WEB數據挖掘在電子商務中的研究應用

劉金勇

（四川大學計算機學院 四川 610064）

0 引言

在日益激烈的電子商務企業競爭中，對用戶的競爭是關鍵因素，因此如何更好地掌握用戶需要，根據用戶喜好為用戶提供個性化的服務就顯得至關重要。下面，我們就從電子商務平臺的數據資源、WEB數據挖掘的分類、WEB數據挖掘的方法及WEB數據挖掘能夠為電子商務帶來何種影響幾個方面來探討WEB數據挖掘在電子商務中的應用。

1 電子商務平臺中的數據資源

WEB數據挖掘是針對數據進行分析統計的，首先要有數據，電子商務平臺中存在大量的數據信息，這些數據都是WEB數據挖掘的數據源。

首先是電子商務系統中商品的信息，電子商務系統中的商品成千上萬，每件商品都有它各自的參數和價格等信息，每一個商品都是以WEB頁面的方式向用戶展示的，因此商品的信息實際上也就是WEB頁面信息，這類信息可以幫助分析頁面之間存在的隱藏關系，從而為頁面定秩，優化頁面結構；其次就是用戶的信息，用戶的信息既包括用戶在電子商務網站注冊時留下的信息，同時也包括用戶的購買記錄（也就是用戶的訂單信息）、用戶搜索商品的記錄和用戶訪問過的頁面等等行為信息，這類信息可以幫助分析用戶的喜好，從而預測用戶未來的購買行為；第三是頁面之間存在的超鏈接關系，相似的頁面之間通常存在著超鏈接，這種結構信息能夠為搜索引擎提供重要的排序依據；最后就是服務器數據，包括服務器日志、錯誤日志和Cookie日志，通過這些日志文件可以分析服務器的運行狀態，從而優化系統，提高服務器的運行效率和響應速度，使用戶獲得良好的用戶體驗。

2 WEB數據挖掘的分類

數據挖掘就是從大量的數據中提取或挖掘知識，WEB數據挖掘是數據挖掘在萬維網上的應用。通常WEB數據挖掘分為WEB內容挖掘、WEB結構挖掘和WEB使用挖掘三類。

WEB內容挖掘是指從WEB頁面數據中發現有用的信息，從資源查找的角度來看WEB內容挖掘的任務是從用戶角度出發提高信息質量和幫助用戶過濾信息，從數據庫角度來看WEB內容挖掘的任務是對WEB上的數據進行集成和建模，以支持對WEB數據的復雜查詢；WEB結構挖掘是對WEB的鏈接結構進行分析，WEB頁面中的鏈接中也包含了非常有用的信息，通過分析WEB頁面之間的鏈接關系，確定WEB頁面在搜索結果中出現的次序，提高搜索結果的準確度，WEB結構挖掘的常用算法有PageRank算法和HITS算法；WEB使用挖掘是為了分析用戶和行為，以改進系統構成，為用戶提供個性化的服務，通常靠分析用戶的訪問記錄、訪問日期和配置信息等數據分析用戶行為。

3 電子商務系統中WEB數據挖掘的過程

在電子商務系統中進行WEB數據挖掘分為數據準備、數據挖掘和結果表達與解釋三個步驟。

數據準備就是準備數據挖掘所需要的數據源。首先要從數據庫中抽取數據，這些數據包括商品頁面、用戶評價、用戶的購買記錄和瀏覽搜索記錄等等，然后對這些數據進行一定的清理，清除無用的數據，保留有用的數據，并按合理的格式進行存儲。

數據挖掘階段則對數據準備階段產生的有用數據進行實質性的分析建模工作，首先根據數據的特征確定一個合理的假設，然后建立相應的數學模型，再選取合適的工具或算法來驗證假設，進而發現隱藏在數據間的有價值的信息。

結果的表達與解釋就是對數據挖掘所發現的模式和知識進行解釋，對于數據挖掘階段發現的有用信息，解釋產生這些信息的原因，了解各因素相互作用的內部原理，從而挖掘出最有意義的信息，提交給決策者，決策者據此對即將發生或可能發生的事件進行預測，為決策者制定正確的市場戰略提供參考借鑒。

4 電子商務系統中的WEB數據挖掘技術

電子商務系統中的WEB數據挖掘技術主要有路徑分析、統計分析、關聯規則、序列模式、分類規則和聚類分析六種。

4.1 路徑分析

路徑分析是通過分析用戶訪問網站的次數和頻率等記錄在服務器日志中的信息，確定出用戶頻繁訪問的路徑。

4.2 統計分析

統計分析主要用于改進站點的設計，提高性能和安全性。對系統正常運行時用戶的訪問頻率、駐留時間、會話時長、非法訪問或是不正出錯的路徑等等進行統計分析，可以發現系統設計中存在的問題，從而改進設計，提高系統性能，增強系統安全系數，保障系統安全平穩高效運行。

4.3 關聯規則

關聯規則就是為挖掘不同事件之間存在的聯系和規則，如用戶購買商品A的同時也購買了商品B，也就是說購買商品A的同時也會購買商品B，即A與B存在關聯關系，通過這種關系，電子商務站點可以在用戶購買商品A時向用戶推薦商品B，即減少用戶過濾信息的負擔，又能增加了銷量。

4.4 序列模式

序列模式是就事件在時序上存在的先后關系，如用戶先購買商品A后，過一段時間后又購買了商品B。通過序列模式分析可以預測用戶的行為，如當用戶購買某商品后在適當的時間內再向用戶推薦有針對性的產品，根據對用戶行為的預測進行針對性的優化，為用戶提供個性化、人性化的服務，既使客戶滿意又獲得最大收益。

4.5 分類規則

分類規則主要是為了根據事物的屬性和行為等對事物進行分類，如在電子商務系統中可以根據不同的年齡段和不同的地區進行分類。

4.6 聚類分析

聚類分析是根據特定的規則對未分類的記錄進行歸類。通過聚類分析可以使運營者更加了解用戶的需要，更加準確地預測用戶的行為。

5 WEB數據挖掘在電子商務中的應用

將WEB數據挖掘與電子商務相結合，能夠極大提高電子商務企業獲取信息和管理信息的能力，幫助電子商務企業降低運營成本，作出正確的商業決策，爭取更多的客氣，開拓更加廣闊的市場。

5.1 電子商務中運用WEB數據挖掘，有助于電子商務企業維系老客戶，挖掘新客戶

通過WEB數據挖掘，電子商務企業可以了解用戶的喜好，調整WEB頁面的內容，針對用戶的喜好為用戶提供個性化的服務，使用戶獲得更好的體驗，從而獲得更高的客戶滿意度，延長用戶在網站的停留時間，最終達到留住老客戶的目的；通過對訪問網站的新用戶進行分析，挖掘出潛在客戶，針對潛在客戶進行宣傳推廣，從而吸引新的客戶，開辟新的市場。

5.2 電子商務中運用WEB數據挖掘，有助于電子商務企業制定正確市場戰略，獲取最大銷量

電子商務企業運用WEB數據挖掘技術對各項商品的銷售數據進行深入挖掘， 可以了解商品的銷售情況變化，對下一階段商品的銷量做出預測，從而合理地管理庫存，合理采購商品，防止出現庫存過剩和庫存不足等影響企業正常運行的因素。

5.3 電子商務中運用WEB數據挖掘，有助于電子商務企業確定用戶群，精準投放廣告

通過WEB數據挖掘技術，電子商務企業可以充分了解用戶的真正需求，了解某類客戶真正需要哪一種商品，同時也能夠充分了解用戶的消費用力，精確地為每種商品定位潛在的用戶群，從而向這些用戶投放廣告，在不引起用戶反感的情況下取得最好的宣傳效果，提高廣告投放的回報率。

5.4 電子商務中運用WEB數據挖掘技術，有助于電子商務企業提高點擊率，完善系統設計

電子商務企業能夠通過WEB數據挖掘技術挖掘用戶的行為記錄等信息，為系統設計者提供改進依據，完善系統的設計。例如當用戶瀏覽某個頁面時，預測用戶可能會對哪些內容感興趣，可以會希望瀏覽哪些頁面，動態地將這些頁面的超鏈接放在當前用戶瀏覽的頁面中，使用戶可以方便地找到自己想要的內容，減少用戶過慮信息的負擔，使用戶獲得較滿意的使用體驗，同時網站也能獲得較高的點擊率，延長客戶在網站停留的時間。

6 結束語

電子商務是一種基于網絡平臺的現代化商業模式，其前景廣闊，發展勢頭強勁，而WEB數據挖掘技術能夠幫助電子商務企業統計分析企業積累的大量數據，從中挖掘出有價值的信息，為企業決策提供支持。本文介紹了如何將WEB數據挖掘與電子商務相結合，WEB數據挖掘能夠使得電子商務管理更加智能化，服務更加個性化，但是WEB數據挖掘與電子商務的結合還存在許多問題，這些問題的解決還有待于我們進一步的探索與發現。

[1]邱明虹,何躍.從Web日志中挖掘用戶興趣路徑算法改進.[J].計算機工程與應用.2008(26):17-19

[2]魯俊,孫永鴻.基于電子商務應用的Web數據技術研究.[J].電腦知識與技術.2009(21):29-31

[3]戴菲.數據挖掘技術在電子商務中的應用.[J].電腦知識與技術.2011(21)：15-17

[4]劉鋒華. 淺析Web數據挖掘在電子商務中的應用[J]. 經營管理者. 2009(14)：33-35