通过对采用射频技术设计的 O2O 平台进行调研分析，发现其存在平台框架设计过于单一、对用户数据挖掘时缺乏数据预处理、存在平台功能完善度差、功能不健全等弊端，因此，电商O2O用户行为分析推荐算法应用平台的研究聚焦于新型的基于大数据的 O2O 平台设计。

项目研究从平台的概念框架、平台的建设框架和平台设计框架等几方面出发，分析平台的设计与实现方法。平台概念框架负责平台功能的实现；平台建设框架对开发程序进行模块化、平台化处理；平台设计框架实现将平台与各网站接口对接以及信息交换和管理工作。通过数据采集、数据预处理、数据挖掘完成基于大数据的 O2O 平台用户数据挖掘流程，采用基于 Map Reduce软件架构的聚类挖掘优化算法，实现基于大数据的 O2O 平台用户数据挖掘。

O2O平台概念框架设计主要由用户模块、线上平台、支付系统、网上银行接口等部分组成，业务数据通过店铺数据作为支撑，待构建完善运营之后，采集线上线下消费者的购买信息及习惯数据进行大数据解析。

平台设计框架主要包括电子商务平台、店铺管理系统、后台业务系统以及实体店铺4个模块，各模块的详细内容如下。

电子商务平台：淘宝、唯品会、阿里巴巴等线上店铺，大数据通过API接口跟ERP系统进行交换，完成业务系统内线上店铺的订单、库存、物流管理。

店铺管理系统：API接口和电商平台对接，完成店铺的信息查看、商品呈现、款项操作、库存管理等，并且和后台系统进行连接。

后台业务系统：包括采购管理、销售管理、仓库管理、财务管理等，同时和OA、用户、物流系统相连，完成大数据信息同步和统一管理。

实体店铺：实体店铺完成商品展现和用户评价，消费者选择商品后通过客户端在线支付，完成O2O的最后步骤。

基于大数据的O2O平台用户数据挖掘流程包含数据采集、数据抽取、数据转换、数据挖掘、数据应用等。

数据采集：O2O数据源包含基于大数据的O2O平台的用户数据、社交网络的用户数据等。当用户在O2O平台进行购物时，采用Needlebase软件对其相关数据进行采集。

数据转换与整合：由于原数据中存在噪声和冗余数据，在数据转换时需按照预先设计好的规则进行分析，将异构的数据格式进行重组统一，以确保挖掘数据的质量。

数据整合是把关联数据依照一定的规则装入数据仓库，实现另外的商业用途。

数据挖掘和应用：在对数据进行挖掘时，依照不同的应用要求选取不一样的挖掘模型，对数据展开深度挖掘。获得数据挖掘结果后，再对它展开解释应用，挖掘应用通常包含排名、私人化推荐、问题检查、大数据可视化运算和分析等。

数据挖掘对将来行为趋势进行预测，做出基于知识的策略。本项目运用基于 Map Reduce软件架构的聚类挖掘优化算法进行基于大数据的O2O平台用户数据挖掘。