数据挖掘技术在电子商务中的应用.docx
《数据挖掘技术在电子商务中的应用.docx》由会员分享，可在线阅读，更多相关《数据挖掘技术在电子商务中的应用.docx（10页珍藏版）》请在冰豆网上搜索。
数据挖掘技术在电子商务中的应用
数据挖掘技术在电子商务中的应用
学院
专业
研究方向
学生姓名
学号
任课教师姓名
任课教师职称
2013年6月20日
数据挖掘技术在电子商务中的应用
摘要:
电子商务在现代商务活动中的作用正变得日趋重要,电子商务的广泛应用使企
业产生了大量的业务数据,按企业既定业务目标对这些数据进行数据挖掘可以帮助企业
分析出完成任务所需的关键因素。
由此凸显出数据挖掘的重要。
本文讨论了数据挖掘的
主要方法,具体阐述了数据挖掘技术在电子商务中的作用及应用。
关键词:
数据挖掘;电子商务;路径分析;关联分析
1.引言
随着Internet的普及,电子商务的兴起,人们的商务理念正在改变,在人们访问、浏览、交易,电子商务企业更新产品信息的同时,Web网上产生了大量的数据,这些数据充斥着网络,充斥着电子商务企业,充斥着客户。
企业只有从海量的数据中挖掘出有价值的信息,为顾客提供更好的服务,才能吸引顾客和挽留顾客,提高自己的效益。
如何更快、更好地利用各种有效的数据更好地开展电子商务,这是目前电子商务急需解决的问题。
2.电子商务和数据挖掘简介
2.1电子商务
电子商务是指个人或企业通过Internet网络,采用数字化电子方式进行商务数据交换和开展商务业务活动。
目前国内已有网上商情广告、电子票据交换、网上订购,网上、网上支付结算等多种类型的电子商务形式。
电子商务正以其低廉、方便、快捷、安全、可靠、不受时间和空间的限制等突出优点而逐步在全球流行。
电子商务是指以Internet网络为载体、利用数字化电子方式开展的商务活动。
随着网络技术和数据库技术的飞速发展,电子商务正显示越来越强大的生命力。
电子商务的发展促使公司内部收集了大量的数据,并且迫切需要将这些数据转换成有用的信息和知识,为公司创造更多潜在的利润。
利用数据挖掘技术可以有效地帮助企业分析从网上获取的大量数据,发现隐藏在其后的规律性,提取出有效信息,进而指导企业调整营销策略,给客户提供动态的个性化的高效率服务。
2.2数据挖掘技术
数据挖掘（DataMining,又称数据库中的知识发现（KnowledgeDiscoveryinDatabase,KDD,是从大量的、不完全的、有噪声的、模糊的和随机的数据中,提取隐含在其中的、人们事先不知道的,但又是潜在有用的信息和知识的过程。
数据挖掘是一门广义的交叉学科,它汇聚了不同领域尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的知识。
数据挖掘技术从一开始就是面向应用领域,它不仅是面向特定数据库的简单检索查询调用,而且,要对数据进行微观、中观乃至宏观的统计、分析、综合和推理,以指定实际问题的求解,企图发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。
数据挖掘技术在金融、保险、电信、大型超市等积累有大量数据的电子商务行业有着广泛的应用,如信用分析、风险分析、欺诈检验、用户聚类分析、消费者习惯分析等。
[1]
而电子商务中的数据挖掘即Web挖掘,是利用数据挖掘技术从www的资源（即Web文档和行为（即We服务中自动发现并提取感兴趣的、有用的模式和隐含的信息,它是
一项综合技术涉及到Internet技术学、人工智能、、信息学、学等多个领域。
2.3数据挖掘过程
挖掘数据过程可以分为3个步骤:
数据预处理、模式发现、模式分析。
2.3.1数据预处理
实际系统中的数据一般都具有不完全性、冗余性和模糊性。
因此,数据挖掘一般不对原始数据进行挖掘,要通过预处理提供准确、简洁的数据。
预处理主要完成以下工作:
包括合并数据,将多个文件或多个数据库中的数据进行合并处理;选择数据,提取出适合分析的数据集合;数据清洗、过滤,剔除一些无关记录,将文件、图形、图像及多媒体等文件转换成可便于数据挖掘的格式等。
2.3.2模式发现
模式发现阶段就是利用挖掘算法挖掘出有效的、新颖的、潜在的、有用的以及最终可以理解的信息和知识。
可用于Web的挖掘技术有路径选择、关联分析、分类规则、聚类分析、序列分析、依赖性建模等等。
2.3.3模式分析
模式分析是从模式发现阶段获得的模式、规则中过滤掉不感兴趣的规则和模式。
通过技术手段,对得到的模式进行数据分析,得出有意义的结论。
常用的技术手段有:
关联规则、分类、聚类、序列模式等。
[2]
电子商务是现代信息技术发展的必然结果,也是未来商业运作模式的必然选择。
利用数据挖掘技术来分析大量的数据,可以挖掘出商品的消费规律与客户的访问模式,帮助企业制定有效的营销策略,充分发挥企业的独特优势,促进管理创新和技术创新,提高企业竞争力。
随着电子商务发展的势头越来越强劲,面向电子商务的数据挖掘将是一个非常有前景的领域。
它能自动预测客户的消费趋势、市场走向,指导企业建设个性化智能网站,带来巨大的商业利润,可以为企业创建新的商业增长点。
但是在面向电子商务的数据挖掘中也存在很多问题急需解决,比如怎样将服务器的日志数据转化成适合某种数据挖掘技术的数据格式,怎样解决分布性、异构性数据源的挖掘,如何控制整个Web上知识发现过程等。
随着硬件环境、挖掘算法的深入研究及应用经验的积累,数据挖掘技术及在电子商务中的应用必将取得长足的进展。
3.Web数据挖掘对象的分类
Web数据有3种类型:
HTML标记的Web文档数据,Web文档内连接的结构数据和用户访问数据。
按照对应的数据类型,Web挖掘可以分为3类:
3.1Web内容挖掘
就是从Web文档或其描述中筛选知识的过程。
3.2Web结构挖掘
就是从Web的组织结构和链接关系中推导知识。
它的目的是通过聚类和分析网页的链接,发现网页的结构和有用的模式,找出权威网页。
3.3Web使用记录挖掘
就是指通过挖掘存储在Web上的访问日志,来发现用户访问Web页面的模式及潜在客户等信息的过程。
4.电子商务中数据挖掘的方法
针对电子商务中不同的挖掘目标可以采用不同的数据挖掘方法,数据挖掘的方法有很多,主要包括下面3大类:
统计分析或数据分析,知识发现,基于预测模型的挖掘方法等。
4.1统计分析
统计分析主要用于检查数据中的规律,然后利用统计模型和数学模型来解释这些规律。
通常使用的方法有线性分析和非线性分析、连续回归分析和回归分析、单变量和多变量分析,以及时间序列分析等。
统计分析方法有助于查找大量数据间的关系,例如,识别时间序列数据中的模式、异常数据等,帮助选择适用于数据的恰当的统计模型,包括多维表、剖分、排序,同时应生成恰当的图表提供给分析人员,统计功能是通过相应的统计工具来完成回归分析、多变量分析等,数据用于查找详细数据,浏览子集,删除冗余等。
4.2知识发现
知识发现源于人工智能和机器学习,它利用一种数据搜寻过程,去数据中抽取信息,这些信息表示了数据元素的关系和模式,能够从中发现商业规则和商业事实。
利用数据可视化工具和浏览工具有助于开发分析以前挖掘的数据,以进一步增强数据发掘能力。
其他数据挖掘方法,如可视化系统可给出带有多变量的图形化分析数据,帮助商业分析人员进行知识发现。
4.3预测模型的挖掘方法
预测模型的挖掘方法是将机器学习和人工智能应用于数据挖掘系统。
预测模型基于这样一个假设:
消费者的消费行为具有一定的重复性和规律性,这使得商家可以通过分析收集存储在数据库中的交易信息,预测消费者的消费行为。
按消费者所具有的特定的消费行为将其分类,商家就能将销售工作集中于一部分消费者,即实现针对性销售。
5.数据挖掘技术在电子商务中的应用
5.1数据挖掘在客户关系管理中的应用
5.1.1潜在客户的获取
在大多数的商业领域中,业务发展的主要指标包括新客户的获取能力。
企业的市场部门人员可以采用传统的方法来发展新客户,如开展广告活动;也可以根据所了解的目标客户群,将他们分类,然后进行直销活动。
但是,随客户数量不断增长和每位客户的细节因素增多,要得出选择出相关的人口调查属性的筛选条件也会变得很困难。
而数据挖掘技术可以帮助完成潜在客户的筛选工作。
在对Web的客户访问信息的挖掘中,利用分类技术可以在Internet上找到未来的潜在客户。
使用者可以先对已经存在的访问者根据其行为进行分类,并依此分析老客户的一些公共属性,决定他们分类的关键属性及相互间关系。
对于一个新的访问者,通过在Web上的分类发现,识别出这个客户与已经分类的老客户的一些公共的描述,从而对这个新客户进行正确的分类。
然后从它的分类判断这个新客户是有利可图的客户群还是无利可图的客户群,决定是否要把这个新客户作为潜在的客户来对待。
客户的类型确定后,可以对客户动态地展示Web页面,页面的内容取决于客户与销售商提供的产品和服务之间的关联。
若为潜在客户,就可以向这个客户展示一些特殊的、个性化的页面内容。
5.1.2客户的保持
随着行业中的竞争愈来愈激烈和获得一个新客户的开支愈来愈大,保持原有客户的工作也愈来愈有价值。
在客户关系管理的实施中,企业通过预测,找出可能会流失的客户,并分析出主要有哪些因素导致他们想要离开,在此基础上,有针对性地挽留那些有离开倾向的客户。
客户常会迷失在复杂的网站和众多的商品信息中。
这就要求电子商务网站应当“以客户为中心”。
在电子商务中,传统客户与销售商之间的空间距离已经不存在,在Internet上,每一个销售商对于客户来说都是一样的,那么使客户在自己的销售站点上驻留更长的时间,对销售商来说则是一个挑战。
为了使客户在自己的网站上驻留更长的时间,就应该全面掌握客户的浏览行为,知道客户的兴趣及需求所在,并根据需求动态地向客户做页面推荐,调整Web页面,提供特有的一些商品信息和广告,以使客户满意,从而延长客户在自己的网站上的驻留的时间。
实施客户关系管理战略,为客户提供与众不同的个性化服务。
基于数据挖掘的电子商务推荐系统通过对客户的访间行为、访问频度、访问内容等信息进行挖掘,提取客户的特征。
获取客户访问模式。
据此创建个性化的电子商店,主动向客户提供商品推荐,帮助客户便捷地找到感兴趣的商品。
这是一种全新的个性化购物体验。
不仅容易使访问者转变成购买者,而且可根据客户当前购物车中的物品,向客户推荐一些相关的物品,提高站点企业的交叉销售量,甚至还可以根据需求动态地向客户做页面推荐,提供个性化的商品信息和广告,提高客户对访问站点的兴趣和忠诚度,防止客户流失。
[4]
5.1.3管理客户数据
随着“以客户为中心”的经营理念的不断深入人心,分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。
基于数据挖掘技术,企业将最大限度地利用客户资源,开展客户行为的分析与预测,对客户进行分类。
有助于客户盈利能力分析,寻找潜在的有价值的客户,开展个性化服务,提高客户的满意度和忠诚度。
通过Web资源的挖掘,了解客户的购买习惯和兴趣,从而改善网站结构设计,推出满足不同客户的个性化网页。
[4]利用数据挖掘可以有效地获得客户。
比如通过数据挖掘可以发现购买某种商品的消费者
是男性还是女性，学历、收入如何，有什么爱好，是什么职业等等。
甚至可以发现不同的人在购买该种商品的相关商品后多长时间有可能购买该种商品，以及什么样的人会购买什么型号的该种商品等等。
在采用了数据挖掘后，针对目标客户发送的广告的有效性和回应率将得到大幅度的提高，推销的成本将大大降低。
同时，在客户数据挖掘的基础上，企业可以发现重点客户和评价市场性能，制定个性化营销策略，拓宽销售渠道和范围，为企业制定生产策略和发展规划提供科学的依据。
通过呼叫中心优化与客户沟通的渠道，提高对客户的响应效率和服务质量，促进客户关系管理的自动化和智能化。
成功案例:
美国的读者文摘（Reader‘sDigest出版公司运行着一个积累了40年的业务数据库，其中容纳有遍布全球的一亿多个订户的资料，数据库每天24小时连续运行，保证数据不断得到实时的更新，正是基于对客户资料数据库进行数据挖掘的优势，使读者文摘出版公司能够从通俗杂志扩展到专业杂志、书刊和声像制品的出版和发行业务，极大地扩展了自己的业务。
5.2进行市场预测及实现企业资源优化通过Web数据挖掘，可以分析顾客的将来行为，容易评测市场投资回报率，得到可靠的市场反馈信息。
不仅大大降低公司的运营成本，而且便于经营决策的制定。
制定产品营销策略，优化促销活动通过对商品访问和销售情况进行挖掘，企业能够获取客户的访问规律，针对不同的产品制定相应的营销策略。
如利用数据挖掘技术可实现不同商品优惠策略的仿真。
根据数据挖掘模型进行模拟计费和模拟出账，其仿真结果可以揭示优惠策略中存在的问题。
并进行相应的调整优化，以达到促销活动的收益最大化。
节约成本是企业盈利的关键。
基于数据挖掘技术，实时、全面、准确地掌握企业资源信息，通过分析历史的财务数据、库存数据和交易数据,可以发现企业资源消耗的关键点和主要活动的投入产出比例,从而为企业资源优化配置提供决策依据，例如降低库存、提高库存周转率、提高资金使用率等。
通过对Web数据挖掘，快速提取商业信息，使企业准确地把握市场动态，极大地提高企业对市场变化的响应能力和创新能力，使企业最大限度地利用人力资源、物质资源和信息资源，合理协调企业内外部资源的关系，产生最佳的经济效益。
促进企业发展的科学化、信息化和智能化。
例如:
美国运通公司（AmericanExpress有一个用于记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。
运通公司通过对这些数据进行挖掘，制定了“关联结算（RelationshipBilling优惠”的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。
5.3企业安全诚信管理低劣的信用状况是影响商业秩序的突出问题，已经引起世人的广泛关注。
由于网上诈骗现象层出不穷，企业财务“造假”现象日益严重，信用危机成为制约电子商务发展的重要因素。
利用数据挖掘技术对企业经营进行跟踪，开展企业的资产评估、利润收益分析和发展潜力预测，构建完善的安全保障体系，实施网上全程监控，强化网上交易和在线支付的安全管理。
基于数据挖掘的信用评估模型，对交易历史数据进行挖掘，发现客户的交易数据特征，建立客户信誉度级别，有效地防范和化解信用风险，提高企业信用甄别与风险管理的水平和能力。
5.4搜索引擎的应用通过对网页内容的挖掘，可以实现对网页的聚类和分类，实现网络信息的分类浏览与检索；通过用户使用的提问式历史记录分析，可以有效地进行提问扩展，提高用户的检索效果；通过运用Web挖掘技术改进关键词加权算法，可以提高网络信息的标引准确度，改善检索效果。
优化网站组织结构和服务方式，提高网站的效率通过挖掘客户的行为记录和反馈情况为站点设计者提供改进的依据。
进一步优化网站组织结构和服务方式以提高网站的效率。
站点的结构和内容是吸引客户的关键。
站点上页面内容的安排和连接如同超市中物品在货架上的摆设一样，把具有一定支持度和信任度的相关联的物品摆放在一起有助于销售。
比如利用关联规则的发现，可以针对不同客户动态调整站点结构。
使客户访问的有关联的页面之间链接更直接，让客户很容易访问到想要的页面。
这样的网站往往能给客户留下好印象。
提高客户忠诚度，吸引客户不断访问。
5.5优化Web站点对Web站点的链接结构的优化可从三方面来考虑：
（1）通过对WebLog的挖掘，发现用户访问页面的相关性，从而对密切联系的网页之间增加链接，方便用户使用。
（2）利用路径分析技术判定在一个Web站点中最频繁的访问路径，可以考虑把重要的商品信息放在这些页面中，改进页面和网站结构的设计，增强对客户的吸引力，提高销售量。
（3）通过对WebLog的挖掘，发现用户的期望位置。
如果在期望位置的访问频率高于对实际位置的访问频率，可考虑在期望位置和实际位置之间建立导航链接，从而实现对Web站点结构的优化。
5.6增强电子商务安全Web的内容挖掘还包括挖掘存有客户登记信息的后台交易数据库。
客户登记信息在电子商务活动中起着非常重要的作用，特别是在安全方面，或者在对客户可访问信息的限制方面。
[3]6.数据挖掘在电子商务应用方面遇到的问题6.1数据挖掘分析变量的选择数据挖掘的基本问题就在于数据的数量和维数，数据结构显的非常复杂，数据分析变量即是在数据挖掘中技术应用中产生的，选择合适的分析变量，将提高数据挖掘的效率，特别适用于电子商务中大量商品以及用户信息的处理。
针对这一问题，我们完全可以用分类的方法，分析出不同信息的属性以及出现频率进而抽象出变量，运用到所选模型中，进行分析。
6.2数据抽取的方法的选择数据抽取的目的是对数据进行浓缩，给出它的紧凑描述，如求和值、平均值、方差值、等统计值、或者用直方图、饼状图等图形方式表示，更主要的是他从数据泛化的角度来讨论
数据。
数据泛化是一种把最原始、最基本的信息数据从低层次抽象到高层次上的过程。
可采用多维数据分析方法和面向属性的归纳方法。
在电子商务活动中，采用维数据分析方法进行数据抽取，他针对的是电子商务活动中的客户数据仓库。
在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大，可把汇集操作结果预先计算并存储起来，以便用于决策支持系统使用。
6.3数据趋势的预测数据是海量的，那么数据中就会隐含一定的变化趋势，在电子商务中对数据趋势的预测尤为重要，特别是对客户信息以及商品信息合理的预测，有利于企业有效的决策，获得更多地利润。
但如何对这一趋势做出合理的预测，现在还没有统一标准可寻，而且在进行数据挖掘过程中大量数据形成文本后格式的非标准化，也给数据的有效挖掘带来了困难。
针对这一问题的产生，我们在商务中可以应用聚类分析的方法，把具有相似浏览模式的用户集中起来，对其进行详细的分析，从而提供更适合、更令用户满意的服务。
聚类分析方法的优势在于便于用户在查看日志时对商品及客户信息有全面及清晰的掌控，便于开发和执行未来的市场战略，包括自动给一个特定的顾客聚类发送销售邮件，为一个顾客聚类动态地改变一个特殊的站点等，这无论对客户和销售商来说都是有意义。
6.4数据挖掘结果的不确定性数据挖掘结果具有不确定性的特征，因为挖掘的目的不同所以最后挖掘的结果也会千差万别，以因此这就需要我们与所要挖掘的目的相结合，做出合理判断，得出所需要的信息，便于企业的决策选择。
进而达到提高企业效益，获得更多利润的目的。
数据挖掘可以发现一些潜在的用户，对于电子商务来说是一个不可或缺的技术支持，数据挖掘的成功要求使用者对期望解决问题的领域有深刻的了解，数据挖掘技术在一定程度上解决了电子商务信息不能有效利用的问题，但它在运用过程中出现的问题也亟待人们去解决。
相信数据挖掘技术的改进将推进电子商务的深入。
7.结束语数据挖掘是一个新兴的领域,具有广阔应用前景，目前，电子商务在我国正处于快速发展和应用阶段，利用数据挖掘技术，能够强化对客户的服务、促进市场最优化、加速资金周转、实现企业的创新发展。
电子商务平台上的数据挖掘技术有待人们去进行更深入的研究工作，这将不断的推动数据挖掘技术的深入发展和广泛应用，创造出更多的社会和经济价值。
总之在选择一种数据挖掘技术我们应根据商业问题的特点来决定采用哪种数据挖掘形式比较合适。
应选择符合数据的模型的算法，确定合适的模型和参数。
只有选择好正确的数据挖掘工具，才能真正发挥数据挖掘的作用，使企业在激烈的市场竞争中做出正确的决策，保持有力的竞争优势。
电子商务是现代商业的主流趋势，如何充分利用网络技术和数据库技术发挥企业优势，成为企业制胜的法宝。
本文介绍了常用的数据挖掘方法，以及在电子商务领域的应用，分析了利用数据挖掘技术建设动态、高效电子商务的可行性。
参考文献[1]夏火松:
数据仓库与数据挖掘技术[M].北京:
科学出版社，2004.3[2]张云涛龚铃:
数据挖掘原理与技术.北京,电子工业出版社,2004.1[3]方真等:
电子商务教程[M].北京:
清华大学出版社.2004[4]王绪林:
Web使用挖掘的用户个性化服务研究[J].信息系统，2003.1
升级会员 