近幾年，中國網購發展迅猛，已成為中國消費市場的重要力量。足不出戶就可以享受方便快捷、品種多樣的購物特點吸引了越來越多的消費者融入網購行列。據據互聯網咨詢機構易觀國際統計，2010年上半年中國網上零售市場交易規模達2133億元，已接近商務部發布的2009年全年的2586億元。2007年至2009年中國網絡零售交易額年均增長速度達117％，約是同期社會消費品零售總額年均增長速度的6.5倍。僅2010年，B2C電子商務的網上零售市場規模突破1000億元大關，達到1040億元，環比增長373％。截止到2010年10月，我國的網購人數已達到1.42億，網絡上商品量已經達到數十億件之多。如何在海量的客戶和海量商品之間找到結合點，達成有效電子交易，促進電子商務平臺競爭力提升，已經成為新時期網絡購物，電子商務平臺必須重視的重要問題。要從海量的數據中尋找決策，離不開先進的數據倉庫技術。
1 數據倉庫的源起及作用
數據倉庫之父William H.Inmon在1991年出版的。“Building the Data Warehouse”一書中所提出數據倉庫(Data Warehouse)是一個面向主題的、集成的、隨時間變化的，但信息本身相對穩定的，反映歷史變化的數據集合。現在，數據倉庫主要用于支持管理決策的結構化數據環境，并陸繼出現了在數據倉庫基礎上進行聯機分析處理技術OLAP分析、數據挖掘等傳統的數據分析模式以及面向中小企業的數據分析代理應用模式。隨著這些支撐商務智能技術的深入發展和應用，市場主流的電子商務網站已經可以實現自動記錄客戶的點擊順序，以及在每個產品停留的時間和成功的交易，進而分析用戶的喜好，了解客戶的潛在購買需求，并以此為關聯，從海量商品中推薦符合客戶購買習慣的精品商品，從而提供更好的服務并創造更多的利潤。這僅僅是建立在網購用戶層面的體驗，基于數據倉庫和多維分析技術的決策支持系統在企業營銷庫存管理中也充分發揮了——一分析顧客需求、了解市場行情、把握銷售趨勢、降低銷售成本、實現合理庫存的重要作用。
2 電子商務智能化發展中呈現的一些不足
雖然數據倉庫在電子商務智能化的應用中發揮了積極的重要作用，但在實際的應用中還是存在許多不如人意的地方，主要反映在以下幾個用戶層面上：
2.1 網購消費者
網絡購物平臺對于每位消費者都是公共和平等的，以2010年第四季度以來我國主要B2C電子商務平臺的大規模網絡促銷為例，在促銷環境下，有許多商品未經甄選和個性化關聯就呈現在用戶面前，在提高銷售量的同時，也產生了大量的非理性消費，當網購用戶經過一輪的瘋狂購物以后，發現大部分商品并不是所須商品和理想中的商品時，潛在的用戶流失風險就產生了。有不少的消費者開始不再同一家商鋪重復購買商品，有的甚至終止了原先的購買計劃，這種用戶流失對企業的銷售影響是長期的。
2.2 網絡營銷商和產品生產企業
區別于傳統的數據庫，數據倉庫一個重要的功能是為企業提供決策。當用戶在購買了一部分產品之后，哪些產品同時購買的幾率比較高？哪些產品的重復購買幾率比較高？哪些產品的有效購買率比較高？雖然類似“購物籃分析”的技術應用已經在大部分電子商務平臺開展實施，但是不難發現，消費者在網絡購物中遭遇斷貨、空倉的現象司空見慣，而銷售業績慘淡、無人問津的網店商鋪也比比皆是。傳統的信息與數據分析處理技術已經遠不能滿足企業在電子商務網站環境下的需求。為了取得良好銷售業績，對大量的現有數據進行有依據、有針對性的數據挖掘，從而確定目標客戶群、擬定生產計劃、制定銷售方案，是確保網絡銷售的順利進行、提升銷售業績、防止用戶流失的必要準備工作，而個準備工作做得是否充分，將對網絡營銷商和產品生產企業起著非常關鍵重要的作用。
2.3 電子商務平臺提供商
據相關調查顯示，大部分網購者更改購買習慣，特別是從一個電子商務供應商轉向另一個供應商只是為了得到更好的服務及節省支出。作為網購消費者，希望在浩如煙海的東西找到自己要的東西，最好是能快速地找到或者是網站平臺自動提供相關的商品供用戶選擇。然而目前的數據處理技術還不太成熟，其應用還有較大的局限性。例如，網購消費者在進行商品搜索時不能以圖片為搜索條件對圖示實物進行搜索。以數據挖掘技術為例，目前的數據挖掘工具只能處理一些數值型的結構化數據，無法對圖形、圖像、數學公式等數據形式進行挖掘操作。通過在線分析與數據挖掘技術查詢和分析數據庫和數據倉庫結果，將成為網絡銷售成敗的關鍵因素。而決策準確度的偏差，將降低企業與網絡平臺供應商之間的依賴程度。
3 提高電子商務智能化的對策
眾所周之，運費是網購相比實地購物的額外支出，如果能在能同一家網鋪買到計劃購買的全部商品則可以減少不必要的運費支出，從而大大提高消費者的購買機率。就目前的網購實際而言，這點對于大多數中小型網店難以實現。如何使網絡營銷商和生產企業的投入與業績比達到最優化，建議加強以下兩方面的建設：
3.1 建立公共區域特征數據庫以完善關聯數據倉庫的維度
數據倉庫的重要特征之一是“面向主題”，即數據倉庫的結構是圍繞主題的。以C2C電子商務平臺的“某一商品的購買用戶統計”為例，主題即為對該商品的“購買用戶統計”，它由事實表和維表構成。其中存儲了所有與該商品產生交易事件用戶信息的事實表，包括廠該商品的實際購買用戶總數、新增用戶數、新減用戶數(由于退貨等因素最終未能成功的交易)、無效用戶數(關閉或取消的交易)，這些作為數據統計的事實數據，是進行各種數據分析的基礎，也是分析主體的量化體現。而購買該商品用戶的重要標識(如用戶名、性別，年齡，教育程度，經濟收入)、所在區域，信用度等信息記錄則是該數據倉庫的維表，是數據分析決策的角度。通過對海量數據的分析，商品的決策者就可以開展諸如什么地區購買用戶多、什么年齡階層購買潛力大等相關決策分析。本文建議在數據倉庫中建立公共區域特征維表，以用戶地理區域為例，假設：購買某一商品的用戶大多數來自某一地區，則可以關聯該地區的人文、氣候、風俗、習慣等特征，分析潛在購買商品的機率，從而帶動相關產品的銷售。公共區域特征數據庫的建立與關聯，也可以作為電子商務平臺為用戶個性化推薦商品的首要參考。
3.2 重視動態點擊流數據倉庫的利用來提高準確性
點擊流(clickstream)是網頁服務器日志文件所記錄的網站上每個用戶的每一次點擊。傳統的靜態點擊流數據主要來源干存儲在、Web服務器的日志文件，由于網絡數據傳輸途徑的特殊性，難免夾雜一些臟數據或噪聲數據，使得Web日志中的數據缺乏精準確度，就需要對數據進行凈化處理、用戶識別和會話識別等預處理工作，而數據預處理本身就是一項巨大的工程。并且，需要IP地址和Cookie技術輔助支持的Web日志用戶識別和會話識別工作在實際操作過程中常常會受終端用戶的限制。動態點擊流的出現很好地解決了預處理的難題，它以網頁“會話”——session為單位，每一個session ID對應一個用戶，將與該會話相關聯的全部Web看作一次用戶會話，并設置超時時間，避免無效停留時間的累計。通過記錄用戶在各商品頁面的停留時間、是否產生購物行為等數據，構建動態點擊流數據倉庫維模型，以準確分析網購用戶的消費行為，興趣偏好，從而進一步優化網站的內容和產品銷售種類。
4 結語
網絡購物的出現正以越來越廣泛的影響改變人們的購物習慣和生活方式，電子商務技術正朝著消費者個性化、購物智能化、檢索人性化的發展方向不斷探索、不斷完善。在提高電子商務智能化技術的同時，必須加強對信息傳輸數據的安全性管理，以防止信息被非法獲取從而導致用戶隱私泄漏，進一步實現我國電子商務的健康可持續發展。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
相關文章
