2018关于降低Ｂ２Ｃ移动商务中买方成本的探讨
[摘要] 本文针对B2C模式的移动商务中存在的买方成本过高的问题，结合Agent技术和WEB数据挖掘技术，提出了几点建议，同时设想了一个B2C模式的移动商务系统简单框架，用来降低B2C移动商务中买方用户的成本。[关键词] B2C移动商务 Agent WEB数据挖掘
一、引言
进入21世纪之后，随着互联网和移动通信技术的发展，移动信息化不断深入到人们的生活当中，逐渐的改变着人们的生活方式，移动电子商务逐渐成为了一种新的商业运作模式。由于我国人口基数比较大，再加上移动通信设备的普遍化，B2C模式的移动商务体展现出了巨大的潜力。因此，B2C模式的移动商务也成为了一个国内学者研究的重要领域。
个人用户在进行B2C移动商务的交易过程中，面对的往往是大量的企业商品网站群，随之而来的将是庞大而臃肿的信息量，同时很多的任务需要移动设备和网络之间保持持续的连接，买方很多的时间都会浪费在从大量信息中寻找合适信息的过程中。因此，在B2C模式的移动商务中，买方往往需要投入巨大的成本。
本文结合Agent技术和WEB数据挖掘技术，提出几点建议，希望能够使买方在B2C移动商务中更加快速、有效的搜寻到有用的信息，降低其成本。
二、相关技术分析
电子商务走过了近20年的历程，已经形成比较成熟的运作模式，在其运作流程中，客户也曾面临成本过高的问题。客户所付出的成本主要集中在寻找合适的信息以及找到信息后的反复协商过程中。为了解决客户投入成本过高的问题，一些研究已经提出了一定的解决方案。现阶段解决此类问题，研究较多使用AI领域的Agent技术和信息数据处理领域的数据挖掘技术。
Agent技术是20世纪90年代在网络技术和Internet发展的基础上兴起的、一门实用性很强的计算机软件技术。它由自含式软件程序构成，利用储存在知识库里的信息执行任务。在处理大量的信息搜集和处理领域，尤其是在电子商务领域，Agent已经发挥了巨大的作用。目前，Agent技术在电子商务中的应用主要体现在商品中介、商家中介、价格谈判和交易以及搜寻信息等方面。当前，国内外对基于Agent的电子商务系统的研究主要有三个方向：基于界面Agent（Interface Agent，IA）的电子商务、基于多Agent协作/协商（Multi-Agent Collaborative/Negotiation）的电子商务和基于移动Agent（Mobile Agent）的电子商务。国内外已有一些Agent技术应用的实例，例如PersonaLogic、Firefly等利用Agent帮助使用者找到他们所需要的商品。这些工具都在一定程度上加大了在电子商务流程中的智能性，大大缩短了用户在使用电子商务进行交易的过程中所花费的时间及其他成本。
Web数据挖掘是数据挖掘技术在Web上的应用，在电子商务领域已经取得了很大的成就。它指使用数据挖掘技术在WWW数据中发现潜在的、有用的模式或信息。Web数据挖掘研究覆盖了多个研究领域，包括数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等。电子商务将是未来Web挖掘的主要发展方向，现阶段其在电子商务中的应用一般体现在以下几个方面：客户细分、客户获得、客户保持、交叉销售、个性化服务、资源优化以及异常事件分析等。近年来，国内外很多学者使用Web数据挖掘技术在电子商务中的研究多集中在个性化推荐服务上，以求尽可能的根据现在多变的客户需求给客户提供最适合的信息，降低电子商务流程中双方在一些无用信息上的滞留时间，降低双方的成本。
近年来由于移动通信技术的迅猛发展，以及全球移动手持设备的普及，利用移动手持设备进行电子商务已经成为一个新的商机。移动商务作为电子商务的一个子集，是指通过手机、个人数字助理等移动通信设备与因特网有机结合所进行的电子商务活动的总称。现阶段，由于移动商务受到的关注越来越高，其中的一些问题也就逐渐展现在人们面前。由于移动设备自身特点的限制，现阶段移动商务客户关注比较多的就是成本问题，而关于移动商务成本方面的研究则略显单薄。本文根据现阶段使用比较多的两种技术：Agent技术和WEB数据挖掘技术提出了对此问题的几点解决方案。
三、关于降低B2C移动商务中买方成本的研究
1.信息搜寻阶段降低成本策略
在进行B2C模式的移动商务过程中，由于移动设备本身的特点，接入的网络比较脆弱，容易受外界信号的干扰，保持网络连接所需成本比较高；同时由于移动设备接入网络的费用也比较高，用户必须迅速、有效的得到自己所需要的信息，否则用户会因为成本问题而放弃此次交易。因此，降低用户在搜寻信息阶段的成本就成为趋待解决的问题。
(1)解决信息迷航问题
在B2C移动商务中，用户所要面对的是大量的信息，这样，非专业的用户就无法准确表达自己所需信息的特点，也就不能准确、快速的搜寻到自己所需要的信息，这就是用户的“信息迷航问题”。
利用用户浏览电子商务网站时留下的信息，使用Web数据挖掘技术，得出隐藏在这些信息下面的用户的兴趣、爱好，进而建立商品信息分类知识库和用户模型。之后利用Agent所具有的信息导引能力，根据用户输入的关键字信息，帮助用户推断关键字信息所在的区域，进而帮助用户准确定位所需信息的区域，解决用户的“信息迷航问题”。
页:
[1]