文/趙民鋼 周俊妍 薛文良 魏孟媛 錢競芳 郭建峰

中國國際進(jìn)口博覽會（以下簡稱進(jìn)博會）是由商務(wù)部、上海市人民政府聯(lián)合主辦的，旨在推動經(jīng)濟(jì)全球化、貿(mào)易自由化發(fā)展的世界首個以進(jìn)口為主題的國家級大型展會。2018年，進(jìn)博會累計吸引了172個國家、地區(qū)以及國際組織參展，3600多家企業(yè)匯聚，其中，“一帶一路”沿線國家共58個，涉及1000多家企業(yè)，幾乎占所有參展國家的三分之一，這也表明進(jìn)博會在“一帶一路”建設(shè)過程中的重要地位，必將為“一帶一路”相關(guān)國家對華出口提供新的機(jī)遇[1-3]。

作為世界首屆進(jìn)口博覽會，進(jìn)博會沒有現(xiàn)成的監(jiān)管模式可以借鑒，檢驗檢疫工作也面臨著巨大的挑戰(zhàn)，主要問題包括：其一進(jìn)博會參展對象以“一帶一路”國家為代表，進(jìn)口展品種類繁多，包括農(nóng)產(chǎn)品、食品、日用消費(fèi)品、服裝服飾等多個門類，所涉及的通關(guān)流程復(fù)雜，疫情疫病風(fēng)險高；其二主辦方提出“6天會展+365天銷售”的運(yùn)作模式，線上線下結(jié)合銷售，監(jiān)管時間長，要求高?？傮w來說，進(jìn)博會的監(jiān)管工作時間緊張、任務(wù)繁重、模式復(fù)雜，這些都推動著檢驗檢疫部門加快監(jiān)管創(chuàng)新，在保證質(zhì)量的情況下，讓商品快速通關(guān)進(jìn)口，并在接下來一年的銷售期內(nèi)對質(zhì)量安全實現(xiàn)長期的動態(tài)監(jiān)控。

跨境電子商務(wù)有著批次多、批量小、品類繁多、交易頻繁等特點(diǎn)，這與進(jìn)博會的商品特點(diǎn)大同小異[4]；此外，展品在展覽結(jié)束后，經(jīng)批準(zhǔn)，允許在常年展示館保稅展示交易。這也與跨境電商的保稅監(jiān)管模式異曲同工[5]。因此，相關(guān)部門提出是否可以借鑒跨境電商保稅倉的監(jiān)管模式，以實現(xiàn)對進(jìn)博會商品的長期監(jiān)管。為了驗證這種思路的可行性，本文提出利用跨境電商的商品數(shù)據(jù)庫以及跨境電商進(jìn)口正面清單與進(jìn)博會主要商品類型進(jìn)行匹配，若匹配程度在合理范圍內(nèi)，則說明兩者商品具有一定的相似度，其模式的相互借鑒有一定現(xiàn)實意義。

1 研究框架

本文的主體研究框架如圖1所示，主要分為三個階段，首先建立跨境電商全平臺產(chǎn)品數(shù)據(jù)庫；其次整理進(jìn)博會展品數(shù)據(jù)，與跨境電商產(chǎn)品數(shù)據(jù)庫進(jìn)行匹配；最后對匹配結(jié)果進(jìn)行分析。

目前，跨境電商進(jìn)口網(wǎng)站繁雜多樣，從進(jìn)口商品來看，可以分為綜合型、垂直型；從物流模式來看，可以分為保稅倉、海外直郵?；谶M(jìn)博會展銷并舉、保稅交易、商品種類廣的特點(diǎn)，本文僅選取以保稅倉模式為主的綜合型電商為研究對象。此外，本文擬通過機(jī)器采集的方式采集主流跨境電商平臺商品數(shù)據(jù)，建立跨境電商全平臺產(chǎn)品數(shù)據(jù)庫，以方便機(jī)器匹配的快速掃描。

在匹配方法的選擇上，由于數(shù)據(jù)庫的建立需要一定時間，而跨境電商網(wǎng)站商品更新又較為頻繁，因此本文將采取機(jī)器加人工的方法完成匹配。第一步：機(jī)器快速掃描商品庫，完成初步匹配；第二步：人工檢索主流跨境電商平臺，對第一步匹配失敗的商品二次檢索，查漏補(bǔ)缺。這種方式既實現(xiàn)了快速匹配的要求又盡可能提高了匹配精度。

2 研究方法

2.1 搭建跨境電商平臺商品數(shù)據(jù)庫

本文主要利用python編程實現(xiàn)網(wǎng)頁商品信息的自動采集，采集流程包括選定采集網(wǎng)站、制定網(wǎng)址采集規(guī)則、制定內(nèi)容采集規(guī)則以及數(shù)據(jù)的采集與保存[6]。

2.1.1 數(shù)據(jù)采集流程

1）選定采集網(wǎng)站。據(jù)中國電子商務(wù)研究中心（100EC.CN）監(jiān)測顯示，按整體交易額計算，近兩年的主流跨境進(jìn)口電商平臺中網(wǎng)易考拉、京東全球購、唯品國際以及天貓國際均處于市場份額前列，累計份額占比保持在60%以上?；诩夹g(shù)以及時間的原因，本文僅以前三個平臺作為樣本進(jìn)行采集，即網(wǎng)易考拉、京東全球購以及唯品國際。

2）制定網(wǎng)址采集規(guī)則。網(wǎng)址采集規(guī)則是指根據(jù)要采集內(nèi)容網(wǎng)頁在網(wǎng)站結(jié)構(gòu)中所處位置制定相應(yīng)的規(guī)則來采集網(wǎng)址。基于跨境進(jìn)口電商平臺主頁基本結(jié)構(gòu)的相似性，網(wǎng)址采集規(guī)則可歸納如下：首先確定網(wǎng)址主頁；然后采集該主頁顯示的所有商品類目鏈接（如潔面、卸妝等類目特征詞對應(yīng)的類目鏈接）形成商品類目鏈接庫；最后遍歷訪問類目鏈接庫，采集每一個類目下所有的商品鏈接，形成商品主頁鏈接庫。

3）制定內(nèi)容采集規(guī)則。內(nèi)容采集是指通過制定一系列規(guī)則，分析、提取網(wǎng)頁HTML編碼中的元素。同一網(wǎng)站的子網(wǎng)頁源碼結(jié)構(gòu)基本一致，因此只需對一個商品主頁源碼結(jié)構(gòu)進(jìn)行分析并制定采集規(guī)則即可。本次內(nèi)容采集的字段包括商品標(biāo)題、原產(chǎn)國、發(fā)貨倉庫、價格、商品詳情等，內(nèi)容采集規(guī)則的核心是根據(jù)不同元素類型提取元素。針對靜態(tài)字段，本文直接利用相關(guān)模塊解析網(wǎng)頁源碼，定位元素、提取元素即可；而針對動態(tài)字段，則需要利用網(wǎng)頁控制臺進(jìn)一步獲取該元素的動態(tài)加載鏈接，然后訪問該鏈接，解析轉(zhuǎn)換成python類型數(shù)據(jù)，直接提取。

4）數(shù)據(jù)的采集輸出與保存。遍歷商品主頁鏈接庫，利用已制定的內(nèi)容采集規(guī)則，采集數(shù)據(jù)。數(shù)據(jù)輸出直接導(dǎo)入MongoDB數(shù)據(jù)庫，方便可視化查詢以及后續(xù)生成csv文件與展品進(jìn)行自動化對比分析。

2.1.2 數(shù)據(jù)采集結(jié)果

最終共采集商品數(shù)據(jù)782473條，經(jīng)篩選后存有數(shù)據(jù)454075條，涉及商品十余類，包括汽車用品、消費(fèi)電子及家電、服裝及日用消費(fèi)品、醫(yī)療保健品、食品等。其中篩選原則主要包括以下三條：去除重復(fù)數(shù)據(jù)、缺失數(shù)據(jù)、海外直郵商品（包括港澳臺）。三個平臺各自的數(shù)據(jù)情況如表1所示。

2.2 商品信息匹配

商品信息匹配的對象有三類，分別是跨境電商進(jìn)口平臺商品、跨境電商正面清單以及進(jìn)博會主要展品。三類對象的數(shù)據(jù)基本情況如表2所示。其中，進(jìn)博會的展品數(shù)據(jù)來源主要包括物流服務(wù)提供商、進(jìn)出口公司以及進(jìn)博會主辦方，初始共計1443條。經(jīng)過簡單的數(shù)據(jù)清洗后，按展品品名分類，展品信息共計515條。

表1 各平臺商品及原產(chǎn)國數(shù)量分布

表2 待匹配對象的數(shù)據(jù)基本情況

2.2.1 自動匹配模型

目前，常用的商品匹配算法有WHIRL算法、TMWM算法、SSM算法等[7-8]。這類算法以商品標(biāo)題、價格、屬性表等基本參數(shù)作為匹配對象，對商品信息進(jìn)行建模，計算編輯距離、余弦相似度，或是分詞后利用tf-idf加權(quán)，計算Jaccord相似度等[9-10]，其本質(zhì)多是將文本信息向量化后，按照某種算法計算距離從而得出相似度。

本文需要匹配的字段包括品名、來源國，并且進(jìn)博會展品品名以二到五字的短語為主，冗雜信息很少。因此，本文擬利用python簡單實現(xiàn)自動匹配效果，具體算法步驟如下：

1）讀取跨境電商全平臺商品數(shù)據(jù)庫，分詞，返回分詞列表；

2）基于分詞列表建立詞典，獲得特征數(shù)，即詞典中詞的個數(shù)；

3）基于詞典建立語料庫 ；

4）使用TF-IDF模型處理語料庫，并建立索引 ；

5）遍歷展品品名列表，用步驟2所建詞典將品名轉(zhuǎn)換成稀疏向量，計算相似度 ；

6） 當(dāng)相似度大于0，并且來源國相同，則判斷兩件商品匹配成功，否則另外輸出等待人工二次檢索[11-12]。

經(jīng)過查詢數(shù)據(jù)庫中完全匹配的展品合計112件，其中經(jīng)過機(jī)器的快速掃描實現(xiàn)完全匹配的展品共63件，占比達(dá)56.25%，這大大提高了匹配的效率，為人工匹配節(jié)約了時間。

2.2.2 人工二次匹配

跨境電商進(jìn)口商品數(shù)據(jù)庫中僅包含三大跨境電商平臺，為了保證匹配結(jié)果的完整性，人工檢索的電商平臺在以上三大平臺的基礎(chǔ)上，加上了天貓國際。人工匹配以自動匹配失敗的集合為出發(fā)點(diǎn)，在平臺上逐條搜索相應(yīng)的品名以及原產(chǎn)國，定義匹配結(jié)果。

3 對比分析

3.1 進(jìn)博會展品與跨境電商商品的對比分析

匹配的對象是進(jìn)博會主要展品與跨境電商進(jìn)口平臺商品，基于表2的數(shù)據(jù)情況，匹配字段僅包括商品品名、原產(chǎn)國。匹配結(jié)果如圖2所示，共分為5類：分別是完全匹配、無對象、原產(chǎn)國不匹配、原產(chǎn)國部分匹配、直郵。

其中，完全匹配指展品標(biāo)題與展品來源國與電商商品完全一致；無對象指跨境電商平臺沒有商品與展品品名相同；原產(chǎn)國不匹配指跨境電商平臺有此類商品，但商品來源國與展品來源國完全不匹配；原產(chǎn)國部分匹配即跨境電商平臺有此類商品，但商品來源國與展品來源國部分不匹配；直郵即跨境電商平臺有此類商品，但入境方式為直郵。

從匹配數(shù)量來看，基本匹配占比39.23%，其中完全匹配占比28.74%，原產(chǎn)國部分匹配占比10.49%。值得注意的是僅有35.15%的展品無法在跨境電商平臺上檢索到同類商品，這就說明64.85%的展品是有監(jiān)管案例可以借鑒的。在64.85%中，44.3%是完全匹配的，即品名與原產(chǎn)國完全一致，因此其匹配程度還是比較樂觀的。

從匹配類目來看，如圖3 所示，無對象類商品集中在工業(yè)用品、模型、展臺用品、電子設(shè)備等工業(yè)類范疇，此外還有水果生鮮、農(nóng)產(chǎn)品等可食用不宜保存的食品類。

匹配類商品以食品茶水、個人護(hù)衛(wèi)品、紡織品、家居日用品為主，這也符合人們對日常生活中跨境采購消耗量較大商品類目的認(rèn)知。原產(chǎn)國不匹配類以酒水生鮮農(nóng)產(chǎn)品等食品、家居日用品為主，這與“一帶一路”國家展品類型多以家居、農(nóng)副產(chǎn)品、食品為主有關(guān)，這類國家大多并未與我國建立穩(wěn)定的國際貿(mào)易關(guān)系。

總體來看，博覽會展品與本文選取的三個跨境進(jìn)口電商的商品匹配度比較良好。僅有35.15%是完全無案例可查，此類商品以高科技電子設(shè)備、工業(yè)設(shè)備模型以及生鮮谷物等農(nóng)畜特產(chǎn)為主，檢驗檢疫部門可以對此類商品重點(diǎn)關(guān)注。

3.2 進(jìn)博會展品與正面清單對比分析

在3.1的比對中，本文說明了進(jìn)博會部分展品與跨境電商平臺現(xiàn)有流通商品的匹配關(guān)系，為了進(jìn)一步說明跨境電商所有允許保稅進(jìn)口的商品與進(jìn)博會展品的關(guān)系，本文提出將進(jìn)博會主要展品與跨境電商正面清單進(jìn)行詳細(xì)對比分析。基于表2的數(shù)據(jù)情況，這兩者的匹配字段僅包括商品品名。

匹配結(jié)果如圖4所示，共分為兩類：匹配、無對象。其中，匹配占比達(dá)62.14%，無對象占比達(dá)37.86%。

從匹配數(shù)量上來看，該匹配率略低于跨境電商平臺。這是由于正面清單的部分商品描述較為學(xué)術(shù)，導(dǎo)致某些展品盡管本質(zhì)上與清單商品相一致，但很難直接檢索到或者清單商品所指的范圍很難界定。

從匹配類目上來看，如圖4所示，展品在食品酒水、工業(yè)用品、電子設(shè)備、醫(yī)療保健上所匹配的商品較少，尤其是后三個類目。這說明政府在工業(yè)模具、高科技產(chǎn)品以及醫(yī)藥保健方面的跨境電商進(jìn)口管控較為嚴(yán)格或是相關(guān)的監(jiān)管經(jīng)驗欠缺。

4 結(jié)論

本文在建立跨境電商全平臺產(chǎn)品數(shù)據(jù)庫的基礎(chǔ)上，通過自動匹配加人工匹配的方式，完成了進(jìn)博會部分展品與跨境電商平臺商品和正面清單的比對工作，得出如下結(jié)論：如文中所述兩者商品重合率均達(dá)60%以上，因此相關(guān)部門有理由借鑒跨境電商保稅進(jìn)口模式監(jiān)管進(jìn)博會展品。需要注意的是，兩者的差異集中體現(xiàn)在生鮮、農(nóng)副產(chǎn)品這些食品類商品，以及工業(yè)模具、電子設(shè)備這類制造業(yè)商品上，因此，針對這類商品，相關(guān)部門有必要區(qū)分看待。