社区化商务喷薄欲出

社区化商务喷薄欲出（通用3篇）

社区化商务喷薄欲出 篇1

以现代信息技术和服务为支撑, 以互联网为技术作为推动的电子商务革命性的改变着我们的生活方式, 足不出户的购物方式越来越得到人们的青睐, 传统社会生活和经济模式正经历着网络化和数字化的革命。家庭作为社会的基本组成单位, 其消费模式也必将朝着网络化和数字化的方向发展, 因此, 以家庭为基本服务对象, 以满足家庭用户各种现实要求为目的的新一代互联网商业模式——社区电子商务, 以不可抵挡的趋势逐渐走进人们的生活。

1 电子商务、社区电子商务概述

1.1 电子商务概述

电子商务通常是指在全球各地广泛的商业贸易活动中, 在因特网开放的网络环境下, 基于浏览器/服务器应用方式, 买卖双方不谋面地进行各种商贸活动, 实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。

1.2 社区电子商务概述

社区电子商务是以成片的物理社区单位或多社区联盟为服务对象, 针对社区住户, 依托社区电子商务数字化网络平台, 以“集成消费为经营理念”, 满足社区居民消费需求为目的商业运营模式。

2 社区电子商务发展的优缺势

2.1 社区电子商务发展过程中存在的问题

实现社区电子商务模式的首要条件是需要向广大居民提供操作上的方便性和简易型。这就要求这就要求每家用户都需要配备一台电脑, 并且需要消费者具备一定的电脑操作技能。而如今大部分的居民都普遍存在着计算机水平低等现象, 如何让对电脑不熟悉的社区居民加入到社区电子商务的行列中是普及社区电子商务的关键。社区电子商务与传统的电子商务交易不同, 传统的电子商务面对的是全球的消费者, 对用户而言是遥远而且模糊的, 难免会对其安全性有担忧, 而社区电子商务面对的是明确的社区中的居民, 商品的供应来源都是本地区每个用户都熟悉的大中小型超市以及零售商店, 消费者不用担心产品的安全性。无论是传统的电子商务还是社区型的电子商务, 都需要建立在技术和人才的基础之上, 只有通过先进的技术支持和人才才构建, 才能使得社区电子商务稳步的发展下去。眼前社区电子商务还处于初步发展阶段, 更是需要专业的技术和人才来支撑其发展, 根据社区的实际情况, 了解社区的现实需求和潜在需求, 开发出适合开展的电子商务服务项目。这就对信息化技术有着更高的要求。

2.2 社区电子商务的发展优势

2.2.1 产品和市场定位明确

由于社区电子商务针对的是固定的社区居民, 提供产品的商家都是本地区消费者熟悉的超市, 零售商店, 顾客明确其产品的来源, 这样便减少了顾客对产品质量以及产品安全性的担忧。

2.2.2 产品和服务的多样化

在零售方面, 区分与传统的电子商务模式, 社区电子商务在兼顾了其经营产品的同时, 还可以为消费者提供与日常生活息息相关的诸多产品, 如大米, 油盐, 啤酒, 饮料等。并且以往人们不敢购买的蔬菜、牛奶、水果等, 这些社区电子商务中都已经不是一个问题。

在社区社会化功能方面, 社区电子社区电子商务还可以提供水电费缴、紧急水电维修、家政服务、医疗服务等多方面, 现实了产品和服务的多样化功能。

2.2.3 顾客交流多, 有利于建立互信机制

传统的电子商务中消费者群体都比较模糊, 不同于社区电子商务是明确的居民消费群体, 由于都是居住在同一社区, 或是相邻区域的居民, 消费者可以相互交流消费心得, 相比起传统电子商务中顾客对商品的评价更值得信任, 有利于建立互信机制, 提高社区电子商务的知名度。

2.2.4 物流配送的便捷性

众所周知, 目前我国的配送体系还不够完善, 经常会出现收不到货物, 或者要经过很长时间才能到达消费者手中的问题, 而社区电子商务有效的解决了这一问题, 由于消费群体集中, 距离相对较近, 可以进行统一配送, 达到高效、快捷的目标, 能在最短的时间为客户提供商品和服务。

3 社区电子商务实例

北京社区电子商务工程是典型的成功案例, 它由北京市民政局牵头, 依托首都的公用信息平台和原有的社区服务资源, 到2003年年初, 在169个社区服务中心, 建立了169个社区服务网站, 聚集了3000多家, 14大类服务商。居民以家庭为单位免费注册成为会员后, 就可以通过在家中免费上网或是小区专用服务亭以其唯一的识别码上网、打电话、或直接到社区网络服务站订购商品。目前社区电子商务服务中心主要提供社区居民经常需要的, 重复购买的生活日用品, 共约有1500种。包括蔬菜水果, 粮油食品, 副食调料, 蛋糕, 饮料水酒, 乳制品等, 以及日常百货用品, 家用电器, 以及一些家政服务项目。

参考文献

[1]劳帼领, 钟艳萍, 覃正.基于智能小区的社区电子商务模式研究[J], 情报杂志, 2007.4.[1]劳帼领, 钟艳萍, 覃正.基于智能小区的社区电子商务模式研究[J], 情报杂志, 2007.4.

[2]任彩玲.社区信息化发展面临三大难题.社区工作, 2006.11.[2]任彩玲.社区信息化发展面临三大难题.社区工作, 2006.11.

社区化商务喷薄欲出 篇2

一、利安集团及其发展

利安集团(中国)控股有限公司是信息产业领域的企业集团，是全国首家综合电子服务运营商，集团公司总部位于陕西省西安高新区，旗下有12个以“利安”命名的省级分公司。利安集团的业务涉及电子服务、电子商务、通信、数据加密等多个领域，作为电子政务、社区服务等解决方案的提供商，于2002年成功研发了“数字化城市社区服务平台”，这是一个支持数十种不同类型代收费业务的集成电子服务平台。基于“数字化城市社区服务平台”建立的“利安社区电超市”，是国家信息化试点示范工程和国家科技支撑计划的重点推广项目。从2004年在西安开设第一家店面开始，经过8年时间的发展，“利安社区电超市”已在四川、山西、新疆、安徽、山东等多个省市推广，已在全国拥有门店近万家，到2010年日交易额已高达3千万，月交易额达到4亿，服务人次每月近400万。

二、利安电子商务模式

1. B2B2C商业模式。

主要涉及到企业经营的基本赢利方式、服务对象和服务内容，第一个B主要指产品提供商，涉及到政府、银行、通信运营商、保险公司、商场、铁路、旅游公司票务等多个方面。利安电超市提供的便民业务主要分为五大类：1)公共事业及通信费用缴纳;2)机票、火车票、各类旅游门票的销售;3)药品、蔬菜、书籍等在线购物;4)保险代理、续缴保费等功能;5)公共信息、银行等查询功能。第二个B是指通过利安自主研发的“数字化城市社区服务平台”建立的实体经营户联盟网络，该实体店联盟网将产品与服务提供商、开户银行、第三方物流企业以及最终的消费者密切地联系在一起。第三个C既包括直接在利安社区电超市门店直接通过现金或信用卡等进行消费的线下消费者，也包括通过在线平台订购商品，通过线上线下支付，到店取货等过程完成交易的线上消费者。整个商业模式如图1所示。

2.技术与盈利模式。

从技术角度上讲，利安所有业务主要依靠自主开发的“数字化城市社区服务平台”，结合C/S与B/S模式，并将不同行业标准统一到利安平台的电子商务规范中。为保证交易的安全进行，还对信用借用模式和银行结算认证中心模式进行了创新。

盈利模式上，利安的利润主要来源于产品与服务提供商的返利。以话费缴纳为例，消费者在利安电超市缴纳50元费用，即刻就会有50元话费到账，而利安门店会从运营商的返点中获取利润。这样做不会让消费者服务费用，从而使得利安电超市业务受到消费者的广泛欢迎，并得以迅速扩展。

3. 渠道模式。

在城市规划的“新城市主义”理论中，重要的一点就是建立适宜步行的邻里环境，使得大多数日常需求都能在离家或者工作地点5～10分钟的步行环境内得到满足。在西安城区内，通过加盟模式使利安门店遍布大街小巷，基本上每走500米，就能见到一家利安电超市，“5分钟步行圈”的服务方式给消费者提供了极大的便利。同时，在这种完善、稳定的渠道布局下，利安的门店提货方式还轻松解决了物流配送中的“最后一公里”难题。消费者可以在利安电子商务网站上在线订购商品，然后到附近的利安门店付款和提货。例如：顾客利用上班午休时间登陆利安电子商务网站，下订单订购商品，可自由选择在线支付或到门店支付等多种付款方式，下班后回到家，可在事先指定的离家最近的利安电超市提货;另外，不同时间订购了多件商品，也可以一次集中提货。这有效避免了物流送货时间消费者不方便接收，或因货物质量不合格，反复退货换货等引起的问题。

4. 货源。

除了缴费、购票等传统的电子服务业务，利安集团还与政府“放心工程”合作，为老百姓提供生活必需品。西安自2011年开展放心食品工程，将规模化生产、统一运输监管、统一定价的放心食品提供给老百姓。首先，放心食品有质量保证、绿色无公害;粮油从生产到销售由政府统一监管，保障品质;蔬菜整合周边的蔬菜合作社，保证新鲜。其次，在价格上有优势，因为没有过多的中间环节，所以消费者买到的商品价格会低一些。通过利安电超市门店形成的网络销售渠道为市民提供政府放心食品，使广大消费者不出社区就能购买到有质量保障、价格低廉的生活必需品。

基于信任社区的电子商务推荐模型 篇3

随着互联网应用普及率日益提高, 电子商务行业飞速发展, 但同时信息“超载”问题越发严重, 用户往往需要花大量时间来甄别符合自己需求的商品, 大大增加了搜索成本。为了帮助消费者快速、准确挑选出需要的商品, 不少电商网站根据用户的商品评分, 并结合评分相似性为用户推荐其感兴趣的商品。早期研究集中在改进推荐算法提高推荐准确率, 当前则更倾向于利用用户模型描述信息来改善推荐方法。但将具有相似兴趣、喜好的用户进行聚类推荐的研究较少。

本文提出一种基于信任社区的电子商务推荐方法, 将用户划分到不同的用户社区, 计算社区用户间的信任度, 进而帮助用户找到若干信任邻居。最后根据用户信任邻居对商品的评价及商品自身的评价预测用户对未购买商品的评分, 将预测评分较高的商品推荐给用户。

2 信任社区构建

将电子商务平台中的每一位用户看作一个节点, 双方之间的兴趣相似性和信任关系看作节点之间的连接, 这就形成一种用户信任社区。在其构建过程中, 首先根据每位用户的行为日志和兴趣相似性将用户进行聚类划分, 然后计算相应聚类中各个节点间信任值, 并据此为用户找到最信任的邻居集合, 如图1所示。

2.1 用户聚类

聚类实现算法很多, 但基于目标函数的算法中模糊c均值 (FCM, Fuzzy c-Means) 算法较为完善、应用也最为广泛。具体过程如下:

输入:聚类数目c和用户向量数据表

处理:FCM聚类算法过程

⑴用数据集X={x1, x2, …, xn}表示从向量数据表中检索出的所有用户向量, n是用户数量, xi代表某用户的向量表示;

⑵用值在0, 1间的随机数初始化用户隶属矩阵U={u1, u2, …, un}, 其中uj={uij, u2j, …, ucj}T, uij表示某用户j在第i类中的隶属度, uij介于0, 1间, 使其满足式 (1) 的约束条件;

⑶用式 (2) 计算c个聚类中心ci, i=1, …, c;m是加权指数, 且m∈[1, ∞) ;

⑷根据式 (3) 计算价值函数。如果它小于某个确定的阈值, 或它相对上次价值函数值的改变量小于某个阈值, 则算法停止;

为第i个聚类中心与第j个数据点见的欧几里德距离;

⑸用式 (4) 计算新的用户隶属矩阵U, 返回3。

输出:用户在各聚类中的隶属度和各聚类的聚类中心

本文根据资源和用户的特点, 选择一个适当的初始聚类数目, 然后通过结果分析, 调整聚类数目, 使聚类效果达到最优。本文选择访问量较高, 且彼此之间相似性较低的用户作为初始聚类中心, 然后再据此确定初始用户隶属矩阵。在得到用户在各聚类中的隶属度后, 根据隶属度来确定每个用户的所属用户聚类。

2.2 节点间信任值计算

节点间的信任值准确性, 影响到商品推荐的成功或失败。在社区中, 节点之间存在着由商品共享带来的信任关系, 节点之间进行商品共享之前需要进行信任评价。信任评价计算如下:

信任关系的集合, TA (C) 为节点A对推荐节点C的信任值, 对节点A的推荐权重为RWTC (B) 。

而ι的取值与交互的次数有关。当请求节点计算出服务节点的信任值后与预设的交互可靠性最低阈值Tmin比较, 满足Tobject>Tmin的节点生成一个信任值列表, 将信任值最大的n个用户作为目标用户的top_n最信任邻居集。

3 电子商务推荐模型

为帮助用户找到符合自身需求且可靠的商品, 本模型将通过分析目标商品获得的所有评价信息和目标用户在信任社区中的信任邻居对目标商品的评价信息, 经过运算分析后给出商品的最终推荐得分。具体的计算公式如下所示:

为线性遗忘函数, α、b为常数, (其中du, i表示用户u访问商品与其对商品i进行评价的时间差值, T为时间间隔的基本单位) 。该函数为单调递减函数, 值域为 (0, 1], 反映出不同时间段的用户给出的商品评分对推荐值计算结果的重要性。i为用户查看的商品, P (i) 为商品获得的评价得分, Pc (i) 为信任邻居对商品的评价得分, m为商品获得评价的数量, n为信任邻居的数量

4 实证分析

为验证该电子商务推荐模型的有效性, 本文代入Movie Lens (历史最悠久的电影推荐系统) 中的指标数据进行实证分析, 以推荐预测值和Movie Lens平台的真实推荐得分之间的绝对误差 (Mean Absolute Error, MAE) 来度量模型的有效性。

提取570部电影数据分别代入基于信任社区的推荐模型和基于协同过滤的推荐模型, 然后将前者的推荐得分 (R-value) 和后者的推荐得分 (C-value) 与真实推荐得分 (M-value) 进行比较, 得出平均绝对误差, 如图4所示。误差越小, 推荐结果越准确。初始阶段, 后者推荐准确性优于前者, 但随参与电影量提升, 前者的推荐准确性更高。

为检验推荐模型抵御虚假评价的能力, 对数据集中一些指标的评分进行改变, 并重新进行计算与比较, 得到新的平均绝对误差 (R-M*) , 并与先前的结果比较, 如图5所示, 该模型起初受到的影响较大, 使得R-M*比之前有所增加, 不过随着参与电影量提升, 受到的影响逐渐降低, 最终两者的差距控制在相对合理的范围内。因此, 可以说明该模型具备一定的抵御虚假评价的能力。

5 结论

通过上述实验结果可以得出如下结论:本文提出的基于信任社区的电子商务推荐模型相对于现有的基于协同过滤的推荐模型用着更好的推荐准确性, 并且还具备了更加良好的抵御虚假评价的能力, 能够为用户提供可靠、有效的商品推荐服务。不过本模型没有考虑冷启动问题, 无法对新上架的和消费者从未购买过的商品进行推荐, 因此还需进一步的改进。

参考文献

[1]王强, 储昭昉.依赖、信任和承诺对第三方物流整合及其绩效的影响:基于中国的实证研究[J].中国软科学, 2012, (2) :117-121.

[2]张少中, 方朝曦.基于社会网络的电子商务信任社区聚类模型[J].浙江大学学报:工学版, 2013, 42 (5) :725-730.