电子商务的未来趋势及发展重点

1、信息资源管理上机报告院系： 管理学院 班级： 管信1101班 学号： 201100165 姓名： 关群电子商务的未来趋势与发展重点 基于共词分析1 引言随着“双十一”的火爆开战，电商又一次站在了风口浪尖，据阿里巴巴总部数据显示，截止至11月11日24时，2013年的网络购物节，天猫以350亿元的交易额成功收官，这个数字，大概是去年美国网络星期一交易额的两倍。如此巨大的利益蛋糕，各商家都纷纷挽起袖子，抢占市场。的确，在Web2.0时代，社交网络充分以人为中心，用户参与度与活跃度空前提高，有人的地方就有市场，况且，互联网经济又具有明显的眼球效应，于是电子商务适时而出，成为了各商家争夺新兴虚拟市场的

2、新的形式。电子商务的交易离不开平台交易，平台经营者和站内经营者，但是这个相对新兴的话题包含的远不止如此，各大企业都希望自己能在电商领域占得先机，就连沃尔玛这样的大型零售商都已经开始涉足电商领域，天猫，亚马逊，当当，BlueNile等知名电商平台也挣得盆满钵满，中小企业更是把电子商务作为适合自身发展的利器，比特币已经被政府所重视，互联网金融势头也初现倪端，将来电商的发展趋势不仅是商家关注的重点，更是国家竞争的又一块领域，那么在中国，又有哪些知名的作者和机构在研究它呢？研究的重点是什么？中国的电商该何去何从？为了研究中国学术界对电子商务的研究热点，研究方向以及学者研究合作关联性，笔者采用共词分析的

3、方法对我国近年来电商的发展进行研究。本次研究的具体内容包括：任务背景介绍、文献资源检索、工具介绍、文献处理、文献挖掘。2 文献获取与数据收集 本研究采用中国知网（CNKI）全文数据库（1997年2013年11月23）作为文献统计来源，文献检索的方法是：在检索项中选择“主题=电子商务”，同时，为了排除不相干文献的干扰，保证电子商务研究论文的准率和查全率，对检索结果进行了两种方式的筛选：一是只选择学术研究性文献，剔除会议通知、会议报道、刊物征稿等消息类文献；二是挑选作者、机构、关键词、刊号、分类号、摘要齐全的文献，最后经过去重处理，得到相关文献1314篇。将搜索到的原始文献经过初步整理，为了便于下

4、一步处理，以endnote的格式放在纯文本中，如下图所示： 原始数据（endnote格式局部）3 工具介绍3.1 SATI文献题录信息统计分析工具(Statistical Analysis Tool for Informetrics, SATI)，旨在通过对期刊全文数据库题录信息的字段抽取、频次统计和共现矩阵构建，利用一般计量分析、共现分析、聚类分析、多维尺度分析、社会网络分析等数据分析方法，挖掘和呈现出美妙的可视化数据结果。 目前SATI主要实现了如下四大功能：元数据抽取 、频次统计 、知识矩阵构建 、据可视化 。笔者的数据处理便是采用SATI进行初步分析，对关

5、键词，作者，机构等进行了一系列初步统计处理。 SATI全貌（中英均可）3.2 SPSS19.0由于SPSS是常用统计分析软件，在此不做赘述。4 数据处理4.1 文献数据预处理将数据导入SATI，显示如图所示： 导入SATI数据图（局部）4.2 文献增长规律分析表1数据显示，我国电子商务从无到有，而且整体呈增长趋势，不到15年时间，电子商务已经成长为一块热门领域。因为在文献增长规律中一般以文献累积数据为依据，所以根据表1可以绘出19972012年（2013年尚未统计完毕）电子商务领域论文增长趋势图，如图1所示。根据图1可以看出，电子商务作为一门新兴领域，从1997年到2003年处于起步阶段，而2

6、003年非典期间电子商务兴起，从此电子商务进入人们的视野，从图中也可以看出，2004年到2007年是电商快速发展阶段，随着Web2.0应用的全面崛起，2006年达到了顶峰，而2008年到2010年势头发展稍缓，但是近年来由于“双十一”购物节的兴起，从2011年到2013年电商又进入快速发展阶段。4.3 高产作者分布规律分析本实验研究的1314篇论文是由1023位作者撰写的。本文将论文数不小于3篇的作者作为高选作者候选人，统计结果如下：其中，我们还得出了各位作者在不同年份对电子商务的关注程度，这也从侧面反映出电子商务发展的趋势，如下图所示：各位作者对电商的时间关注表（局部）从表中数据总体来看，2

7、006年与2007年是各个作者的关注高峰期，这也反映了这一期间电商经历了一个大的发展，成为社会的热点。其中琳与杨兴凯两位作者更是从2007年到2009年连续三年持续对电商有研究。4.4 关键词处理4.4.1 关键词抽取 用SATI的字段抽取功能和频次统计功能，抽取了2243个关键词，我们把频次大于15的关键词统计出来，共20个，其中“电子商务”出现的频率最高，为935次,但由于电子商务是研究主题，所以被剔除，其次为“中小企业”51次。如图所示：关键字频次统计（局部）5 构造矩阵5.1 构造共词矩阵对关键字频次统计表中的高频关键词两两配对，统计他们在1314篇文献中共同出现的频次，形成19

8、15;19的矩阵，如下表所示： （局部）5.2 构造相似矩阵利用SATI软件，直接构造出相似矩阵。（局部）5.3 构造相异矩阵在SATI中，可以直接利用“矩阵构造”功能，方便的构造出相异矩阵。如图所示： （局部）6 数据分析与挖掘6.1因子分析以之前得到的相关系数矩阵为基础，对19个关键词进行因子分析。在统计软件SPSS19.0中可以直观的判断出要使提出的因子达到70.076%的信息涵盖量，应从19个关键词中提11个因子；而前9个因子的信息涵盖量有60%左右，因此与因子抽取配套的因子个数碎石图则直观的显示出因子分析的前9个因子类别是比较清晰的，因此将19个关键词分为911个类团。解释的总方差成

9、份初始特征值提取平方和载入合计方差的 %累积 %合计方差的 %累积 %11.99410.49510.4951.99410.49510.49521.6978.93219.4271.6978.93219.42731.4457.60527.0321.4457.60527.03241.4047.38834.4201.4047.38834.42051.2456.55340.9731.2456.55340.97361.1746.18147.1541.1746.18147.15471.1055.81652.9701.1055.81652.97081.0785.67658.6461.0785.67658.64

10、691.0585.56764.2141.0585.56764.214101.0565.55669.7691.0565.55669.769111.0075.29875.0671.0075.29875.06712.9304.89579.96213.8834.64684.60814.7243.81188.41815.6843.60392.02116.5983.14695.16717.5602.94598.11218.3591.888100.000191.249E-166.574E-16100.000提取方法：主成份分析。6.2 聚类分析本实验采用最常用的系统聚类法（Hierarchical Clus

11、ter）对共词的相异矩阵进行聚类分析。该分析在SPSS19.0中完成。通过“分析”“分类”“聚类分析”并选取离差平方和法（Ward），在距离测度方法中选择离算数据类型Count中的Phi-square Measure，最后得到聚类结果树状图，如图所示：经过比较分析，并参考因子分析的结果，确定聚类结果为7类，综合考虑每一类中各关键字的性质，分别命名为：问题与对策、B2C & B2B、物流、农产品模式、信任与C2C、互联网与国际贸易、合并类。这些类别代表了我国电子商务的主要研究热点，如表所示：类别关键词问题与对策对策问题B2C & B2BB2BB2C物流物流第三方物流农产品模式农产

12、品模式信任与C2C信任C2C互联网与国际贸易互联网国际贸易合并类数据挖掘网站供应链移动电子商务发展旅游电子商务6.2.1热点研究领域研究结构分析1）问题与对策 “问题与对策”类团主要研究目前电子商务发展过程中遇到的问题与解决对策，主要分为具体可操作可控层面的问题和文化习俗不可控等大层面的问题。比如中国在步入21世纪时发展电子商务就面临着以下几大问题：1、PC数量过少。2、移动终端设备几乎不被用来上网。3、信任问题。4、物流不发达。5、电子商务网站缺乏。6、文化上不习惯刷卡消费。7、人均GDP过低。但是随着近年来中国的发展，居民生活环境的改善，PC数量猛涨，各种移动终端设备被用来上网，伴随而来的

13、物流公司如雨后春笋蓬勃发展，电子商务平台也越来越丰富，越来越多的人愿意享受网上购物带来的便利，虽然信任问题也在一定程度上得到了解决，但是这仍是一个值得深入思考的话题。具体来看，任然有许多问题值得研究与探讨。2）B2C & B2B B2C（面向企业与消费者连接的电子商务。例如亚马逊）和B2B(面向企业与企业连接的电子商务。例如阿里巴巴)类团是两种最典型的电子商务形式，大多数我们能接触到的电子商务都属于这两种，正是因为B2C &B2B两种形式的成型，改变了人们惯有的生活模式，使时代特征得以凸显，才成就了如今电子商务的炙手可热。3）物流物流类团主要包括自建物流与第三方物流。在某些特殊

14、行业里，得物流者得天下。如今，不少大型企业为了取得在电商时代的优势，自建物流体系，确保物流速度。但中小型企业更愿意与第三方物流合作。这些都使得物流产业随着电商的兴起而兴起，更是一举打破了曾经邮政的垄断与辉煌，物流的发展反过来又促进了电商的发展，可谓同枝连心。 4）农产品模式农产品模式类团主要研究农产品销售与模式的探讨。农产品出售因为电商而得益，而模式的成熟势必会减少传统农产品交易过程中的流通环节和手续，降低成本，让农民受益。5）信任与C2C 电子商务在全世界面临的共同威胁就是信任问题，人与人之间的信任高低一定程度上决定了电子商务的命运，而信任的培养是一种人的素质和社会文化的提高才能逐步改善的，

15、但是随着C2C（例如博客）等社交类网站使得网络上虚拟化的人和商家越来越真实，使得信任度也不段在加深，与社交网络的融合一定能促进电子商务的发展。6）互联网与国际贸易 互联网的触手全球可达，通过电子商务带来了国际贸易的活跃是可以肯定的，除了国与国之间的大宗商品贸易外，尤其是各类跨国公司纷纷建立自己的平台，面向世界出售产品，市场空前扩大，资本的流通速度与增值速度也随着互联网的到达和国际贸易的展开而加速。7）合并类 移动电商是未来的新趋势，但是目前还在发展中，移动电商想要做好，受制于界面大小，所以平台网站是关键，网站应该精致简明。而供应链在这里和移动电子商务与网站的关联程度较为松散。另外此类团的旅游电

16、子商务发展极具潜力，尤其是类似于Priceline网站（一个旅游服务类网站），拥有大量的数据，如果对这些数据进行分析与挖掘，那么可能会得出令人意想不到的信息和财富之道。7 基于战略坐标图的热点研究领域分析 战略坐标图是在共词矩阵和聚类的基础上，用可视化的形式来表示不同类团之间的内部联系和相互作用。它是以向心度和密度为参数绘制成的二维坐标，其中X轴为向心度，Y轴为密度。 向心度用来测量一个类团和其他类团相互联系的程度。一个类团与其他类团链接的强度越大，它在整个学科中就越趋于中心地位，可以通过对该类团所有关键词与其他类团的关键词共现次数的和作为该类团的向心度。密度用来测量类团内部关键词之间的关联强

17、度，取类团中每一对关键词共现次数的平均值。 利用上述方法求解9个类团的向心度和密度，结果如表所示。类团 向心度 密度 向心度相对值 密度相对值 问题与对策24811.64.4B2C & B2B54-7.40.4物流1350.61.4农产品模式1330.6-0.6信任与C2C73-5.4-0.6互联网与国际贸易102-2.4-1.6合并类1502.6-3.6平均值 12.43.6-注：向心度相对值 = 向心度 向心度平均值； 密度相对值 = 密度 密度平均值以(0,0)作为战略坐标原点，分别以向心度相对值和密度相对值作为X、Y的坐标值，绘制战略坐标图，如图所示。第一象限包括“问题与对策”

18、类团与“物流”类团。第二象限只有“B2B &B2C”类团。第三象限包括“信任与C2C”类团和“互联网与国际贸易”类团。第四类团包括“农产品模式”类团与“合并类”类团。可以看出， “问题与对策”类团的密度和向心度都最高，也就是说，该类团内部研究主题联系紧密，研究取向成熟，外部与其余类团有着很广泛的联系，即与其余研究密切相关，属于信息资源管理领域的核心主题。“物流”类团具有较高的密度和向心度，可见其内部研究主题联系比较紧密，与外部类团的联系也较频繁，因此学者对物流很感兴趣，它属于电子商务中的热门研究方向，但是其研究有待于进一步成熟。“B2C & B2B”类团与“信任与C2C”类团比

19、较类似，它们的密度仅次于“物流”类团，说明内部结构联系较紧密，且这些领域的研究已经形成了一定的研究规模，有很多外围的社会组织加入到这个研究之中，由于其向心度相对最低，所以它们与其它的类团的联系不够密切。 “互联网与国际贸易”类团只比“B2C & B2B”类团与“信任与C2C”类团的向心度高一点，因此说明该类团与其他类团的联系稍微多一点。“农产品模式”类团与“物流”类团的向心度相同，说明它与外部类团的联系也较频繁，而且其密度与“信任与C2C”的密度相同，说明内部结构较紧密。属于电子商务中比较热门的话题，但是研究尚不成熟，关注度也不是特别高。“合并类”类团的密度最低，向心度较高。说明类团内部结构松散，联系不强，但是与外部类团的联系很强，关注度很高，属于将来研究的重点发展领域。互联网与国际贸易信任与C2C物流合并类农产品模式B2B & B2C向心度相对值密度相对值7 结论本文利用文献计量学的相关方法，对199872013年(11月底)我国电子商务领域的主题内容进行了分析。从分析结果看，我国电子商务领域在这一期间有以下