guān)注交易成本和電子商務(wù)的其他方面（例如B2B，B2G，C2C等）。因此，F(xiàn)rost和Strauss（2013）闡明了這些關(guān)鍵方面并擴(kuò)展了電子商務(wù)的定義，他們認(rèn)為大數(shù)據(jù)環(huán)境下的電子商務(wù)的重點(diǎn)是在線買賣、數(shù)字價(jià)值創(chuàng)造、虛擬市場(chǎng)和店面以及新的分銷中介。但是，此定義主要側(cè)重于電子營(yíng)銷，而未能集成其他重要的電子商務(wù)流程。因此，Wixom等（2013）在其基礎(chǔ)上考慮了其他的電子商務(wù)流程，提出電子商務(wù)更全面定義，即電子商務(wù)是旨在同時(shí)實(shí)現(xiàn)交易價(jià)值（即節(jié)省成本，提高生產(chǎn)率和效率）和戰(zhàn)略價(jià)值（即競(jìng)爭(zhēng)優(yōu)勢(shì)，公司績(jī)效），在數(shù)字市場(chǎng)中借助分析驅(qū)動(dòng)的洞察力來轉(zhuǎn)變生產(chǎn)，庫(kù)存，創(chuàng)新，風(fēng)險(xiǎn)，財(cái)務(wù)，知識(shí)，關(guān)系和人力資源管理。

1.2 電子商務(wù)環(huán)境下的大數(shù)據(jù)分析

大量的學(xué)術(shù)研究和行業(yè)研究為大數(shù)據(jù)分析在電子商務(wù)的許多功能領(lǐng)域（包括市場(chǎng)營(yíng)銷，人力資源管理，生產(chǎn)和運(yùn)營(yíng)以及金融）的重要性提供了證據(jù)。Davenport（2012）解釋說，電子商務(wù)環(huán)境下的大數(shù)據(jù)分析試圖探索新產(chǎn)品和增值活動(dòng)。此外，Agarwal和Weill（2012）還強(qiáng)調(diào)了行為要素在大數(shù)據(jù)分析定義中的作用，他們認(rèn)為電子商務(wù)環(huán)境下的大數(shù)據(jù)分析是業(yè)務(wù)流程，技術(shù)優(yōu)化以及與數(shù)據(jù)使用的情感聯(lián)系，對(duì)于大幅提高公司的分析能力至關(guān)重要。

2、電子商務(wù)中大數(shù)據(jù)的類型和特征

電子商務(wù)環(huán)境中的大數(shù)據(jù)指的是電子商務(wù)領(lǐng)域中的交易或業(yè)務(wù)活動(dòng)數(shù)據(jù)、點(diǎn)擊流數(shù)據(jù)、語音數(shù)據(jù)和視頻數(shù)據(jù)。White（2012）研究表明大數(shù)據(jù)著眼于五個(gè)主要特征：體積，速度，多樣性，準(zhǔn)確性和價(jià)值?！绑w積”是指大數(shù)據(jù)的數(shù)量呈指數(shù)增長(zhǎng)；“速度”是指實(shí)時(shí)收集，處理和分析數(shù)據(jù)的速度；“多樣性”是指在大數(shù)據(jù)環(huán)境中收集的不同類型的數(shù)據(jù)；“準(zhǔn)確性”代表數(shù)據(jù)源的可靠性；“價(jià)值”代表了大數(shù)據(jù)的交易，戰(zhàn)略和信息優(yōu)勢(shì)。

2.1 交易或業(yè)務(wù)活動(dòng)數(shù)據(jù)

交易或業(yè)務(wù)活動(dòng)數(shù)據(jù)是客戶和公司之間隨著時(shí)間推移進(jìn)行交換的結(jié)果。這些數(shù)據(jù)本質(zhì)上是結(jié)構(gòu)化的，并且源自從客戶關(guān)系程序（例如，公司維護(hù)的客戶資料，客戶投訴的發(fā)生）到銷售交易的許多來源。在電子商務(wù)的背景下，Kiron等（2014）報(bào)告稱，美國(guó)在線推薦引擎StyleSeek通過分析客戶的喜好和喜好，并借助完善的分析平臺(tái)將消費(fèi)者吸引到其零售合作伙伴手中，從而獲得了可觀的收入。總體而言，電子零售商可以使用交易數(shù)據(jù)在整個(gè)價(jià)值鏈中獲得眾多收益。

2.2 點(diǎn)擊流數(shù)據(jù)

點(diǎn)擊流數(shù)據(jù)來自網(wǎng)絡(luò)和在線廣告，以及社交媒體內(nèi)容，例如電子商務(wù)企業(yè)的推文，廣告，論壇帖子等。在當(dāng)今的互聯(lián)環(huán)境中，社交媒體和在線廣告在企業(yè)正在進(jìn)行的促銷策略中起著關(guān)鍵作用，例如，點(diǎn)擊流數(shù)據(jù)對(duì)于管理層做出明智的，戰(zhàn)略性和戰(zhàn)術(shù)性決策非常重要，全球許多電子商務(wù)公司（例如，亞馬遜，eBay，Zappos，阿里巴巴等）都依賴點(diǎn)擊流數(shù)據(jù)來捕獲數(shù)據(jù)。

2.3 視頻數(shù)據(jù)

視頻數(shù)據(jù)是在捕獲實(shí)時(shí)圖像時(shí)獲取的數(shù)據(jù)。當(dāng)前，電子商務(wù)公司在使用點(diǎn)擊流數(shù)據(jù)或交易數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析時(shí)，經(jīng)常會(huì)用到圖像分析軟件，因此也會(huì)捕獲大量視頻數(shù)據(jù)。視頻數(shù)據(jù)是非結(jié)構(gòu)化的數(shù)據(jù)，處理起來并不像點(diǎn)擊流數(shù)據(jù)和交易數(shù)據(jù)容易。但是Schroeck等（2012）表明具有處理和分析極端非結(jié)構(gòu)化數(shù)據(jù)（例如視頻或語音數(shù)據(jù)）的能力有可能為電子商務(wù)公司增加價(jià)值。

2.4 語音數(shù)據(jù)

附加到電子商務(wù)大數(shù)據(jù)中的另一種數(shù)據(jù)類型是語音數(shù)據(jù)，即來自呼叫中心或客戶服務(wù)的數(shù)據(jù)，研究表明語音數(shù)據(jù)對(duì)于分析消費(fèi)者的購(gòu)買行為或鎖定潛在新客戶是有利的。Davenport等（2012年）在其文章中提到信用卡公司（例如美國(guó)運(yùn)通）使用和跟蹤與呼叫中心活動(dòng)相關(guān)的數(shù)據(jù)，使其能夠在毫秒內(nèi)為客戶提供個(gè)性化報(bào)價(jià)。Schroeck等（2012）調(diào)查發(fā)現(xiàn)，電子商務(wù)公司使用高級(jí)功能來分析從呼叫中心對(duì)話轉(zhuǎn)換而來的文本和抄本。此外，在電子商務(wù)的背景下，借助大數(shù)據(jù)分析可以閱讀和識(shí)別多種語言間的細(xì)微差別，例如情感，俚語和意圖等。

3、大數(shù)據(jù)分析對(duì)電子商務(wù)公司的商業(yè)價(jià)值

電子商務(wù)公司比沒有電子商務(wù)平臺(tái)的公司有更多機(jī)會(huì)與客戶進(jìn)行實(shí)時(shí)互動(dòng)，在互動(dòng)過程中，他們能夠獲取大量有關(guān)客戶商品偏好、消費(fèi)習(xí)慣、消費(fèi)能力等電子數(shù)據(jù)。如果能夠利用好這些數(shù)據(jù)，將會(huì)對(duì)電子零售帶來巨大的促進(jìn)作用。因此，利用當(dāng)前研究中的電子商務(wù)相關(guān)理論，我們提出了以下五種機(jī)制來增強(qiáng)數(shù)據(jù)經(jīng)濟(jì)中的實(shí)用業(yè)務(wù)價(jià)值。

3.1 個(gè)性化

大數(shù)據(jù)分析在電子商務(wù)公司中的第一個(gè)應(yīng)用就是提供個(gè)性化服務(wù)或定制產(chǎn)品。實(shí)時(shí)數(shù)據(jù)分析使公司能夠向客戶提供包括特殊內(nèi)容和促銷的個(gè)性化服務(wù)。此外，這些個(gè)性化服務(wù)可幫助公司將忠實(shí)客戶與新客戶區(qū)分開，并相應(yīng)地提供促銷優(yōu)惠。

3.2 動(dòng)態(tài)定價(jià)

在激烈的市場(chǎng)競(jìng)爭(zhēng)環(huán)境中，客戶就是“上帝”。為了吸引新客戶、留住老客戶，電子商務(wù)公司必須在對(duì)外保持積極活躍并充滿活力的形象同時(shí)為產(chǎn)品設(shè)定有競(jìng)爭(zhēng)力的價(jià)格。亞馬遜的動(dòng)態(tài)定價(jià)系統(tǒng)會(huì)監(jiān)控競(jìng)爭(zhēng)價(jià)格，并每15秒鐘通知亞馬遜一次，這使所有銷售額增長(zhǎng)了35%。為了在“雙十一”、“雙十二”、“618”等購(gòu)物狂歡節(jié)或春節(jié)、中秋等傳統(tǒng)節(jié)日為客戶提供有競(jìng)爭(zhēng)力的價(jià)格，各大電商平臺(tái)都會(huì)通過考慮競(jìng)爭(zhēng)對(duì)手的價(jià)格，產(chǎn)品銷售，客戶的行為以及任何區(qū)域或地理偏好來處理大數(shù)據(jù)，通過使用這些大數(shù)據(jù)信息很可能使電子商務(wù)公司能夠建立動(dòng)態(tài)定價(jià)。

3.3 客戶服務(wù)

電子商務(wù)公司可以使用大數(shù)據(jù)分析的另一個(gè)關(guān)鍵領(lǐng)域是客戶服務(wù)。客戶可以通過電子商務(wù)平臺(tái)中商家的聊天助手、商品或服務(wù)評(píng)價(jià)等方式傳達(dá)商品需求或是投訴，使電子商務(wù)公司可以使客戶在購(gòu)買商品或是享受服務(wù)時(shí)感到被重視，從而為客戶提供高質(zhì)高效的線上購(gòu)買服務(wù)。同樣，Miller（2013）解釋說，通過使用源自產(chǎn)品傳感器的大數(shù)據(jù)提供主動(dòng)維護(hù)（即在故障發(fā)生或甚至被檢測(cè)到之前采取預(yù)防措施），電子商務(wù)公司能夠提供創(chuàng)新的售后服務(wù)。

3.4 供應(yīng)鏈可見性

當(dāng)前國(guó)內(nèi)各大電商平臺(tái)都實(shí)現(xiàn)了物流的實(shí)時(shí)跟蹤，客戶從下單到收到貨物的過程中，能夠?qū)崟r(shí)查看訂單當(dāng)前的狀態(tài)以及物流信息。實(shí)際上，訂單狀態(tài)和物流信息的實(shí)時(shí)查詢與大數(shù)據(jù)分析應(yīng)用于電子商務(wù)密切相關(guān)。大數(shù)據(jù)分析通過從多方收集有關(guān)多個(gè)產(chǎn)品的物流信息來發(fā)揮關(guān)鍵作用，隨后精確地向客戶建議了預(yù)計(jì)的交付日期，使得產(chǎn)品整個(gè)供應(yīng)過程清晰可見，在一定程度上緩和了客戶線上購(gòu)物的距離感。

3.5 預(yù)測(cè)分析

預(yù)測(cè)分析指的是通過使用大數(shù)據(jù)分析在事件發(fā)生之前對(duì)其進(jìn)行識(shí)別。預(yù)測(cè)分析的應(yīng)用取決于強(qiáng)大的數(shù)據(jù)挖掘技術(shù)，但前提是電子商務(wù)公司需要收集越來越多的有關(guān)客戶偏好的信息。將客戶偏好信息與數(shù)據(jù)挖掘技術(shù)相結(jié)合，對(duì)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)和分析，確定吸引客戶興趣的方式，將有助于電子商務(wù)企業(yè)制定營(yíng)銷干預(yù)措施。同時(shí)，預(yù)測(cè)分析還可以幫助電子商務(wù)公司的財(cái)務(wù)部門編制收入預(yù)算，這些預(yù)算的準(zhǔn)備有助于電子商務(wù)公司從過去的銷售數(shù)據(jù)中識(shí)別未來的銷售模式。

4、結(jié)論

由于信息革命帶來的挑戰(zhàn)和機(jī)遇，大數(shù)據(jù)分析已成為電子商務(wù)領(lǐng)域廣泛創(chuàng)新和競(jìng)爭(zhēng)的新領(lǐng)域。大數(shù)據(jù)分析通過使用人員，流程和技術(shù)的動(dòng)態(tài)來將數(shù)據(jù)轉(zhuǎn)換為洞察力，從而為穩(wěn)健的決策和解決業(yè)務(wù)問題提供解決方案，為電子商務(wù)公司提供價(jià)值。這是一個(gè)整體過程，涉及數(shù)據(jù)，資源，技能和系統(tǒng)，以創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。

參考文獻(xiàn)

[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）.

作者簡(jiǎn)介：李新朋，上海工程技術(shù)大學(xué)。