數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷拓展中的應(yīng)用

摘 要 隨著互聯(lián)網(wǎng)時代的到來，傳統(tǒng)的粗放的營銷模式受到了劇烈的沖擊，而與之相對的是日益繁榮的個性化電子商務(wù)市場，其中依托與商務(wù)平臺的各大網(wǎng)商企業(yè)，也在大數(shù)據(jù)時代下蓬勃發(fā)展。因此，傳統(tǒng)企業(yè)要積極改陳舊理念，采取精細(xì)化的營銷方式來提高顧客的消費體驗。以下本文主要敘述的是，大數(shù)據(jù)背景下數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷中的實踐應(yīng)用，文章同時針對網(wǎng)商企業(yè)運營模式的研究，提出了一些建議和策略。

【關(guān)鍵詞】數(shù)據(jù)挖掘 電子商務(wù) 營銷拓展

隨著網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)+的戰(zhàn)略已經(jīng)被應(yīng)用到各個行業(yè)，目前，我國的電子商務(wù)平臺的網(wǎng)商企業(yè)已經(jīng)成為了促進(jìn)經(jīng)濟(jì)發(fā)展的新生力量。但是隨著網(wǎng)商行業(yè)的競爭加劇，利潤空間被嚴(yán)重的壓縮，各個網(wǎng)商之間不斷的創(chuàng)新方法來吸引顧客，政府出臺了電子商務(wù)的規(guī)范政策之后，一些粗放盈利式的網(wǎng)商企業(yè)正在面臨生存問題，因此，精細(xì)化個性化的營銷方式已經(jīng)成為了未來的發(fā)展趨勢。

1 數(shù)據(jù)來源與樣本結(jié)構(gòu)

本文開展研究的數(shù)據(jù)，源自與淘寶電子商務(wù)平臺的某網(wǎng)商企業(yè)在2017年1月至2017年11月的銷售數(shù)據(jù)。該網(wǎng)商的企業(yè)名稱為FL食品，主要經(jīng)營休閑食品類的物品，面包、薯片、花生、餅干、巧克力等。采集的數(shù)據(jù)量為1535288，每一項數(shù)據(jù)都含有消費者的ID、性別、年齡、地址、交易金額、付款方式、評價等詳細(xì)的數(shù)據(jù)。通過對消費數(shù)據(jù)的分析，顯示出購買休閑食品的男性比例為46%，女性比例為54%，基本接近持平的狀態(tài)。說明休閑食品的銷售不受顧客性別因素的影響；在對該店鋪的消費者機(jī)構(gòu)年齡的調(diào)查中顯示：

20-30歲的群體消費記錄最高，其次是30歲～40歲的顧客，排末的為40歲以上的消費群體。說明該店鋪受年齡結(jié)構(gòu)的影響較大，主要還是以年輕人為主；網(wǎng)店企業(yè)的消費記錄區(qū)域結(jié)構(gòu)顯示，東部地區(qū)的消費比例最高、其次是中部、排末的為西部地區(qū)，主要原因是東部地區(qū)的經(jīng)濟(jì)較好，消費群體的思想也較為先進(jìn)，已經(jīng)習(xí)慣于網(wǎng)上購買商品。另一點是因為東部的物流交通發(fā)達(dá)，郵費的成本較低；消費記錄的評價信息顯示，自動好評的比例最高，其次為主動好評，說明的消費者都是被動的認(rèn)可，店鋪企業(yè)還需要進(jìn)一步優(yōu)化經(jīng)營模式；消費者付款方式的數(shù)據(jù)顯示，信用卡付款的比例最高，其次為平臺資金付款。說明消費者群體非常依賴于信用卡與平臺資金購買商品。

2 數(shù)據(jù)挖掘分析

2.1 數(shù)據(jù)挖掘購買集中度分析

數(shù)據(jù)挖掘購買集中度分析具體是指，消費數(shù)量與消費金額之間的關(guān)系，以此來分析網(wǎng)店企業(yè)的銷售特征。購買集中度高說明是少數(shù)顧客貢獻(xiàn)的銷售額度，屬于店鋪的忠誠顧客，需要采取精心維護(hù)的對策。如果集中度低，說明顧客的貢獻(xiàn)比例較為平均，需要采取適當(dāng)?shù)木S護(hù)對策。通過對FL店鋪的數(shù)據(jù)分析顯示，消費額度前10%的的顧客為3%，消費額度前10%～30%的顧客為10%，消費額度前30%～50%的顧客為14%。通過數(shù)據(jù)來看店鋪的忠誠客戶購買力非常強(qiáng)。店鋪需要采取精心維護(hù)的方式，采取促銷等方式來維護(hù)的優(yōu)質(zhì)顧客群體。

2.2 數(shù)據(jù)挖掘商品支持度和商品置信度分析

數(shù)據(jù)挖掘商品的支持度與與置信度分析，主要是針對商品之間的關(guān)系研究，這樣就可以分析出最受歡迎的商品組合。店家就可以采取有效的組合營銷方式。我們需要先假設(shè)W產(chǎn)品對S產(chǎn)品的支持度，支持度反映在顧客同時購買兩種產(chǎn)品的概率，而W產(chǎn)品對S產(chǎn)品的置信度則是反映在顧客購買W產(chǎn)品之后，購買S產(chǎn)品的概率。在對店家統(tǒng)計數(shù)據(jù)分析之后得出以下結(jié)果，商品支持度的分析顯示：W產(chǎn)品對S產(chǎn)品支持度與S產(chǎn)品對W產(chǎn)品的支持度是一致的。而商品置信度的分析結(jié)果顯示：W產(chǎn)品對S商品的支持度與S商品對W商品的支持度是不同的。從店鋪的商品支持度分析結(jié)果來看，巧克力與花生的組合是最高的，其次是薯片與奶酪組合、薯片與瓜子組合、薯片與蝦條組合等。商品置信度數(shù)據(jù)結(jié)果來看，話梅與酸角糕最高為78.89%，其次是酸角糕與話梅為75.42%，話梅與松子組合、魚片與肉干組合、相互之間的置信度比較高。該結(jié)果的分析，話梅與酸角糕、魚片與肉干之間存在較強(qiáng)的依賴關(guān)系，如果商家對這幾種商品組合進(jìn)行促銷，肯定會取得很好的效果。

3 數(shù)據(jù)挖掘高頻次購買者行為分析和高價值購買者行為分析

3.1 高頻次購買者行為分析

高頻次購買者行為分析采用回歸分析法，被解釋變量為顧客分類匯總銷售次數(shù)為（Y）。解釋變量為顧客性別（X1）、顧客年齡（X2）、顧客地區(qū)（X3）、顧客信用（X4）、注冊時間（X5）、線上時間（X6）、好評率（X7）。顧客性別（X1）為分類離散變量，1為男性2為女性；顧客地區(qū)（X3）為分類離散變量，1為東部、2為中部、3為西部；顧客信用（X4）亦為分類離散變量，1至5個等級，數(shù)字越大，信用越好。為了消除數(shù)據(jù)的異方差性，并對數(shù)據(jù)實施標(biāo)準(zhǔn)化處理。從分析數(shù)據(jù)來看，女顧客的高頻次購買更多；顧客年齡（X2）系數(shù)為負(fù)，說明年輕顧客高頻次購買行為更多；顧客地區(qū)（X3）系數(shù)為負(fù)，東部高頻次購買行為最多；顧客信用（X4）系數(shù)為正，說明高信用顧客群體，高頻次購買行為相對更多；注冊時間（X5）系數(shù)顯示顧客注冊時間與高頻次購買行為沒有影響；在線時間（X6）系數(shù)顯示，線上時間長顧客的高頻次購買行為最多；好評率（X7）系數(shù)顯示，對高頻次購買行為沒有影響。通過以上分析可看出，信用度高、線上時間長、東部地區(qū)、年輕女性的高頻次購買行為最多。

3.2 高價值購買者行為分析

高價值購買者行為分析方法與高頻次購買者行為分析法一致，從數(shù)據(jù)顯示上看：信用度高、線上時間長、東部地區(qū)、年輕女性的高價值購買行為最多。從數(shù)據(jù)挖掘的分析中，得出了結(jié)果，高價值購買者與高頻次購買者為同一群體。通過之前的數(shù)據(jù)挖掘購買集中度的分析中看出，店鋪的產(chǎn)生的銷售額度主要集中在忠誠客戶群體，因此店鋪要對這一部分優(yōu)質(zhì)的忠誠客戶采取精心維護(hù)的策略，同時結(jié)合商品支持度與商品置信度分析數(shù)據(jù)的商品組合開展促銷活動，肯定會獲取較好的效果。

4 結(jié)語

綜上所述，以上本文主要敘述的是，大數(shù)據(jù)背景下數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷中的實踐應(yīng)用，通過對店鋪的銷售記錄分析可以看出，年齡與地區(qū)消費是影響顧客消費的主要原因，文章通過對顧客高頻次購買行為與高價值購買行為的分析中得出結(jié)果，東部年輕女輕為消費最多的群體，因此店鋪要采取優(yōu)先維護(hù)的策略，為優(yōu)秀顧客推出挖掘數(shù)據(jù)分析的最優(yōu)組合商品的優(yōu)惠活動，以提高顧客的忠誠度。

參考文獻(xiàn)

[1]李勇，張敏，劉浩等，數(shù)據(jù)挖掘與應(yīng)用統(tǒng)計現(xiàn)狀及趨勢研究—第八屆國際數(shù)據(jù)挖掘與應(yīng)用統(tǒng)計研究會年會學(xué)術(shù)綜述[J].會計之友，2016（22）：24-26.

[2]張維亞，嚴(yán)偉，湯澍.基于數(shù)據(jù)挖掘的旅游者消費行為數(shù)字足跡特征分析[J].商業(yè)經(jīng)濟(jì)研究，2016（18）：65-68.

[3]盛夏，李斌，張迪.基于數(shù)據(jù)挖掘的上市公司信用評級變動預(yù)測[J].統(tǒng)計與決策，2016（15）：159-162.

作者簡介

付利軍（1979-），男，山西省忻州市人。碩士學(xué)位。現(xiàn)為山西運城農(nóng)業(yè)職業(yè)技術(shù)學(xué)院講師。研究方向為數(shù)據(jù)庫、數(shù)據(jù)挖掘、軟件開發(fā)。

作者單位

山西運城農(nóng)業(yè)職業(yè)技術(shù)學(xué)院 山西省運城市 044000