電子商務中數據挖掘方法的應用

[摘要] 電子商務是現代商業的主流趨勢，如何充分利用網絡技術和數據庫技術發揮企業優勢，成為企業制勝的法寶。本文介紹了常用的數據挖掘方法，以及在電子商務領域的應用，分析了利用數據挖掘技術建設動態、高效電子商務的可行性。

[關鍵詞] 數據挖掘 電子商務 數據庫

一、引言

電子商務是指以Internet網絡為載體、利用數字化電子方式開展的商務活動。隨著網絡技術和數據庫技術的飛速發展，電子商務正顯示越來越強大的生命力。電子商務的發展促使公司內部收集了大量的數據，并且迫切需要將這些數據轉換成有用的信息和知識，為公司創造更多潛在的利潤。利用數據挖掘技術可以有效地幫助企業分析從網上獲取的大量數據，發現隱藏在其后的規律性，提取出有效信息，進而指導企業調整營銷策略，給客戶提供動態的個性化的高效率服務。

二、數據挖掘技術

1.數據挖掘

數據挖掘(Data Mining)，又稱數據庫中的知識發現(Knowledge Discovery in Database， KDD)，是從大量的、不完全的、有噪聲的、模糊的和隨機的數據中，提取隱含在其中的、人們事先不知道的，但又是潛在有用的信息和知識的過程。數據挖掘是一門廣義的交叉學科，它匯聚了不同領域尤其是數據庫、人工智能、數理統計、可視化、并行計算等方面的知識。數據挖掘技術從一開始就是面向應用領域，它不僅是面向特定數據庫的簡單檢索查詢調用，而且，要對數據進行微觀、中觀乃至宏觀的統計、分析、綜合和推理，以指定實際問題的求解，企圖發現事件間的相互關聯，甚至利用已有的數據對未來的活動進行預測。數據挖掘技術在金融、保險、電信、大型超市等積累有大量數據的電子商務行業有著廣泛的應用，如信用分析、風險分析、欺詐檢驗、用戶聚類分析、消費者習慣分析等。

2.數據挖掘過程

挖掘數據過程可以分為3個步驟：數據預處理、模式發現、模式分析。

(1)數據預處理。實際系統中的數據一般都具有不完全性、冗余性和模糊性。因此，數據挖掘一般不對原始數據進行挖掘，要通過預處理提供準確、簡潔的數據。預處理主要完成以下工作：包括合并數據，將多個文件或多個數據庫中的數據進行合并處理；選擇數據，提取出適合分析的數據集合；數據清洗、過濾，剔除一些無關記錄，將文件、圖形、圖像及多媒體等文件轉換成可便于數據挖掘的格式等。

(2)模式發現。模式發現階段就是利用挖掘算法挖掘出有效的、新穎的、潛在的、有用的以及最終可以理解的信息和知識。可用于Web的挖掘技術有路徑選擇、關聯分析、分類規則、聚類分析、序列分析、依賴性建模等等。

(3)模式分析。模式分析是從模式發現階段獲得的模式、規則中過濾掉不感興趣的規則和模式。通過技術手段，對得到的模式進行數據分析，得出有意義的結論。常用的技術手段有：關聯規則、分類、聚類、序列模式等。

三、電子商務中幾種常用的數據挖掘方法

1.關聯規則

關聯規則是數據挖掘研究的主要模式之一，側重于確定數據中不同領域之間的關系，找出滿足給定條件下的多個域間的依賴關系。關聯規則挖掘對象一般是大型數據庫，該規則一般表示式為：A1∧A2∧…Am=>B1∧B2∧…Bm，其中，Ak(k=1，2，…， m)，Bj(j=1，2，…，n)是數據庫中的數據項。有Support(A=>B)=P(A∪B)，Confidence(A=>B)=P(A|B)。數據項之間的關聯，即根據一個事務中某些數據項的出現可以導出另一些數據項在同一事務中的出現。

關聯分析的目的是挖掘出隱藏在數據間的相互關系。關聯規則用于尋找在同一個事件中出現的不同項的相關性，比如在一次購買活動中所買不同商品的相關性。關聯分析的典型例子是購物籃分析，描述顧客的購買行為，可以幫助零售商決定商品的擺放和捆綁銷售策略。如著名的(面包+黃油→牛奶)例子就屬于關聯分析：在超市中，90%的顧客在購買面包和黃油的同時，也會購買牛奶。直觀的意義是：顧客在購買某種商品時有多大的傾向會購買另外一些商品。找出所有類似的關聯規則，對于企業確定生產銷售、產品分類設計、市場分析等多方面是有價值的。

2.聚類分析方法

類聚分析就是直接比較樣本中各事物之間的性質，將性質相近的歸為一類，而將性質差別較大的分在不同的類。對變量聚類計算變量之間的距離，對樣本聚類則計算樣本之間的距離。它的目的是使得屬于同一類別的個體之間的距離盡可能小，而不同類別上的個體間的距離盡可能大。

聚類分析用于把有相似特性的客戶、數據項集合到一起。在電子商務中， 聚類分析常用于市場細分。根據已有客戶的數據，利用聚類技術將市場按客戶消費模式的相似性分為若干細分市場，以進行有針對性的市場營銷，提供更適合、更滿意的服務。如自動給一個特定的客戶聚類發送銷售郵件，為一個客戶聚類動態地改變一個特殊的站點等。通過對聚類的客戶特征的提取，電子商務網站還可以為客戶提供個性化的服務。

3.分類分析

分類系統是基于遺傳算法的機器學習中的一類，它包括一個簡單的基于串規則的并行生成子系統、規則評價子系統和遺傳算法子系統。分類系統正在被人們越來越多地應用于科學、工程和經濟領域中，是目前遺傳算法研究領域中一個非常活躍的領域。

分類分析是數據挖掘中應用最多的方法。分類要解決的問題是為一個事件或對象歸類， 既可以用于分析已有的數據，也可以用來預測未來的數據。分類通過分析已知分類信息的歷史數據，總結出一個預測模型，預測哪些人可能會對郵寄廣告、產品目錄等有反應，可以針對這一類客戶的特點展開商務活動，提供個性化的信息服務。

4.序列模式

序列模式挖掘就是要挖掘出交易集之間有時間序列關系的模式。它挖掘的側重點在于分析數據間的前后或因果關系，找到那些“一些項跟隨另一些項”，以預測未來的訪問模式。序列模式分析和關聯分析類似，其目的也是為了挖掘數據之間的聯系，但序列模式分析的側重點在于分析數據間的前后序列關系。它能發現數據庫中形如“在某一段時間內，顧客購買商品A，接著購買商品B，而后購買商品C，即序列A-B-C出現的頻率較高”之類的知識。序列模式分析描述的問題是：在給定交易序列數據庫中，每個序列是按照交易時間排列的一組交易集，挖掘序列函數作用在這個交易序列數據庫上，返回該數據庫中出現的高頻序列。在進行序列模式分析時，同樣也需要有用戶輸入最小置信度C和最小支持度S。

序列模式便于進行電子商務的組織，預測客戶的訪問模式，對客戶開展有針對性的廣告服務或者主動推薦客戶感興趣的頁面，以滿足訪問者的特定要求。

四、結束語

電子商務是現代信息技術發展的必然結果，也是未來商業運作模式的必然選擇。利用數據挖掘技術來分析大量的數據，可以挖掘出商品的消費規律與客戶的訪問模式，幫助企業制定有效的營銷策略，充分發揮企業的獨特優勢，促進管理創新和技術創新，提高企業競爭力。

隨著電子商務發展的勢頭越來越強勁， 面向電子商務的數據挖掘將是一個非常有前景的領域。它能自動預測客戶的消費趨勢、市場走向，指導企業建設個性化智能網站，帶來巨大的商業利潤，可以為企業創建新的商業增長點。但是在面向電子商務的數據挖掘中也存在很多問題急需解決，比如怎樣將服務器的日志數據轉化成適合某種數據挖掘技術的數據格式，怎樣解決分布性、異構性數據源的挖掘，如何控制整個Web上知識發現過程等。隨著硬件環境、挖掘算法的深入研究及應用經驗的積累，數據挖掘技術及在電子商務中的應用必將取得長足的進展。

本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。