基于供應商畫像的信息智能撮合

盧曉凱

【摘要】對B2B采供雙方交易平臺，傳統信息推送方式存在匹配度差、轉化率低的問題。本文以某第三方電子交易平臺為例，通過研究利用大數據技術，根據用戶行為、平臺屬性、交易信息、基本信息四個維度，使用聚類分析的k-means算法構建物資供應商畫像模型，實現采供雙方快速智能匹配，向供應商實時推送精準的招標采購信息，為采購人招標采購提供支撐和輔助，提高項目報名效果，減少流標率，實現降本增效。

【關鍵詞】招標采購；大數據技術；用戶畫像；智能撮合

招標采購是供應商之間的競爭，公開、公正和擇優的招標采購方式不僅能夠降低成本，還能最大限度實現市場經濟的良好運行。然而，傳統的招標采購方式可能存在招標采購信息渠道狹隘、供應商資源固化，降本難等問題，部分專業性較強的招標采購項目還存在供應商渠道單一、流標現象嚴重等問題。

B2B采供雙方交易平臺作為為招標采購各類市場主體提供采購雙方交易的平臺，匯集大量供應商資源，可以實現在開放平臺上的信息互動。作為開放新平臺，打破地域限制，擴大原有采購半徑，在原有供應商資源基礎上，引入更多新的優質供應商資源機會。但是，針對開放式平臺日均海量的信息發布，往往限制了用戶獲取有用信息而導致信息過載的現象，而傳統的信息推送方式由于欠缺考慮用戶行業、地域、采購類別等綜合性因素，在推送時，難以實現采購內容的精準推送，導致最終推送的觸達率和轉化率偏低。因此，研究如何將采購人發布的采購公告精準推送給相關供應商，實現有效信息的精準匹配非常重要。

用戶畫像的基本維度

“用戶畫像”技術作為一種跨學科的高新技術，可通過多維度數據標簽的方式抽象化將用戶的個體信息展示出來，從而為客戶有針對性地提供服務。某第三方B2B采供雙方交易平臺根據供用戶行為、平臺屬性、交易信息、基本信息四個維度，通過相關數據并進行結構化處理，將碎片化的數據整理生成相應指標，以全方位、立體性的方式完成“供應商畫像”，有針對性地實現招標采購項目的精準推送，為招標采購提供更具價值的支撐和輔助。

基于供應商畫像的信息智能推送的構建及應用

基于供應商畫像的信息智能推送，主要的步驟參考如圖1。首先，通過不同維度供應商畫像模型構建，確定數據抓取來源，并通過進一步數據篩選和清洗，確定最終有效數據生成。其次，根據既定規則進行數據權重值計算。最后，通過得分排名進行升序推薦完成整個業務端智能推送過程，實現采供雙方智能匹配。

供應商畫像的構建

構建用戶畫像最關鍵的步驟就是以業務需求為核心，對與用戶緊密結合而非無限制的數據進行收集，該第三方交易平臺通過多年招標采購平臺實施經驗分析，根據實際業務需求，構建了用戶行為、平臺屬性、交易信息、基本信息四個維度進行供應商畫像一級屬性的分類。為了提高用戶畫像的精準度，在一級屬性的基礎上進行二級屬性的細分。具體參考圖2。

用戶行為分析能夠準確判斷供應商在該平臺上的歷史軌跡；平臺屬性代表供應商在優質采平臺上的歷史誠信征信信息；交易信息能夠準確辨別供應商歷史參與項目以及項目業績情況；基本信息代表供應商實力水平；通過不同細化指標的界定分級分類，實現對平臺所有供應商智能化全景畫像的構建。

供應商數據采集和預處理

構建供應商畫像的數據來源主要分為兩個部分，第一部分主要來源于目前該平臺的線上用戶數據，包括供應商的注冊信息、交易信息、歷史瀏覽記錄等。通過用戶行為日志的埋點，建立平臺印跡模式，通過日志收集平臺所有數據，進行相關數據存儲；第一部分的數據主要來自第三方平臺數據的對接，通過與第三方企業征信平臺對接，獲取供應商行政處罰、經營異常、被執行人等公開信息來計算供應商在該平臺上的信用分值，提高對供應商畫像原型的準確度。

供應商畫像構建完之后，需要對數據進行挖掘分析，這也是大數據時代數據分析最重要的一步。此步驟最關鍵的就是如何從大量不相關的數據中挖掘有關聯的數據。主流的研究方法有聚類分析、關聯規則及文本挖掘等方式，通過分析對比，該第三方交易平臺優選選擇聚類分析的k-means算法對所獲得數據進行不同維度集合分類，并根據每個集合類不同維度的權重因子，利用大數據技術的高效數據分析處理能力幫助供應商畫像的維度模塊的快速生成。評分規則的設定原則主要根據以往智能撮合的經驗，并綜合參考相關專家的意見，將原有的維度分類詞匯進行評估并總結出對應的權重值。具體分值可參考圖3。最終，平臺通過業務端標題解析關鍵詞和項目解析關鍵詞，后臺自動按照既定的權重規則計算推薦供應商排名，實現供應商精準化智能匹配，達到供需雙方智能匹配的目的。

信息智能推送及應用

在實際的招標采購交易過程中，這種基于大數據挖掘技術來對供應商用戶畫像的多維度指標進行權重量化順序排名的運用非常重要。根據采購人發布的招標采購信息，該第三方交易平臺后臺以最終供應商排序結果為依據并以短信、系統消息、郵件等方式實現對下游供應商實時、有效自動推送，實現采供雙方項目自動撮合。同時，將此技術運用到供應商訂閱服務模塊，不僅可以實現平臺已有項目的采供雙方智能撮合，同時也可實現全國招標采購項目精準匹配，為平臺上的供應商提供更多商機服務，提供更多參與招標投標的機遇。

應用成效

采購人端：供應商充分競爭，提高采購效率，降本增效。

傳統的信息推送方式往往會存在信息不對稱傳遞、信息埋沒、信息未及時關注等問題，導致供應商不能及時獲取有價值的信息，錯過參與項目報名的機遇。基于供應商畫像的智能撮合方法能夠有效解決傳統信息推送針對性差、轉化率低的問題，通過采購需求的精準匹配，擴大采購人尋源范圍，讓供應商有效充分競爭，在原有供應商基礎上，引入更多供應商資源，降低流標機率，也間接減少項目圍標串標的風險，從整體上為采購人招標采購提供支撐和輔助，提高采購效率，縮短采購周期，達到降本增效的目的。

供應商端：信息精準捕獲，減少盲目投標風險，帶來更多商機。

基于供應商畫像的信息智能撮合可實現供應商軌跡的量化體現，通過各項標準化、可量化的指標分析，具體展現供應商的行動，精準預判供應商投標傾向，實現信息精準捕獲，提高優質供應商靠產品和技術能力中標的機率，減少盲目投標的成本。同時，供應商可以通過該第三方交易平臺訂閱服務，捕獲更多全國性的招標采購信息，避免錯失更多商機。

結語

通過利用大數據技術，根據供應商不同維度性質構建供應商畫像模型進行招標采購項目智能撮合，可實現采供雙方快速智能匹配，為采購人招標采購提供更多支撐和輔助。雖然該第三方交易平臺已在供應商維度屬性上做出了明確細分，但現有供應商畫像維度屬性仍存在數據粗粒度的情況。未來針對供應商維度的屬性，還需要根據實際項目轉化率進一步細分，擴大用戶畫像詞庫范圍，提高供應商畫像模型細粒度，不斷優化模型權重，使畫像維度劃分更精細。

（作者單位：安徽省優質采科技發展有限責任公司）

參考文獻：

[1]薛雷.“互聯網+”的企業招標采購管理新模式研究[J].中國市場，2021（18）：189-191.

[2]謝崗，張克成.基于大數據的物資供應商畫像研究分析與應用[J].安徽電力，2019（2）：13-17.

[3]胡嘉航.基于用戶畫像的信息智能推送方法[J].無線互聯科技，2020，17（19）：161-162.

[4]宋華.供應商選擇、參與對采購成本管理績效的影響[J].系統工程理論與實踐，2008，28（12）：52-59.

[5]譚浩，郭雅婷.基于大數據的用戶畫像構建方法與運用[J].包裝工程，2019，40（22）：95-101.

（責編：高楊）