新零售下电商企业线下渠道策略分析——以三只松鼠为例

随着线上红利的萎缩、客户获取成本的提升及新零售的发展,各电商企业开始布局线下渠道,以线下体验带动线上销售,实现全渠道运营。三只松鼠股份有限公司作为食品电商企业的领头羊,也抓住市场热点,从多个方面践行新零售,推动企业再向一个高峰。以三只松鼠为例对电商企业线下营销动机、策略及成效进行分析,为其他电商企业提出建议。     

南阳地区跨境电商发展的对策研究

在政府的重视和推动下,近年来南阳地区的跨境电商得到了一定程度的发展,但还存在着企业利用跨境B2B平台少、跨境电商零售规模不大、跨境零售的物流服务有限等问题,同时受地理位置、人力资源、消费理念等因素的制约。要进一步推动南阳跨境电商的发展,地方政府应进一步鼓励扶持跨境电商产业链企业,加强监管,打造服务跨境电商的信息化系统;企业应注重创新,提高产品质量;培训机构和行业协会应加强跨境电商人才的培养,采取切实有效的措施,推动本地区跨境电商的发展。     

县域电商发展路径探析

发展电子商务,有助于转变县域经济增长方式,推动服务业转型升级,催生新兴业态,有效解决在经济新常态下所面临的发展与转型的双重压力。因此,地方政府高度重视,从战略规划、政策制定以及资源配置等方面,做了专门的部署安排。但是,在实际调研中发现,由于发展观念守旧、科学谋划不够、统筹安排欠缺,以及民众素质低下、基础条件较差、电商人才匮乏等,使得县域电商发展十分缓慢。要发展县域电商,地方政府需认真研判县域实情,找准优势劣势,科学谋划,把有限的财力、物力、人力,精准用到优势切入点,重点突破,定能形成"燎原之势",最终实现电子商务产业带动作用,促进县域经济全面提升。     

国内B2B电子商务供应链金融研究综述

"互联网+"的浪潮下,在线供应链金融已是当前研究的热门领域,B2B电子商务供应链金融更是在线供应链金融的研究重点。从B2B电子商务供应链金融的原理、特征、模式、决策、博弈、风险管理方面对国内已有研究进行综述,并指出未来需研究的方向。为研究者呈现国内B2B电子商务供应链金融研究的总体面貌,方便开展进一步的研究。     

直播电商弹幕对绩效影响的研究

弹幕作为直播电商中用户与主播、与其他用户互动的载体,对直播电商绩效有着十分重要的影响。本研究从抖音电商平台爬取了1200余万条弹幕文本数据,采用实证方法分析了直播电商弹幕与绩效的关系。研究发现：受信息过载影响,直播电商弹幕与绩效呈现出显著的倒U型关系,适度的弹幕可以促进绩效,但过多则会产生负面影响。此外,研究还发现直播间氛围和用户熟悉度对倒U型关系有调节作用。研究结果对直播电商运营具有指导意义。     

平台规制下直播电商三方策略演化博弈与仿真

平台规制策略优化是确保直播电商中供应商、主播行为合规合法的关键,针对供应商、直播平台、主播的利益联系、行为策略和博弈关系,构建三者行为策略演化博弈模型,揭示平台规制下直播电商三方行为策略演化规律,并运用Netlogo仿真模拟策略演化过程.研究表明:平台适当的惩罚与约束力度,有助于规范供应商、主播行为;平台较高补贴能激励...     

甄爱心购 不一样的社交电商

有人的地方就有江湖,有江湖的地方就有社交,有社交的地方就有生意。作为一种基于社会化移动社交而迅速发展的新兴电子商务模式,社交电商自2013年出现后经过多年的高速发展,在2019年进入稳步发展阶段。2019年12月19日,在“2019新经济风云榜暨知识经济峰会”上,甄爱(重庆)科技有限公司CEO赵家顺接受了《知识经济》专访,让我们领略了一个不一样的社交电商平台。     

出口跨境电商的本质及其发展逻辑

中国出口跨境电商异军突起,呈现出平台组织引领带动、中小企业纷纷触网、行业生态日趋成熟和消费习惯逐渐养成等特征。出口跨境电商实质上行使了商品资本的职能,起到增加贸易机会、节省流通时间、降低流通费用、减少商品资本、减少生产风险和促进社会分工等重要作用。出口跨境电商产业链内部竞争,更多地表现为争夺其中的主导地位和高附加值环节的竞争。加快中国出口跨境电商发展关键在于为争夺出口跨境电商产业链的主导地位和高附加值环节提供最合适的资源和配套条件。     

双重努力下生鲜电商企业定价与库存决策研究

文章研究市场需求受保鲜努力和销售努力双重影响下的生鲜农产品库存模型,探讨常数变质率下生鲜农产品电商企业的定价和库存策略,并对最优策略进行求解。同时提出传统供应链和电商供应链参数取值时的区别,体现了电商供应链的特色。研究表明：保鲜努力和销售努力随新鲜度和销售努力弹性系数增强而增加;生鲜电商企业的最大利润也随新鲜度和销售努力弹性系数增强而增加;保鲜努力和销售努力随价格弹性系数增强而减少;生鲜电商企业的最大利润也随新价格弹性系数增强而减少;随着采购价的逐渐增大,保鲜努力和销售努力会逐渐降低。     

基于集成学习的电商销量预测研究分析

针对电商销量数据的复杂性和现有预测模型的稳定性及泛化能力不足问题,本研究基于大样本多变量数据,应用随机森林和渐进梯度回归树等机器学习模型进行分析。研究结果表明,相比于广义线性回归、弹性网络、支持向量回归、KNN回归树、决策树、多层感知机、AdaBoost,随机森林和渐进梯度回归树对电商销售数据预测拟合更加精确。相比于广义线性回归、弹性网络等7种传统机器学习算法,随机森林和渐进梯度回归树这两种集成学习的方法对电商销量预测更加精确,且渐进梯度回归树算法拟合效果更好、均方根误差更小,是一种更加有效的电商销量预测方法。