電商用戶的數(shù)據(jù)挖掘與可視化展現(xiàn)

進(jìn)入到大數(shù)據(jù)時代，電商用戶數(shù)據(jù)的暴增與數(shù)據(jù)的社會化在很大程度上模糊了O2O電商企業(yè)數(shù)據(jù)的邊界，這些由用戶創(chuàng)造的海量數(shù)據(jù)遠(yuǎn)遠(yuǎn)超越了目前人力所能處理的范疇。龐大的數(shù)據(jù)量使得數(shù)據(jù)過載、數(shù)據(jù)冗余、數(shù)據(jù)捕獲成本快速增長、數(shù)據(jù)價值不易獲得成為O2O電子商務(wù)面臨的新問題。

電子商務(wù)中用戶數(shù)據(jù)每年增長約 60%,企業(yè)平均捕獲其中的 25% ~ 30%,但數(shù)據(jù)的利用一般不足其 5%,用戶數(shù)據(jù)作為O2O電商核心資源的商業(yè)價值遠(yuǎn)未被挖掘。 基于此，本文對“大數(shù)據(jù)”環(huán)境下O2O用戶數(shù)據(jù)挖掘以及大數(shù)據(jù)可視化進(jìn)行了分析展望。

大數(shù)據(jù)環(huán)境下O2O電子商務(wù)用戶數(shù)據(jù)特征分析

相比傳統(tǒng)的電子商務(wù)數(shù)據(jù)，O2O 用戶數(shù)據(jù)并不僅僅局限于平臺數(shù)據(jù)，即用戶在 O2O 的交易數(shù)據(jù)，還包括了社交網(wǎng)絡(luò)、用戶移動終端的地理位置等數(shù)據(jù)。O2O電子商務(wù)用戶數(shù)據(jù)為在 O2O 電商日常經(jīng)營中產(chǎn)生和積累的與用戶相關(guān)的交易、互動、觀測數(shù)據(jù)。

O2O 用戶數(shù)據(jù)具有大數(shù)據(jù)的特征。（1）體量大。在融入了社交網(wǎng)絡(luò)和移動互聯(lián)網(wǎng)的O2O電子商務(wù)中，O2O用戶數(shù)據(jù)已不僅僅是用戶交易數(shù)據(jù)，它擁有更加廣泛的數(shù)據(jù)源，其數(shù)據(jù)規(guī)模會從TB級躍升到PB甚至是EB級。（2）類型多。O2O 用戶數(shù)據(jù)類型復(fù)雜，它并不僅限于 O2O 用戶基本資料、電商企業(yè)內(nèi)部業(yè)務(wù)信息等海量的結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，還包括用戶評論等反饋數(shù)據(jù)、移動終端數(shù)據(jù)和社交媒體等非結(jié)構(gòu)數(shù)據(jù)。（3）速率快。用戶數(shù)據(jù)伴隨用戶行為產(chǎn)生，這些數(shù)據(jù)往往是高速實時數(shù)據(jù)流，這需要實時的分析用戶數(shù)據(jù)并根據(jù)分析結(jié)果對用戶進(jìn)行個性化服務(wù)。（4）價值高。用戶是 O2O 業(yè)務(wù)的核心，對用戶進(jìn)行預(yù)測分析與深度復(fù)雜分析，對 O2O 電商企業(yè)無疑有著重大的價值，但龐大而繁雜的不相關(guān)用戶數(shù)據(jù)，這也決定了其價值密度低的特性。

大數(shù)據(jù)環(huán)境下 O2O 電商用戶數(shù)據(jù)挖掘分析

O2O 電商用戶數(shù)據(jù)挖掘框架包括數(shù)據(jù)來源層、數(shù)據(jù)收集層、數(shù)據(jù)組織層、數(shù)據(jù)存儲層、數(shù)據(jù)分析層、數(shù)據(jù)應(yīng)用層。 不同于傳統(tǒng)數(shù)據(jù)分析，大數(shù)據(jù)挖掘是一個知識自動發(fā)現(xiàn)的過程，在無明確的目標(biāo)下從不同數(shù)據(jù)源獲取數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理，并大量使用機(jī)器學(xué)習(xí)與人工智能算法對龐大的觀測數(shù)據(jù)進(jìn)行挖掘分析。

O2O電商用戶數(shù)據(jù)挖掘著重解決這樣一個問題： 在大數(shù)據(jù)中，分析各用戶群體的特點，進(jìn)而分析用戶個人特點，獲得有價值的知識，從而獲取商業(yè)價值。數(shù)據(jù)挖掘流程包括：數(shù)據(jù)收集、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)抽取、數(shù)據(jù)挖掘、挖掘應(yīng)用。（1）數(shù)據(jù)收集。用戶數(shù)據(jù)以“流”的形式創(chuàng)造，由于3個數(shù)據(jù)源之間有交互，且其數(shù)據(jù)內(nèi)容往往交叉，所以按照交易、互動及觀測數(shù)據(jù)進(jìn)行分類，然后通過Needlebase 等工具在用戶消費的過程或其它行為中收集。（2） 數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理包括了數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)轉(zhuǎn)化及數(shù)據(jù)抽取。數(shù)據(jù)預(yù)處理決定了挖掘結(jié)果的質(zhì)量，從某種程度上來看，數(shù)據(jù)預(yù)處理往往左右著數(shù)據(jù)挖掘的成敗。（3）數(shù)據(jù)挖掘及其應(yīng)用。在數(shù)據(jù)挖掘過程中，根據(jù)不同的應(yīng)用需求選擇不同的挖掘模型，對數(shù)據(jù)進(jìn)行深度挖掘。其中主要模型有：關(guān)聯(lián)規(guī)則分析、分類分析、聚類分析等。得到數(shù)據(jù)挖掘結(jié)果后，對其進(jìn)行解釋應(yīng)用，一般挖掘應(yīng)用包括排名與個性化推薦、異常檢測、Web 挖掘與搜索、大數(shù)據(jù)的可視化計算與分析等。

大數(shù)據(jù)環(huán)境下 O2O 電商用戶數(shù)據(jù)可視化展現(xiàn)

用戶數(shù)據(jù)可視化能夠展現(xiàn)出更細(xì)化的市場、更精準(zhǔn)的用戶行為預(yù)測、更精確的用戶需求。通過收集、加工和處理涉及用戶消費行為的大量信息，確定特定用戶群體或個體的興趣、消費習(xí)慣、消費傾向和消費需求，進(jìn)而推斷出相應(yīng)用戶群體或個體下一步的消費行為，然后以此為基礎(chǔ)，對所識別出來的用戶群體進(jìn)行特定內(nèi)容的定向營銷，節(jié)省營銷成本，提高營銷效果，提升平臺的價值。

對 O2O 平臺來說，來自用戶的消費習(xí)慣、興趣愛好、關(guān)系網(wǎng)絡(luò)以及整個互聯(lián)網(wǎng)的趨勢、潮流都將成為電商行業(yè)從業(yè)者關(guān)注的熱點，而這一切的獲取和分析都離不開互聯(lián)網(wǎng)大數(shù)據(jù)分析。基于移動互聯(lián)網(wǎng)與移動社交平臺的海量數(shù)據(jù)分析，將電商營銷帶入個性化時代。大數(shù)據(jù)魔鏡能夠?qū)Υ髷?shù)據(jù)進(jìn)行收集、存儲、計算、挖掘和管理，并通過深度學(xué)習(xí)技術(shù)和數(shù)據(jù)建模技術(shù)，使數(shù)據(jù)更加的智能化。電商企業(yè)在采用大數(shù)據(jù)魔鏡引擎后，能夠幫助其在海量數(shù)據(jù)中實現(xiàn)消費者人群的細(xì)分，行業(yè)細(xì)分以及消費者的喜好（行為）細(xì)分；通過這些細(xì)分關(guān)聯(lián)，使得電商企業(yè)能夠為細(xì)分的消費者投放精準(zhǔn)的推送服務(wù)，從而滿足消費者的個性化需求以及實現(xiàn)電商企業(yè)的營銷增長需求。比如，可根據(jù)消費者不同地域的位置服務(wù)及特征，通過大數(shù)據(jù)魔鏡制定出針對不同地理位置且個性化的精準(zhǔn)消費者廣告服務(wù)。

隨著云計算與數(shù)據(jù)挖掘等技術(shù)的發(fā)展，電子商務(wù)數(shù)據(jù)，尤其是用戶數(shù)據(jù)中所蘊(yùn)含的價值會越來越容易被挖掘出來。電子商務(wù)企業(yè)已經(jīng)意識到，電子商務(wù)正經(jīng)歷著從用戶數(shù)為王，到銷量為王，再到現(xiàn)在的數(shù)據(jù)為王的變遷，而最準(zhǔn)確的商務(wù)決策來自于事實，即數(shù)據(jù)支持。數(shù)據(jù)挖掘以及大數(shù)據(jù)可視化等大數(shù)據(jù)技術(shù)應(yīng)用必將成為O2O電子商務(wù)深入發(fā)展的關(guān)鍵，勢必會為其帶來巨大的商業(yè)價值。