作品编号：C90（一等奖）

作品名称：生鲜O2O运营数据分析与精准营销系统

作者单位：聊城大学环境与规划学院

小组成员：张毅，陈彬，咸文静，张迪

指导老师：何振芳，马雪梅

需求分析

设计背景

电商改变了人们的生活,生鲜产品作为城市居民生活的必需品,具有购买力高,消费频繁等特点,成为了电商界新的利润点和发展空间。同时，在2019年开始的新冠疫情的推动下，消费者对线上生鲜电商的需求量大幅增加，也开始意识到这项业务的便捷性和安全性，越来越接受这种O2O式生鲜购买方式。庞大的市场，自然引来各大竞争平台蜂拥而至。

本系统通过调查研究发现，现阶段大多数生鲜平台在运营过程中积累了大量的数据但是并没有得到挖掘和应用。如何深入挖掘分析并有效利用其运营过程产生的历史数据和其他多源数据来找到市场的潜在规律与特征，使运营及管理工作具有预知性和针对性，是一个生鲜平台不在浪潮中被淘汰的关键。

2.2存在问题

我们通过调查研究和信息爬取发现大多数生鲜平台在现阶段运营过程中存在以下问题：

（1）未充分挖掘分析历史运营数据来找到其潜在的市场规律及其分布的时空特征，不能更好地对市场进行把控与挖掘。

（2）未能灵活有效地对销量分类进行时、空、量的预测以便合理配货，不利于保证生鲜的新鲜度。

（3）未充分有效利用多源海量数据，挖掘居民活动行为轨迹找到有利于生鲜运营及发展的时空规律。

（4）缺少统一化管理的多系统终端来使交互更加便捷灵活。

2.3 系统概述

我们通过对调查研究得到的问题进行总结，以成都市区盒马鲜生为例设计了生鲜O2O运营数据分析与辅助决策系统，系统分为Web端、移动端和微信小程序。Web端主要包括订单数据分析、门店辅助选址、订单预测及评论管理等模块，移动端设计给派送员使用，与Web系统进行交互，微信小程序主要将订单分析结果呈现给买家，提供购买推荐等。其中Web端运营数据分析与辅助决策系统充分利用了生鲜平台运营产生的历史订单数据及其他多源数据，挖掘出潜在的市场规律与特征，根据精准理论模型设计并优化了适合生鲜市场的动态竞争选址方法及精准订单预测方法，极大提高了预测精准度与合理性。同时还有门店管理、订单及派送员信息管理的等基本功能。移动端方便派送员进行派送导航、最近维修点查找，以及任务接收与事件上报等。微信小程序为买家设计，可查看各项订单特征、热度排行等，我们已将小程序上传至微信公众平台，在微信中搜索 “小易鲜生” 即可使用。

系统设计

系统架构与关键技术

系统总体利用轻量高效的Node.js技术，使用Express框架，结合跨平台数据库MongoDB进行搭建，采用事件驱动、异步编程的机制，并利用socket技术实现实时交互。本系统采用四层体系架构，分为：数据层、应用支撑层、业务逻辑层和表现层。空间数据采用ArcGIS的企业级地理数据库进行存储发布和组织管理。非关系型数据采用轻巧、灵活、可快速访问的MongoDB数据库进行存储，并利用Map-Reduce编程模式对数据进行分析统计，结合GIS技术、GP服务对数据进行挖掘分析，并利用ArcGIS API for JavaScript、ArcGIS Runtime SDK for Android分别在浏览器和移动端进行展示。系统体系架构如图1所示：

图1系统体系架构图

根据分布的终端，系统分为Web端O2O生鲜运营数据分析与辅助决策系统、派送员的移动APP和提供给买家的微信小程序：

O2O生鲜运营数据分析与辅助决策系统服务对象是线上线下相结合的O2O生鲜平台或商家，通过深入挖掘分析并有效利用其运营过程产生的历史数据和其他多源数据来找到市场的潜在规律与特征，使运营及管理工作具有预知性和针对性。并将精准理论模型移入程序，进行辅助选址和预测，为运营管理提供辅助决策支持。同时还可以对运营数据进行有序存储与管理。移动端为派送员设计，方便派送员进行派送导航、最近维修点查找，以及任务接收与事件上报和交流区等。微信为买家，可查看各项订单特征及热度排行等。系统详细功能图，如图2所示：

图2 系统详细功能架构图

1.     Web端-020生鲜运营数据分析及辅助决策系统：

（1）数据分析模块：①社区订单分析：将订单分为区域订单和单点订单进行分析。以分级渲染方式表示社区点的订单情况，颜色越红，点越大表示该社区下单数越多，并可选择多个社区点进行比较，结果以图表展示；②热门配送区域：以泰森多边形工具构建蜂窝六边形，以合理半径的单元格代表一个分析区域，并以订单数为权重进行空间属性连接，颜色越红表示该区域配送越热门；③订单流向分析：对门店的订单流向进行可视化处理表示在地图上，直观地显示其流向及分布情况；④订单热度分析：以热力图显示成都市二环内订单热度分布情况；将热力图随时间变化的状态动态展示并将一周中每天各时段订单热度以3D柱状图形式直观展示；⑤订单特征分析：对订单数据进行分性别分类筛选并以不同颜色显示在地图，以购买单数进行分级渲染，点越大表示购买数越多，并结合卷帘工具，拖动卷帘可对比男女订单分布以及购买力状况，同时辅以图表显示，可以协助商家进行精准营销；⑥消费水平分析：通过构建渔网，以合理大小的单元格代表一个分析区域，以平均每单购买价格为权重进行空间属性连接进行渲染，颜色越红表示改分析区域的消费水平越高，可以提供商业宣传参考；

（2）辅助决策模块：①人流量密集区：对出租车OD数据进行点密度分析提取出人流量密集区（或热门出行区）；②竞争因子：可将相近及以上级别的影响较大的竞争对手显示到地图，点击可查看门店信息，可以在选择备选区域时进行一定的避开；③备选区域推荐：通过对以上三个要素进行加权分析初步筛选出适合开设线下门店的备选区域点；④选址点推荐：采用动态竞争选址法中结合服务半径约束，以市场份额最大为目标的双层规划模型，并通过Lingo求出模型各个变量的最优值，然后将其转化为选址程序，在选出的备选区域点中找到合适的线下门店开设位置；同时，可以加载选址推荐点附近一定范围内的租售信息；为运营者提供了高效合理的选址建议；⑤订单预测：采用分类分时段的指数平滑模型并求出残差最小时的最优平滑系数，大大提高了预测的实用性和精准度，从而灵活有效地对销量进行分类预测来合理配货，最大化保证生鲜的新鲜度；⑥评论管理：评价词云可根据所选条件筛选出爬取的相关评论并将其特征以词云图形式呈现出来；用户满意度分析根据TF-IDF进行情感值分析，得出用户的满意程度及具体特征，为商家提供服务优化参考。

（3）辅助管理模块：①门店信息管理：可查看并对比各门店信息，以服务区形式展示其各配送时间内的服务范围，将门店的内部结构进行三维建模，可以直观地展示门店的布局，样式以及管道及布线情况，方便管理者进行合理的布局优化及改造等；监控摄像可查看该门店的实时监控，以便进行远程管理；②信息管理：将历史订单信息进行有序存储与管理，并可进行查询，同时缩放到地图上的对应位置等；将派送员详细信息存入数据库进行有序管理与增删改查；③派送监督：可查看派送员派单实时位置以及其历史派送轨迹路线，方便对派送进行监督与管理；

2 移动端：

（1）   派送员通过APP可便捷导航、查看最近维修点，为派送提供一定保障；

（2）   派送员可通过APP接收派送调配，上传事件及信息。与管理端便捷交互；

（3）   派送员可进行签到打榜，派送经历交流等，共同学习派送经验。

3 微信小程序：

（1）   买家可通过小程序查看订单数据分析的部分结果，查看搜索及购买热度等；

（2）   买家可通过小程序查看通过数据分析得出的购买推荐；

（3）   买家可进行商品及推送分享等。

数据库设计

空间数据储存在ArcGIS Server托管的企业级地理数据库中，非空间数据储存在非关系型数据库—MongoDB，将数据分类存储，保障了数据的时效性及用户访问的快捷性，方便用户进行操作、管理及更新数据。

地理数据库

地理数据库是一种面向对象的空间数据模型，它对地理空间特征的表达更接近我们对现实世界的认识。地理数据库在一个公共模型框架下，对GIS处理和表达的空间特征进行统一的描述和存储，是目前最先进的数据管理模式。地理数据库具有实用性、集成化 、网络化、标准化、可视化等特点，用于存储和使用地理数据。

图3 成都市二环内6月盒马鲜生订单数据

数据库

MongoDB拥有更大的存储容量、更快的处理速度、更高的性能、更便利的操作、内部进行数据分析等优点，更加方便处理和使用数据。前期使用MongoDB数据库结合MapReduce编程模式对数据进行清洗和筛选，后期使用MongoDB数据库进行数据的存储和调用。数据库中部分数据的属性结构如表1、表2所示：

表1 门店信息属性结构

表2 评论信息属性结构

系统亮点

（1）充分挖掘历史订单及海量多源数据，以人类行为轨迹分析为切入点分析生鲜市场潜在时、空、量的规律。对历史订单数据及出行数据、POI数据及爬取的其他海量多源数据进行深入挖掘分析，得出其潜在市场规律及特征，并通过ArcGIS API for JavaScript以地图渲染及可视化图表等方式将其直观地呈现给用户，使运营管理工作具有预知性和高效性，大大提高了数据利用率，有效减小运营成本。

（2）借助引力模型、双层规划模型等复杂理论模型设计并优化了适合O2O生鲜门店选址的动态竞争选址方法及精准订单预测方法，为生鲜运营管理提供辅助决策支持。本作品所设计的动态竞争选址方法中以服务半径为约束，以市场份额最大为目标构建双层规划模型，通过Lingo求出模型各个变量的最优值，极大提高了选址的合理性；同时，求出残差最小时的最优平滑系数，采用分类分时段的指数平滑模型，从订单总量、分类、时间及空间的角度进行预测，大大提高了订单预测的实用性和精准度。

（3）多种系统终端交互，加强系统实用性；采用跨平台数据库，提升用户体验。MongoDB数据库效率高且便于操作，web端、移动端、微信小程序三端交互，极大提高了系统实用性。