在電子商務中應用Web數據挖掘技術分析

琚慧婷

摘要：物聯網、云空間等技術在互聯網技術的發展背景下也呈現出高速發展的態勢，同時也出現了嚴重的數據膨脹情況。經濟一體化發展使企業管理人員能更加專注于客戶服務，為了實現以上目標，需要建立和開發電子商務網站和平臺。此次研究主要是探討分析在電子商務中應用Web數據挖掘技術的價值和效果，希望能夠對相關人員起到參考性價值。

關鍵詞：電子商務;Web數據挖掘技術;推薦系統

從本質上講，數據挖掘技術是在數據中尋找正確解釋，即從數據中獲取相關知識，因此數據挖掘技術也被稱為知識提取和數據分析等。數據挖掘技術主要是借助先進技術分析和處理數據信息。在當前化學分子式識別領域，農業領域，科技領域以及國家安全領域等均已廣泛應用數據挖掘技術。而對于電子商務的數據分析工具來說，其能夠有效捕獲收集二維碼掃描，微信微博轉發記錄以及購物網站瀏覽歷史等。因此數據分析軟件能夠處理海量數據，因此電子商務網站能夠通過數據分析對用戶網購行為，按照用戶購買習慣推薦相關商品，使其能夠在較短時間內獲得經濟效益。

一、電子商務中的Web數據挖掘分析

（一）電子商務的特點

電子商務是以網絡為基礎，是傳統商務活動利用互聯網環境所展開的商務活動，其能夠利用工具對客戶購物歷史數據進行分析，統計客戶的購物習慣，發現用戶的購物習慣。電子商務應用服務主要包含廣告，體驗，口碑以及趣味等營銷服務。電子商務的數據挖掘系統是在商務活動過程中深入數據挖掘技術。但是相比于傳統商務活動，電子商務活動也存在較多特點：第一，從系統內部數據源來說，在電子商務中應用數據挖掘技術需要處理多類復雜型數據;第二，從應用系統云環境中能夠看出，現代電子商業企業的特征表現在碎片化，異構性信息方面;第三，在當前電子商務中，用戶類型多樣化已經成為主要矛盾問題。

（二）Web數據挖掘過程

在電子商務背景下，Web數據挖掘過程需要經過以下幾個步驟：

第一，明確挖掘任務并建立模型。規格化處理數據是建立模型的主要任務，借助不同的算法、調整參數等措施，對挖掘任務進行優化。從本質上講，數據挖掘技術屬于多次循環迭代的過程，目的是保證評估模型的準確性。

第二，數據源。網站運行中，會產生大量數據，如交易數據、訪問記錄等，所以挖掘結果對數據數量、質量的影響較大。Web結構中，Web客戶端數據通過子服務器最終會上傳至Web服務器，因此客戶端數據最終影響網站運行。

第三，數據預處理。主要是為了加強挖掘效率，確保挖掘數據的有效性，并且保障各項結果的合理性。因此Web文檔數據大多數都是非結構化或者半結構化，這樣就無法直接處理Web數據。采集Web數據需要按照挖掘主題選擇適宜的數據項，通過篩選時數據范圍逐漸縮小。其次，Web數據也具備冗余性、模糊性及不完全性特點，對不完全項、對模糊項和冗余進行處理，去除無用的、不合理的數據，保證最終數據滿足要求。

第四，模式發現。選擇Web挖掘工具及算法時，主要依據的是數據挖掘需求，保證數據集中的模型及知識具備應用潛力及價值。Web挖掘算法中主要包含關聯規則（發現關聯知識，明確網頁關系）;路徑分析（發現Web站點中訪問頻率最多的路徑）;分類算法和聚類算法（對數據實施分組）;序列模式（可以對交易集之間有時間序列關系的模式進行挖掘和分析）。

第五，模式分析：能夠驗證，解釋及說明所發現的模型，確保決策中各項信息的有用性。依據模式分析及反饋，通過對上述步驟反復進行操作，深入挖掘知識，確保獲得最佳的結果。

第六，結果可視化。Web數據挖掘的價值不僅在于獲取海量數據信息，還可以按照最易理解和消化的方式將所獲取的模型和知識展現給用戶，這就表明Web數據挖掘能夠實現結果可視化。數據可視化能夠利用圖形化手段，并且深入分析數據本身和內在關系和模式，將信息直接傳達給用戶。

二、Web數據挖掘在電子商務中的應用

在電子商務中應用Web數據挖掘技術，能夠對網站頁面和結構實施優化，還可以增加交叉銷售量，將網站瀏覽人員轉變為消費人員。除此之外還可以為用戶提供個性化服務。

第一，對站點訪問頻率的影響：通過分析Web結構和日志能夠進一步分析Web網頁間的引用關系，組織關系和超鏈接關系，這樣能夠對用戶頁面瀏覽情況以及行為模式進行深度挖掘，還能夠評估購物網站頁面的重要性。幫助商業對現有的頁面布局和結構特點實施優化調整，這樣能夠改善Web站點設計效果，從根本上提升訪問效率，提升用戶注意力。

第二，給予個性化服務，電子商務的快速發展給予用戶多種選擇權?，F階段，購物網站所面臨的商品類型逐漸增多，網站結構也趨于復雜性，因此用戶為了尋找到稱心稱意商品的難度比較大。電子商務網站在發展期間所推出了個性化服務能夠幫助其吸引較多用戶，避免用戶流失所導致經濟受損情況發生。電子商務網站可以應用協同過濾算法，此項技術能夠幫助網站建立個性化推薦系統，并且能夠制定出較多新型營銷措施。

第三，商品推薦服務。運用數據挖掘技術時，可利用多種規則，對用戶訪問數據進行分析，發現商品之間的聯系。從而得到用戶滿意的商品。然后通過用戶購買商品的興趣度為其推薦相應的商品。利用智能推薦系統，確保用戶在短時間內瀏覽和購買到滿意商品，并且能夠在一定程度上提升商家的交叉銷售量。

第四，識別潛在客戶。通過分析客戶關系屬性、相互關系及類別數據，建立分類模型。按照分類模型對新用戶正確分類，判別潛在用戶類別。

第五，理解客戶用途：通過對用戶瀏覽路徑分等數據源進行分析，之后通過路徑游歷模式進行算法分析，這樣能夠及時發現路徑中被頻繁訪問的路徑，深入分析出用戶的實際瀏覽意圖。

三、Web挖掘推薦系統設計

推薦系統主要包含商品推薦，個性化商品信息推薦以及喜好提供等。商務網站與用戶之間保持持續不斷發展關系。用戶為了確保服務質量的優質性，商務網站為了增加銷售利潤，利用推薦系統能夠將商品瀏覽者轉變為潛在購買人員，這樣能夠向相關用戶提供商品服務。用戶在瀏覽商品時若時常得到優質的推薦信息，可以在一定程度上改善用戶的購物體驗。Web用戶能夠通過Web瀏覽器連接信息服務器，為客戶提供多種選擇權。交叉銷售的難點在于確保向用戶推薦的各項信息均正確。如果產品目錄比較小，可以通過銷售經驗提供相關建議。如果產品數量比較多，則會增加問題復雜程度。

（一）訪問數據模塊設計

訪問數據模塊可以提供統一數據訪問接口。不同使用者和數據源也產生不同的外部數據。因此其能夠有效結合交互用戶模塊和架構應用模塊，這樣能夠有效訪問本機數據，業務數據，外部數據等。該系統主要應用數據庫技術的嵌入和連接訪問數據模塊中的異質數據和異構數據。首先，對于數據掃模塊來說，能夠分析用戶添加購物車后又刪除掉，存在交叉銷售類型以及瀏覽商品類型。以上信息能夠組建為數據收集源。其主要包含服務器數據，查詢數據以及代理服務器數據等。第二，數據預處理。推薦系統中數據并非收集完成之后就立即使用，而是需要對其實施預處理。由于Web數據量比較大，缺乏統一化結構。因此應用數據預處理措施能夠確保數據準確性，正確反映出用戶意圖。

（二）應用模塊

在整理數據后，需要按照相關需求對數據潛在信息進行挖掘，這樣能夠幫助決策建立，從本質上講，應用模塊屬于數據挖掘系統。其中任務調度模塊是應用模塊的處理中心。在接收到用戶點擊頁請求之后，任務調度模塊能夠理解和判斷各項任務，之后將算法插件應用到該模塊中。算法插件中的數據源于數據訪問模塊。應用模塊能夠按照數據挖掘運算結果處理模型，之后將預測結果傳輸交互用戶模塊。在算法插件中包含多種完整數據挖掘算法。

（三）系統算法分析

第一，Apriori算法：應用該算法主要包括兩個過程，其中關鍵過程在于按照最小支持度尋找出數據集中頻集;其二是按照最小置信度和頻繁項目集建立關聯規則。通過該項規則挖掘數據會產生較多模式信息，因此在知識管理中，關聯規則具有重要作用。關聯規則的數據集能夠達到GB級，頻繁輸入輸出能夠體現出效率，這樣將會對商品內在關聯規則產生影響，因此在實際應用關聯規則時需要減少輸入輸出操作。在此期間，需要適當縮短計算支持度的項目集數量，這樣能夠進一步縮短計算和存儲空間。

第二，改進Apriori算法：Apriori算法中的顯著問題在于需要對數據庫進行重復掃描，這樣會產生較多候選項集，還會在一定程度上提升系統負載能力，延長處理時間，所以候選集中項集需要對內存進行合理劃分，為了全面醫生管理規則的效率，需要從數據庫快速掃描技術和方法方面入手。在對Apriori算法實施改進之后，在運行過程中可以先對輔助表進行掃描，不會對輔助表中的不必要記錄進行掃描，這樣能夠在較大程度上提升效率。

（四）改進算法在推薦系統中應用

Apriori算法改進算法能夠在電子商務推薦系統中應用，如果推薦系統在短時間內獲取到用戶對網站進行瀏覽訪問，就能夠將頁面推薦給客戶。首先能夠針對用戶訪問順序進行編碼處理;之后對用戶信息進行編碼，這樣就能夠形成相應的數據庫。在滿足用戶的各項需求之后能夠合理選擇商品?？蛻舳孙@示的頁面會按照客戶類別，比如購買客戶和瀏覽客戶，這樣就能夠在用戶交互模塊中顯示推薦頁面。

四、結束語

綜上所述，數據化時代的到來，使得大數據技術被廣泛應用在各行業領域，借助大數據技術所建立的電子商務平臺能夠實現數據量存儲，應用和開發，充分挖掘出數據的價值。因此應用數據挖掘技術能夠幫助人們從海量數據中尋找出內在規律性。此次研究通過電子商務中的Web數據挖掘概念特點分析，在此基礎之上針對電子商務系統中的推薦系統進行介紹分析，全面闡述了Web數據挖掘技術在電子商務系統中的應用價值，希望能夠促進我國電子商務行業的發展。

參考文獻：

[1]廉祥麗.數據挖掘在電子商務客戶關系管理中的應用分析[J].電子技術與軟件工程，2016，22 （01）：179-180.

[2]孫赫強，榮楠楠.淺析數據挖掘在電子商務客戶關系管理中的運用[J].科技資訊，2018，16 （17）：121+123.

[3]余偉，劉蓮，陶云杰.基于共詞聚類的家具企業電子商務營銷數據挖掘[J].電子商務，2018，17 （02）：31-32.

[4]王洪艷.大數據背景下電子商務專業數據挖掘課程教學思考[J].現代商貿工業，2017，23 （28）：174-176.

[5]王馨晨.大數據背景下數據挖掘技術在電子商務營銷拓展中的應用——以某網商企業為例[J].生產力研究，2017，10 （04）：64-67.

[6]王鑫.跨行業數據挖掘在農產品電子商務中的應用研究[J].山東行政學院學報，2016，25 （01）：74-76+60.

[7]柳華梅，林冬生.數據挖掘技術在移動電子商務用戶群體特征分析中的運用[J].現代商業，2016，15 （17）：33-34.

[8]徐曼.DT時代下電子商務營銷對數據挖掘利用的重要性與方法分析[J].全國商情（經濟理論研究），2016，22 （08）：24-25.