數據挖掘技術在電子商務中的應用

石 杰

(山東青年政治學院，濟南 250103)

1 引言

隨著Internet的普及和電子商務的發展， 電子商務已經成為一種信息時代國際通行的商務模式。當電子商務在企業中得到應用時，企業信息系統將產生大量的數據，數據挖掘技術能夠從海量的數據中搜索對企業有用的信息，從而為企業的發展提供幫助。

2 基本概念

2.1 數據挖掘概念

數據挖掘是計算機研究領域中的熱點問題，是從海量的數據中挖掘出有效的、新穎的、有潛在應用價值的并且最終可被人所理解的知識[1]。

2.2 數據挖掘的功能

1)分類：對對象或事件歸類，可以用于提取數據模型。構造分類函數，需要有一個訓練樣本數據集作為輸入。訓練集由一組數據庫記錄或元組構成，每個元組是一個由有關字段（又稱屬性或特征）值組成的特征向量，此外，訓練樣本還有一個類別標記。

2)聚類：是把整個數據庫分成不同的群組。它的目的是使群與群之間差別很明顯，而同一個群之間的數據盡量相似。這種方法通常用于客戶細分。在此基礎上可以制定一些針對不同客戶群體的營銷方案。

3)關聯分析：是尋找數據庫中值的相關性。兩種常用的技術是關聯規則和序列模式。關聯規則是尋找在同一個事件中出現的不同項的相關性；序列模式與此類似，尋找的是事件之間時間上的相關性。

4)預測：把握分析對象發展的規律，對未來的趨勢做出預見。

5)偏差的檢測：對分析對象的少數的、極端的特例的描述，揭示內在的原因。

2.3 電子商務概念

電子商務是指個人或企業在網上采用數電化的方式開展商貿活動。在開放網絡環境下，實現網上購物、網上交易、在線支付以及各種商務活動、金融活動和相關的綜合服務活動的一種新型商業運營模式[2]。其主要功能包括網上廣告、訂貨、付款、客戶服務和貨物遞交等銷售、售前和售后服務，以及市場調查分析、財務核計等利用In ternet開發的商業活動[3]。

2.4 電子商務的分類

電子商務按照主體可分：企業與消費者之間的電子商務B2C（Business to Consum er）、企業與企業之間的電子商務B2B（Business to Business）、消費者與消費者之間的電子商務C2C（Consum er to Consum er）、企業與政府，即B2G（Business to Governm en t）、消費者個人對政府機構的電子商務C2G（Consum er to Governm ent）、政府機構對消費者個人的電子商務G2C（Governm ent to Consum er）等商務模式[4] [5]。

2.5 電子商務的優勢

（1）把傳統營銷模式中的人力解放出來，只要有In ternet環境，客戶可以隨時訪問企業網站，搜索企業的產品、服務以及下訂單；（2）降低運輸成本。在線購買商品，可以降低操作成本，獲得更好的服務質量，減少不必要的成本開支；（3）方便業務開展。客戶通過在線訪問，既不需要去專門去實體店，也不會遭遇太多的購買人群；（4）客戶可以方便的在各網站比較商品的價格，而且網絡商店的商品折扣要比實體店的多一些。

3 數據挖掘技術在電子商務的應用

3.1 在客戶關系管理中的應用

數據挖掘技術可以應用在客戶群體分類分析、客戶效益分類分析和預測、客戶背景分析、客戶滿意度分析、交叉銷售、客戶信用分析、客戶流失分析、客戶的獲得與保持等方面[6]。

3.2 數據挖掘技術在網絡營銷中的應用

網絡營銷是指利用In ternet技術，最大限度地滿足客戶需求，已達到開拓市場、增加盈利目標的經營過程。數據挖掘在提高營銷的有效性、交叉營銷等方面有著廣泛的用途。

3.3 客戶的獲取及保留

通過對Web數據挖掘可以對潛在的客戶信息進行分析，預測新客戶，從而幫助發現正確的營銷對象。通過Web數據挖掘還能發現客戶的行為習慣，發現不同情況下具有相似行為的客戶，幫助企業識別潛在的客戶群體，從而提高市場占有率。通過Web數據挖掘，可發現那些客戶正在流失，哪些客戶是忠誠客戶，哪些是盈利客戶，從而制定不同的營銷策略。

3.4 數據挖掘技術在網站設計、管理中的應用

在網站建設中，利用數據挖掘技術，不僅可有效的組織網站信息，還可以根據實際用戶的瀏覽歷史，挖掘用戶感興趣的信息，以便及時調整站點的結構和信息。

3.5 數據挖掘在網絡營銷中的應用

數據挖掘技術可以通過分析客戶網站瀏覽記錄，挖掘客戶的行為動機，分析客戶所處階段，提供不同營銷策略，還可對市場、客戶數據進行有效地分類挖掘，為企業定位市場目標提供依據。

4 電子商務中數據挖掘技術應用的現狀和解決方法

4.1 數據不易管理

數據挖掘是數據驅動的，因此很容易遇到數據質量的問題。由于數據庫的動態性、有錯誤且不完整，冗余和稀疏并，數據量巨大。在使用時，必須全面仔細分析異常情況，不能將異常情況結果作為普遍的模式應用。

4.2 數據可視化差

數據挖掘處理的是海量數據，需要將其可視化，必須要有復雜的數據可視化工具支持。它可以提高分析人員數據、獲取知識的能力，在數據維數較低時，效果更明顯。

4.3 使用成本高

為滿足大量數據發現系統的計算要求，需在軟、硬件上采用并行技術。這些性能要求將大大增加數據挖掘的成本。需要提供可靠的物力和財力支持。

4.4 專業商業分析員的技能水平低

專業商業分析員需要有豐富的業務知識，以及具有很強的調查能力，創新能力。能夠使用各種數據挖掘技術，發現、分析、了解大量潛在的模式和關系，從而預測模型并按用戶容易理解的方式發布。企業需對相關人員進行綜合培訓，提高分析問題的能力。

4.5 數據挖掘結果的不確定性

由于數據挖掘結果的不確定性，挖掘的結果自然也會千差萬別，因此要做出合理判斷，得出企業所需要的信息，便于企業的決策選擇。

5 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。數據挖掘工具可以幫助電子商務企業在海量的數據中挖掘發現有用的模式，從而幫助企業制定合理的決策，隨著數據挖掘技術日益完善，其在電子商務中的應用會更加廣泛。

[1] FAYYAD U, PIATETSKY-SHAPIRO G, SMYTH P. Knowledge Discovery and Data Mining: Towards a Uni fying Framework[C] //Proc. 2nd Int. Conf. on Knowledge Discovery and Data Mining,1996, Por t land: OR, 1996: 82-88.

[2] ht tp://baike.baidu.com/view/757.htm.

[3] 夏小云.C2C電子商務數據挖掘的研究及應用[J] .江西：江西理工大學.2007.4

[4] 祁明等.電子商務實用教程[M] .高等教育出版社.2004.4

[5] 司志剛.電子商務導論[M] .北京：中國水利水電出版社.2005.3

[6] 張文宇，賈嶸.數據挖掘與粗糙集方法[M] .西安:西安電子科技大學出版社，2006（1）