电子商务平台用户行为识别与分析研究

·98·交 流 探 讨农业开发与装备 2020年第6期农产品电子商务平台用户行为分析郭秀花（武威职业学院，甘肃威武 733000）摘要：在信息技术全面快速发展的今天，电子商务的发展水平不断提升，在农产品的销售以及推广过程中，积极依托于电子商务平台，不仅能够整体提升和优化农产品的销量，同时还能够在很大程度推动现代农业的发展。在农产品电子商务平台的创建过程中，应该精准高效的分析用户行为，以此不断推动农产品电子商务平台的发展。关键词：农产品；电子商务平台；用户；行为分析0 引言农产品电子商务平台是互联网技术与传统销售行业以及农业生产相结合的产物，自诞生初始用户数量一直在不断增长，对其用户行为的分析也不断增加。用户作为电子商务平台上的主体，是农产品电子商务平台的主体，在全面推动农产品电子商务发展的过程中，应该精准把握用户的行为，科学分析用户的行为，以此来为广大用户提供精准高效的服务，切实推动农产品电子商务平台的发展。1 农产品电子商务平台用户行为特点在电子商务快速发展的过程中，农产品作为一种相对特殊的商品，从广域上来看，它的用户同其他电子商务的用户具有相同的特点。但鉴于农产品的特殊性以及农产品用户的独特性，决定了农产品电子商务平台用户行为的差异性。因此，在推动农产品电子商务平台的发展过程中，应该精准高效的分析用户的行为特点。综合分析，农产品电子商务平台的用户具有明显的特点。1.1 具备较强的主动性农产品用户的针对性较强，在信息技术全面快速发展的今天，电子商务的整体发展速度不断加快，农产品用户的信息素养也在不断提升。无论是亲自操作，还是委托他人操作，他们在利用电子商务平台的过程中，具备较强的主动性，可以充分结合自身的需求主动寻找相关的服务。同时，较之于传统的电子商务用户，农产品商务平台用户的行为特点非常鲜明。随着互联网技术的逐步成熟，面对农产品电子商务平台提供的飞速增长的服务信息，用户的行为特点表现的更加充分、鲜明。正是由于农产品商品平台用户特点的日益饱满，才得以推动电子商务的发展，也才使得电子商务平台逐步结合用户的行为特点来进行针对性的发展和提升。1.2 具备较完整的用户信息农产品商务平台在快速发展的过程中，同样需要依托于科学的信息技术，不断提升自身的服务内容，科学优化自身的服务方式。农产品商务平台的用户在寻找服务的过程中，具备较强的目的性，这就使得他们在于互联网进行交互时，需要提供较为完整的信息，以此来提升自身的信息筛选以及利用成效。也正因为此，才使得电子商务平台得以依托于大数据技术来全面分析与整合用户数据信息。比如某用户在购买农业种子时，需要提供生长区域以及详细的个人信息，前者能够帮助电子商务平台的客服更好地向用户推介产品种类，后者则利于用户快速获得自身需求的农产品。1.3 具备较强的实时互动性同其他产品或者商品的电子商务平台类似，农产品电子商务平台同广大用户之间也存在着较强的实时性与互动性。依托于快捷高效的网络技术，依托于移动互联网技术等，使得农产品电子商务平台的企业可以同广大用户进行高效快捷的沟通，同时还可以保障沟通与交流的实时性与广泛性。比如用户既可以通过页面聊天窗口来寻求与卖家的互动，也可以通过传统的电话联系的方式来进行交互。同时，这种双方交互并不受时间和空间的限制和约束。1.4 具备较强质量安全关注度在农产品电子商务平台的发展过程中，用户作为电子商务的使用主体，他们的关注度可能区别于其他商务平台的用户。用户在采购农产品的过程中，可能更加关注农产品的产地，也更加关注农产品的质量和安全。这是农产品商务平台同其他商务平台较为显著的差异。2 农产品电子商务平台用户行为的分析方法在互联网技术全面快速发展的今天，积极推动农产品电子商务的发展，不仅能够为广大用户提供便捷高效的服务，同时也能够间接推动现代农业的发展。用户是农产品电子商务平台的主体，只有充分结合他们的行为特点，只有充分把握他们的行为方法，才能更有成效的推动农产品电子商务的发展质量，也才能更好服务于广大用户。在农产品电子商务平台用户行为的分析过程中，应该采用科学的分析方法。2.1 统计学法在农产品电子商务平台用户行为的分析过程中，统计学法是较为常用的分析方法。这种分析方法在数据处理过程中，能够比较高效便捷的处理简单数据，但却难以处理难度较大、较为复杂的数据。而且在实践过程中，若采用这种分析方法，还容易影响数据分析的整体精确性。因此，在对农产品电子商务平台用户行为的分析过程中，应该审慎采用这一分析方法。2.2 决策树方法在农产品电子商务平台用户行为的分析过程中，这一分析方法的使用也比较常见。但同上述分析方法相同，在实际利用过程中，可能仅仅能够应付简单数据的处理，难以实现对复杂数据的优化处理。而且，在使用这一分析方法时，还需要依赖于一定的参考数值。因此，这种分析方法的灵活性相对比较差，在使用过程中需要较多的辅助工具。2.3 聚类分析法在农产品电子商务平台用户行为的分析过程中，这一分析方法同样具有非常明显的优势，当然也存在着较大的不足和缺陷。比如在使用过程中，这一分析方法能够提升分析工作的整体速度，但无法保障分析结论的精准性。虽然利用这种分析方法能够进行有效的解释，但对于相关参数的依赖性比较强。总而言之，在用户行为的分析过程中，应该综合运用不同的分析方法，充分明确它们的优缺点以及比较优势，在此基础上科学对用户行为进行分析与评价，以此来更好的推动农产品电子商务的发展。3 农产品电商平台用户行为分析系统设计在农产品电子商务平台用户行为的分析过程中，应该明确用户行为的特点，明确不同分析方法的优劣势，以此来构建科学的分析系统。依托于科学全面的分析系统，综合性提升用户行为分析工作的整体成效，全方位推动农产品电子商务的发展，更好的基金项目：2018年度甘肃省教育厅项目（2018A-297）Copyright©博看网 . All Rights Reserved.·99·交 流 探 讨农业开发与装备 2020年第6期服务于广大用户群体。3.1 系统功能设计在对农产品电子商务用户行为进行分析的过程中，应该不断优化系统功能，充分明确和完善系统功能，以此来更好的开展用户行为分析工作。比如在完善系统功能设计时，应该充分划分系统不同的功能以及作用；设计用户行为分析，结合用户在电子商务平台上的购买行为以及评价行为等，给予精准高效的分析；精准营销分析，在对用户行为进行分析以及分类后，结合不同用户的特点以及意愿诉求等，采用差异化的营销策略，采用差异化的营销方式，更有成效的提升营销工作的质量。再比如农产品优良销售情况分析以及预警分析，结合科学精准的分析工作，精准判断不同农产品的销售情况，同时，明确销量以及口碑较差的农产品，继而降低对该企业的支持。3.2 系统设计思路在对农产品电子商务平台用户进行分析的过程中，还应该不断优化系统功能，依托于科学的设计思路，不断提升系统设计的整体成效，全面优化系统设计的整体水平。在系统设计思路中，应该明确三个方面的内容，即数据采集层、数据分析层以及分析结果显示层。数据采集层主要是进行系统用户数据以及行为的收集和采集工作，为数据分析提供科学的基础与前提。数据分析层则更多是对农产品电子商务平台的用户行为进行科学精准的分析，整体提升和优化分析质量与成效。最后一层则是对分析结果的全面展示，为农产品电子商务平台的发展提供科学详实的数据支撑。3.3 系统数据处理流程在农产品电子商务平台的系统设计过程中，系统数据处理是非常重要的。在优化系统数据处理的过程中，应该充分明确处理流程，不断提升数据处理工作的整体成效与质量。在实践应用过程中，首先对系统中的用户数据进行全面的搜集以及整合，继而为数据处理提供详实全面的基础。当获得较为完整的数据信息后，再对数据进行相应的预处理，对数据结构进行规范化操作，处理后的数据放至数据存储部分。用户行为数据分析部分是系统的核心部分。在用户行为数据的分析过程中，应该运用科学的分析方法。4 结语在互联网技术全面快速发展的过程中，全面推动农产品电子商务的全面快速发展，应该科学分析农产品电子商务的用户行为，结合用户行为等来明确电子商务平台的发展方向以及发展目标，以便更好的为广大用户提供精准高效的服务，全方位提升农产品电子商务平台的发展成效。参考文献[1] 吴波.农产品电子商务平台用户行为分析[D].安徽农业大学，2016.[2] 于泽.基于REAL模式的农产品电子商务模式[J].环球市场信息导报，2015，（4）：17，35.应用内容感知的使用环境有这样的特征，比如光照、位置与植物特征等，明确提供给应用人员的信息数据的正确而合适的。由于使用了精确的位置信息、植物特征等数据信息，因此不需要再进行查找处理，增强现实技术应用的内容感知可以更快速地为使用人员提供必要的信息数据。增强现实技术应用的内容感知需要有容易携带的移动设备，稳定的定位技术，以及更为便利的用户接口。同时需要基于互联网获得必要数据信息的特殊数据库。未来探究关键就是怎样才能够把情境相关的数据信息集中提供，信息数据中不只有物种、时间与位置，同时要兼顾场景与光照等诸多不稳定的因素，而未来能够将这个目标实现，人工智能相关技术会被广泛采用。2.5 容易携带的增强现实技术移动设备未来能够对增强现实技术应用设备的易用性、可用性进行针对性完善，装有增强现实技术应用的相关设备一定要容易携带。在现代来讲，智能手机与平板电脑就是具有代表性的设备，其带有摄像头和位置、方向的传感器，有足够的内存，并且还有快速处理器与图像加速器，有显示器且体积比较小，具有非常强大的功能，价格方面也在持续降低，这种容易携带的智能移动设备逐渐普及，具备增强现实技术功能的智能设备也逐渐变得更小，更多复杂的设备可以像衣服一样直接进行穿戴。未来探究的关键或许就是要开发创造更易于进行实际应用的自然用户接口，微型的现实设备，以及相比能够更加强悍的微型芯片，可以进行创带的增强现实技术应用会变成未来探究的关键所在。3 结语综上所述，增强现实技术应用的创新发展与广泛应用，其能够对农业传统生产方式进行改善，例如在对野外物种进行识别的时候，对病虫害进行防治的时候，其采集的数据信息更为精准而真实，能够农业生产工作的成效，基于数字化农业发展智慧农业与数字农业云等产业。参考文献[1] 黄君钊.增强现实技术在农业生产方面运用的分析展望[J].科技风，2017，（4）：127，136.[2] 薛宏岩.虚拟现实技术在农业上的应用探究——以青岛农业大学动漫与传媒学院虚拟现实研究中心为例[D].青岛农业大学，2018.[3] 刘昶希，胡军，赵胜雪，等.基于虚拟现实技术的仿真教学在农机专业的应用与发展[J].南方农机，2019，50（19）：34-35.[4] 王翠翠，郭新宇，王殿亮.增强现实技术在农业中的应用[A].2016科学与艺术研讨会论文集[C].2016：181-186.（上接第85页）Copyright©博看网 . All Rights Reserved.

电子商务平台中用户购物行为分析方法及推荐算法

随着互联网的快速发展，电子商务平台已经成为人们购物的主要渠道。在电子商务平台上，用户的购物行为呈现出多样化和个性化的特点，这给电商平台提供了大量的数据资源和商机。为了能够更好地理解用户需求和行为，以及提供个性化的、精准的推荐服务，电商平台需要开发出有效的用户购物行为分析方法和推荐算法。

一、用户购物行为分析方法

1. 数据收集：要进行用户购物行为分析，首先需要收集用户在电商平台上的相关行为数据，包括浏览商品、加入购物车、下单购买等。数据收集可以通过服务器日志记录、用户行为追踪、问卷调查等方式进行。

2. 数据清洗和预处理：原始的用户行为数据可能存在噪声和缺失值，需要进行数据清洗和预处理，包括去除重复数据、处理缺失值、异常值的处理等，以保证数据的质量和准确性。

3. 特征提取：从用户购物行为数据中提取有意义的特征，如浏览次数、购买频率、购买金额等，以反映用户的购物偏好和行为习惯。 4. 用户购物行为分析：通过对用户购物行为数据进行统计分析和挖掘，可以得到用户的购物习惯、偏好、喜欢的品类和商品等信息，有助于了解用户需求和购买意愿。

5. 聚类分析：通过聚类算法对用户进行分类，将具有相似购物行为的用户归为一类，以便为不同类别的用户提供个性化的推荐服务。

6. 关联规则挖掘：通过挖掘用户购物行为中的关联规则，如购买商品A的用户更有可能购买商品B，可以为用户提供交叉销售和个性化推荐。

二、推荐算法

1. 基于内容的推荐：基于用户购物行为数据和商品属性信息，通过计算商品与用户之间的相似度，推荐与用户行为和兴趣相关的商品。这种方法适用于用户的购物行为数据较少的情况。

2. 协同过滤推荐：基于用户行为数据和用户之间的相似性，将具有相似购物行为的用户看作一个群体，将某个用户未浏览或未购买的商品推荐给他。这种方法适用于用户购物行为数据丰富的情况。

3. 混合推荐算法：结合多种推荐算法，通过将不同的推荐结果进行加权或融合，得到更准确和个性化的推荐结果。 4. 实时推荐算法：根据用户实时的购物行为和偏好，实时推荐与其购买意向和行为相匹配的商品。这种方法能够及时捕捉到用户的需求和兴趣变化，提供更精准的推荐服务。

大数据分析在电子商务中的用户行为分析方法

在当今科技迅速发展的时代，大数据分析在电子商务中正扮演着越来越重要的角色。通过对海量的用户数据进行深度分析，电子商务企业可以更好地了解消费者的行为模式、喜好和购买习惯，从而提供个性化的产品推荐和更精准的营销策略。本文将介绍大数据分析在电子商务中常用的用户行为分析方法。

1. 用户画像分析

用户画像是指通过大数据分析技术，将用户相关数据综合考量后得出的用户特征描述。通过用户画像分析，电子商务企业可以了解用户的年龄、性别、地理位置、消费水平和兴趣爱好等方面的信息，以更准确地推荐产品和制定营销策略。用户画像分析通常采用机器学习算法，通过对用户行为数据的挖掘和建模，实现对用户画像的精准描述。

2. 购物篮分析 购物篮分析是指通过大数据分析技术，分析用户购物篮中不同商品之间的关联性。通过购物篮分析，电子商务企业可以了解用户的购买习惯和偏好，并根据这些信息提供个性化的产品推荐。购物篮分析通常采用关联规则挖掘算法，通过分析用户购物行为数据中的商品组合规律，挖掘出不同商品之间的关联性，从而为用户推荐相关的商品。

3. 流量分析

流量分析是指通过大数据分析技术，分析用户在电子商务平台上的访问流量和行为轨迹。通过流量分析，电子商务企业可以了解用户的访问习惯、行为路径和转化率等关键指标，从而优化网站的用户体验和营销策略。流量分析通常采用Web日志分析和用户行为分析等方法，通过分析用户访问日志和点击行为数据，揭示用户的访问路径和行为偏好。

4. 情感分析

情感分析是指通过大数据分析技术，分析用户在电子商务平台上的评论、评分和互动行为，从而了解用户的情感倾向和态度。通过情感分析，电子商务企业可以了解用户对产品和服务的满意度，为产品改进和服务优化提供参考意见。情感分析通常采用自然语言处理技术和机器学习算法，将用户的评论和评分数据转化为情感极性，进而分析用户的情感倾向。

5. 用户转化率分析

基于机器学习的电子商务平台用户行为分析系统的设计与实现

一、项目背景

随着互联网的不断发展和普及，电子商务平台在现代生活中扮演着重要角色。电子商务平台作为商家和消费者之间的桥梁，承载了大量的用户行为数据。这些数据蕴含了丰富的信息，可以帮助商家了解用户需求、优化产品和服务，从而提升用户体验和销售效果。

然而，面对庞大的用户行为数据，商家往往难以直接获取有价值的信息。传统的数据分析方法在处理大规模、高维度的数据上效果较差，无法充分挖掘数据潜在的商业价值。具有重要意义。本报告将就现状分析、存在的问题以及对策建议进行探讨。

二、现状分析

1. 电子商务平台用户行为数据的特点

电子商务平台用户行为数据通常包括用户浏览页面、下单购买、评价反馈等多种行为。这些行为数据的特点如下：

（1）海量性：电子商务平台每天生成海量的数据，包括用户点击记录、订单数据、用户评价等，数据量庞大。

（2）高维度：用户行为数据通常包括多个维度，例如商品类别、时间、地点、用户属性等多个方面的信息。

（3）时效性：用户行为数据通常包含实时的信息，商家需要及时获取并作出反馈。

2. 现有的用户行为分析方法

目前，已有一些用户行为分析方法被应用于电子商务平台。这些方法主要包括以下几个方面：

（1）统计分析：通过统计用户行为发生的频率和规律，分析用户的偏好和习惯。

（2）关联分析：通过挖掘用户行为之间的关联关系，发现用户潜在的需求和购买意向。

（3）聚类分析：通过将相似的用户行为进行聚类，识别用户群体并提供精准的个性化推荐。

（4）预测分析：通过建立用户行为的预测模型，预测用户的购买行为和偏好，为商家提供决策依据。

3. 存在的问题

尽管现有的用户行为分析方法已经取得了一定的成果，但仍存在一些问题：

（1）数据维度太高、规模太大，传统的数据分析方法效果不佳。

（2）用户行为隐含的商业价值难以被准确挖掘出来，商家难以快速获得有针对性的结果。