电子商务用户数据的知识融合研究外文翻译资料

摘要：新型电子商务平台的诞生，需要有相应的数据处理思维和技术来支撑发展。本文分析了大数据环节下电子商务模式的用户数据特征、数据挖掘和分析，以及大数据在电子商务模式中的应用，然后利用平台数据对数据进行相关性分析，最后提出了未来的发展建议。

关键词：电子商务； 用户数据； 知识融合；供应链

外文翻译一：

电子商务用户数据的知识融合研究

Meng Cong

Jinan Vocational College, Jinan, Shandong, China

1. 介绍

计算机的快速发展和互联网的普及为居民网上购物提供了前提条件，移动网络的快速发展，物流运输的快速发展，电子支付的便利，进一步推动了网上购物的发展。随着相关法律法规和电子商务体系的完善，越来越多的消费者信任网上购物。在中国电子商务市场上，C2C市场正在稳步发展，但B2B市场仍占主导地位。B2C市场得益于移动电子商务的发展，增长迅速，O2O的市场也在不断扩大。网上购物的习惯已经改变了消费者去实体店的习惯，网上购物更方便并且可以货比三家，和网上购物的概念已经驱使消费者对网上购物保持好奇心,越来越追求低价，对商品质量、店主服务质量、购物的用户体验和物流的方便和速度等方面要求逐渐提高。如何在当前激烈的电子商务竞争中占有一席之地，赢得更多的消费者，保持营业额的持续增长等等，是所有电子商务企业所面临的一系列问题。

一方面，大量的交易给电商企业带来了巨大的利润，另一方面，大量的数据也给电商企业带来了一些问题。目前，电子商务业界一致认为电子商务已经进入大数据时代，但面对海量的数据，电子商务企业获取和利用数据的效率非常低，数据的商业价值远未得到开发。在数据爆炸的时代，如何利用数据，为企业带来商业价值，如何改变传统的商业思维，将是每个电子商务企业将要面临的难题。

2.大数据环境下氧气商业模型的数据挖掘过程与方法分析

2.1数据挖掘框架分析

由于O2O用户数据的特点，电子商务企业无法利用传统技术对其信息进行有效分析，从而获得有用的商业价值。如何从庞大而复杂的用户信息中获取有效价值，已成为O2O电子商务企业竞争的重要手段之一。大数据挖掘就是其中一种工具。它是一种通过分析海量数据得出规律和结论的技术。O2O电子商务用户挖掘框架包括数据源、数据预处理和数据分析三个方面。数据预处理包括数据组织、数据采集和数据存储。数据应用采用O2 O的面向对象方法，包括面向平台、面向用户和面向业务的应用。

2.2 Oxygen业务模型数据挖掘流程分析

在数据挖掘的全过程,重点是要解决这样一个问题,即,分析不同用户组的特点在O2O电子商务,以分析个体的特点,分析特定的法律,然后使用它们来转变成有用的业务价值。

2.3用户数据收集

O2O的用户数据源主要包括各O2O平台、社交网络和移动设备的用户数据。数据是用户在使用O2O平台和其他社交平台的过程中以“流”的形式产生的。因为这三个用户数据源是重叠的和相似的，所以显示的一些数据内容将是重叠的。因此，在收集数据时，通常将数据分为三类:交易数据、交互数据和观测数据。

(1)用户数据预处理

由于原始数据不能直接使用，存在噪声、冗余、缺失等问题，所以在数据准备时需要对数据进行处理，补充一些缺失值，从而提高数据利用率。下一步是数据转换过程。结构化数据处理得更好。它过滤结构化数据，提取有效数据和消除无效数据。在数据方面，传统的数据处理工具无法分析非结构化和半结构化数据。因此，在数据转换过程中，这些半结构化和非结构化的数据将被转换为机器语言或索引，然后再转换为加权逻辑或模糊逻辑，通过不同的关键词映射到标准值。

然后是数据提取过程，即检测数据之间的相关性和相关性。大多数用户的特征都可以用数据的相关性来表示，可以用于用户个性化推荐。利用相关数据获取有效价值，为企业带来更多商业效益。

(2)用户数据挖掘及其在O2O电子商务中的应用

商人通常使用数据挖掘来预测未来的趋势。根据不同的业务需求选择不同的数据挖掘模型。在数据挖掘中，主要有三种类型的模型:关联规则分析、聚类分析和分类分析。目前，用户模型也是一种常见的模型，它将人们的年龄、性别、兴趣、种族进行分类。在O2O电子商务用户数据挖掘中，常用的方法有关联规则分析、变化和偏差分析、分类聚类分析等。数据挖掘的结果将被解释和应用。

一般的数据挖掘应用包括个性化推荐、Web挖掘与搜索、异常检测、大数据可视化分析等。

3.Oxy电子商务模型中的数据挖掘分析

深入的数据挖掘和数据分析可以使O2O电子商务模式的所有参与者受益。对于O2O用户来说，更准确的数据分析可以为他们提供更实惠、更及时、更个性化的服务。对于O2O商家来说，数据挖掘的分析可以让他们更及时有效的掌握市场动态，对各种变化做出快速的反应。对于O2O平台来说，有效的数据挖掘可以让他们制定更准确的营销策略，获取更多的商业信息。利用用户消费行为的大量数据，准确定位用户的消费习惯、兴趣爱好等，从而预测用户的下一次消费行为，并利用该平台对用户进行具体的内容营销。这种精准营销不同于传统营销。可以节省更多的成本，取得更好的营销效果。它可以赢得更多的消费者和更多的业务资源。此外，平台还可以借助用户数据挖掘对平台网站进行优化。例如，通过挖掘平台访问者的特征，可以修改网站的结构和外观;通过对有一定支持和信任的商品进行捆绑，可以促进销售;平台还可以在密切相关的页面之间添加链接，合理安排服务器页面的缓存策略，提高用户浏览满意度。此外，通过数据挖掘，O2 O平台发现并保留客户，稳定客户关系。数据挖掘技术也可以用来分析欺诈企业，防止网络欺诈。

外文翻译二：

从生鲜电商的艰难发展到生鲜电商的无限商机——“互联网 流通”，生鲜电商的未来正在到来

Yao Pan
Xinyang Agriculture and Forestry College

2.我国生鲜电子商务发展现状

2.1互联网巨头的参与提升了行业标准

由于人们频繁的刚性需求，生鲜吸引了BAT(百度、阿里巴巴、腾讯)以数千亿的市场巨头进入这个领域。(曾跃军，2014)生鲜电商尽力向阿里巴巴，腾讯和百度靠拢，以获得更多的资金和流动支持。互联网行业背后有支付、数据、O2O、同城服务等商业服务。资本正在做战略定位，进入生活服务领域。BAT的加入对于新兴市场的中小电子商务企业来说意味着灾难的堆积。

2.2产业结构逐步明晰

现在新兴的电子商务企业已经成为一个冰火共存的领域。各类生鲜电子商务企业都在寻找实力更强的资金后盾来争取生鲜电子商务市场份额。天猫和京东等综合电商平台也加快了进入这一新市场的步伐。刚进入市场的生鲜电商寻求资本农场、生鲜时代等纵向发展模式，规范流通市场，定制精品常规。生鲜电商的市场结构已经清晰，那就是“两超多强”的格局。两股力量是阿里巴巴和京东，多股力量是Womai、Benlai.com、Bee quick和Missfresh等平台。

2.3多模共存

目前生鲜电商的发展模式有六种:1以天猫、京东为代表的综合电商平台。苏宁易购、一号店和亚马逊。2. 顺丰是物流电子商务的代表，以快递为支撑。以我买网、962360.com为代表的食品供应商4. 垂直生鲜电商企业如Fields.com, cnyoucai.com和Benlai.com.。5.直接从以Tonyrsquo;s Farm为代表的农场销售。Tootoo.com，有自己农场的生鲜电商。6. 社区生鲜O2O。

2.4仍然需要资金

与一般商品不同的是，生鲜电商的仓储、物流、冷藏、冷冻和高标准包装提高了成本，成为生鲜电商投资的一大部分。在电子商务中，价格战是一个不可回避的话题。生鲜电商也不例外。BAT的加入加剧了整个行业竞争的残酷。生鲜电商的竞争数量无法让所有企业都生存下来。企业必须在竞争中挣扎，这就意味着企业的发展需要巨大的资金支持。

3. 生鲜电商的失败是谁的错?

3.1新鲜度无法标准化，成本过高

由于品种多、成本高、易腐烂、保鲜困难等特点，不能使新鲜度标准化。此外，生产地点是分散的。没有统一的标准，产品质量差别很大。虽然水果是相似的，但是不能根据不同的质量来统一价格。规范化管理难度大，不能降低成本，提高管理效率。这也使得消费者进行横向比较，从而判断好坏。因此，新鲜度并不能获得消费口碑。(Yong Tang,2014)生鲜电商在购买、运输、储存、工作、配送等环节的成本较高，产品的品种在不同的温度和环境下会形成不同的形状。产品发放给消费者时，不能保证原产。调查显示，在生鲜电商企业中，蔬菜的损失率高达10%-20%。

因此，需要一个相当严格的标准化流程，以确保降低损失率，提高消费者的忠诚度。虽然有相当多的生鲜企业声称会致力于新鲜度的标准化，但很少有企业对资源和退货周期进行标准化。更多的企业专注于争夺精细化原始资源的捷径。

3.2冷链管理和质量控制能力是主要薄弱环节

电子商务的新鲜之源是供应链。中国是一个舌尖上的国家。消费者对食物很讲究。食物不仅应该是新鲜的，还应该转变为不同的品种，这意味着新鲜的产品应该有品种和精制。供应链的质量决定了电子商务的质量。

受地域、气候、土壤、生长周期等因素的影响，其品质和稳定性、持久性均较差。价格波动很大。产品太贵，没法好好保养。对供应链的管理和质量控制要求非常严格。如果在质量、采购、仓储、价格和损失控制等方面没有得到足够的重视，就会有很大的风险。

综上所述，供应链源头的管理和控制困难是当前电子商务发展的一个薄弱环节。

3.3冷链配送成本高，效率低

很多生鲜电商的农产品都需要全程进行冷链。从村庄到客户最后一公里的冷链是必须的。但目前消费者对生鲜商品的需求分散，单次订单小，无法带来规模效益，加大配送难度。特别是当客户因为冷链物流导致的质量问题而取消订单时，货物可以重新销售。但是它会打压生鲜电商的发展空间，来直接的经济损失，损害生鲜电商的声誉。

冷链物流投资过高。冷链运输车和冷链仓库的采购和建设需要大量的投资。由于缺乏管理经验和先进技术，导致配送效率低、成本高，影响价格，对采购产生不良影响。以蔬菜和水果为例，统计显示，国内的损失率高达25%，而发展中国家只有5%。一些美国的新生鲜电商可以控制在1%。(Kerong Pan, 2013)这表明冷链物流水平低，限制了生鲜电商的发展。

4. 关于电子商务发展的建议

4.1生鲜电商的标准化和品牌化

标准化是实现质量和扩大市场的关键。解决这一问题需要生产、包装和物流的标准化。帮助供应方打造品牌化、标准化产品，是生鲜电商的使命和价值。与此同时，品牌化和标准化也将促进生鲜电商行业向相反的方向发展。

4.1.1第一公里标准化建设

第一公里是指农产品采购后，在交付物流运输前的预冷、分拣、加工、包装、储存，以保持农产品的新鲜品质。(王丽丽，黄静，2017)在生产保鲜场所进行预冷，可以延长贮藏时间，减少运输损失。也可以避开销售高峰期，获得更多的利润。企业应意识到预冷和储存的重要性，加强冰箱标准化建设。

4.1.2生产和包装的标准化建设

在分拣过程中，要制定质量标准。根据产品的质量标准和垂直差异(尺寸、颜色、味道)和水平差异(消费者的颜色偏好)对产品进行分类。包装很重要。良好的包装不仅可以保护产品运输方便，减少损失。还可以显示产品信息，美化产品，方便消费者购买，提高销售量。

4.1.3物流标准化建设

完善生鲜电商物流体系。生鲜电商应重点关注生鲜电商商品的物流运作和技术标准。生鲜物流链的上下游应进行间接管理。制定保鲜、冷藏、保温技术及分拣、包装、冷冻、冷却、冷链运输、配送等操作规范。建立完善的质量控制体系和质量可追溯性。建立数据收集、交换标准和信息管理标准，推进质量安全认证和市场准入规则，确保新鲜度的质量和物流效率。

4.1.4品牌建设

生鲜电商的新鲜产品多样化。标准化和品牌化仍然是关键。农产品精加工副产品不缺。相对于价格战，如何让本土的新鲜成为一个品牌是一条发展之路。当地的新鲜度是销售的起点。优势是可见的，也是可以控制的。运输标准和环节的减少可以降低成本。品牌设置后，可以促进具有周边特色的生鲜产品的销售，实现品牌效应。

4.2优化供应链，打造基础 平台 消费者的全产业链

供应链是新鲜产业的生命线，也是实现质量控制的关键和核心。谁能控制供应链的各个环节，谁就能建立起新鲜商品的快速转移机制，谁就具有很强的竞争力。

在上游，企业应该整合供应商的资源，提高产品的议价能力，在同类产品中为客户提供优化的产品。在中游阶段，企业应加强管理，整合管理资源。在下游，建立完整的冷链物流体系，整合物流资源，为客户提供更好的配送体验。

4.3加大技术和资金投入，发展冷链物流和物流产品

生鲜电商需要良好的冷链技术来完善特殊物品的物流、仓储和配送环节。只有在配送过程中进行精细化冷冻储存和优化冷链技术，才能保证产品的新鲜度，降低配送过程中的损失率。

标准是生鲜电商竞争的关键。面对网络化、平台化、智能化(联动)、绿色化、金融化、大数据化、生态化的发展趋势，冷链物流应该向产品化发展。冷链服务产品是指对不同生鲜产品提供产品包装、冷库、冷库车辆、冷链操作流程和规范的标准化项目。产品标准化顺丰快递等企业在服务旺季，服务的操作应该像加热的大闸蟹一样。

4.4 O2O线上线下结合的合作管理

未来电子商务的发展趋势是线上线下结合的新兴O2O。下单

剩余内容已隐藏，支付完成后下载完整资料

引用文献一：

Research on Knowledge Fusion of E-commerce User Data

Meng Cong

Jinan Vocational College, Jinan, Shandong, China

1. Introduction

The rapid development of computers and the popularity of the Internet provide residents with the premise of online shopping. The rapid development of mobile network, rapid logistics and transportation, and the convenience of electronic payment further promote the development of online shopping. The improvement of relevant laws, regulations and e-commerce system makes more residents trust online shopping. In Chinas e-commerce market, C2C market is developing steadily, B2B market is still dominant. B2C market benefits from the development of mobile e-commerce, its growth is rapid, and the market of O2 O is expanding constantly. Residentsshopping habits have changed from having to go to physical stores to online shopping more convenient and affordable, and the concept of online shopping has changed from curiosity about online shopping and pursuing lower prices to the requirements of commodity quality, shopkeeper service quality, shopping user experience and the convenience and speed of logistics. Thus, consumersdemand for online shopping is increasing. How to gain a place in the current fierce competition of e- commerce, win more consumers, maintain the continuous growth of turnover and so on are a series of problems faced by all e-commerce enterprises.

On the one hand, a large number of transactions have brought huge profits to commercial enterprises, on the other hand, a large amount of data has also brought them some problems. At present, the e-commerce industry agrees that e- commerce has entered the era of big data, but facing the huge amount of data, the efficiency of data capture and utilization of e-commerce enterprises is very low. The commercial value of data is far from being developed. In the era of data explosion, how to make use of data and bring business value to enterprises, and how to change traditional business thinking will be the difficult problems that every e-commerce enterprise will face.

1. Data Mining Procedure and Method Analysis of Oxygen Dioxide Business Model in Large Data Environment

2.1 Data Mining Framework Analysis

Owing to the characteristics of the user data of O2 O, e-commerce enterprises can not use traditional technology to efficiently analyze their information to obtain useful business value. Nowadays, how to derive the effective value from the huge and complex user information has become one of the important means of competition among the O2 O e-commerce enterprises. Big data mining is one of the tools. It is a technology that can get some rules and conclusions by analyzing massive data.

The framework of user mining for O2 O e-commerce includes three aspects: data source, data preprocessing and data analysis. Data preprocessing includes data organization, data collection and data storage. Data application adopts the object-oriented approach of O2 O, including platform-oriented, user-oriented and business-oriented applications.

2.2 Analysis of Data Mining Procedure for Oxygen Business Model

In the whole process of data mining, the focus is to solve such a problem, that is, to analyze the characteristics of various groups of users in the O2O e-commerce, so as to analyze the characteristics of individuals, analyze certain laws, and then use them to transform into useful business value.

2.3 User Data Collection

User data sources of O2O mainly include user data of various O2O platforms, social networks and mobile devices. Data is generated in the form of “streams” in the process of users using the O2O platform and other social platforms. Because these three user data sources are overlapping and similar, some of the data content presented will be overlapping. Therefore, when collecting data, they are usually classified into three categories: transaction, interaction and observation data.

(1) User data preprocessing

Because the original data cant be used directly, there are some problems such as noise, redundancy and missing, so data should be processed to supplement some missing values in data preparation, so as to improve the value of data utilization. The next step is the data transformation process. Structured data is better processed. It filters structured data, extracts valid data and eliminates invalid data. In data, unstructured and semi-structured data can not be analyzed by traditional data processing tools. Therefore, in the process of data transformation, these semi-structured and unstructured data will be transformed into machine language or index, and then into weighted logic or fuzzy logic, mapping to standard values through different keywords.

Then there is the data extraction process, which is to detect the correlation and correlation between data. Most userscharacteristics can be represented by the relativity of data, which can be used for user personalized recommendation. Use relevant data to gain effective value and bring more business benefits to enterprises.

(2) User Data Mining and Its Application in O2O E-commerce

Businessmen usually use data mining to predict future trends. Different data mining models are selected according to different needs of businesses. In data mining, there are three main types of models: association rule analysis, clustering analysis and classification analysis. At present, user model is also a common model, which classifies peoples age, gender, interest, and race. In the user data mining of O2O e-commerce, the commonly used methods are association rule analysis, change and deviation analysis, classification and clustering analysis, etc. The results of data mining will be interpreted and applied ^[2].

General data mi

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[268665]，资料为PDF文档或Word文档，PDF文档可免费转换为Word