世界超市世界超市

电子商务中数据挖掘方法浅析

在电子商务中,数据挖掘有助于发现业务发展的趋势,帮助企业做出正确的决策。本文对目前电子商务中的Web数据挖掘方法进行了总结,并对电子商务中的Web数据对象进行了分类,对网络数据挖掘的作用进行了分析,为今后电子商务中实用Web数据挖掘软件的开发与应用提供了参考。    一、电子商务和数据挖掘简介  电子商务是指个人或企业通过Internet网络,采用数字化电子方式进行商务数据交换和开展商务业务活动。目前国内已有网上商情广告、电子票据交换、网上订购,网上银行、网上支付结算等多种类型的电子商务形式。电子商务正以其成本低廉、方便、快捷、安全、可靠、不受时间和空间的限制等突出优点而逐步在全球流行。  数据挖掘(Data Mining)是伴随着数据仓库技术的发展而逐步完善起来的。数据挖掘主要是为了帮助商业用户处理大量存在的数据,发现其后隐含的规律性,同时将其模型化,来完成辅助决策的作用。它要求从大量的、不完全的、有噪声的、模糊的和随机的数据中,提取人们事先不知道的但又是潜在有用的信息和知识。数据挖掘的过程有时也叫知识发现的过程。  而电子商务中的数据挖掘即Web挖掘,是利用数据挖掘技术从www的资源(即Web文档)和行为(即We服务)中自动发现并提取感兴趣的、有用的模式和隐含的信息,它是一项综合技术涉及到Internet技术学、人工智能、计算机语言、信息学、统计学等多个领域。  二、Web数据挖掘对象的分类  Web数据有3种类型:HTML标记的Web文档数据,Web文档内连接的结构数据和用户访问数据。按照对应的数据类型,Web挖掘可以分为3类:  1.Web内容挖掘:就是从Web文档或其描述中筛选知识的过程。  2.Web结构挖掘:就是从Web的组织结构和链接关系中推导知识。它的目的是通过聚类和分析网页的链接,发现网页的结构和有用的模式,找出权威网页。  3.Web使用记录挖掘:就是指通过挖掘存储在Web上的访问日志,来发现用户访问Web页面的模式及潜在客户等信息的过程。  三、电子商务中数据挖掘的方法  针对电子商务中不同的挖掘目标可以采用不同的数据挖掘方法,数据挖掘的方法有很多,主要包括下面3大类:统计分析或数据分析,知识发现,基于预测模型的挖掘方法等。  1.统计分析。统计分析主要用于检查数据中的数学规律,然后利用统计模型和数学模型来解释这些规律。通常使用的方法有线性分析和非线性分析、连续回归分析和逻辑回归分析、单变量和多变量分析,以及时间序列分析等。统计分析方法有助于查找大量数据间的关系,例如,识别时间序列数据中的模式、异常数据等,帮助选择适用于数据的恰当的统计模型,包括多维表、剖分、排序,同时应生成恰当的图表提供给分析人员,统计功能是通过相应的统计工具来完成回归分析、多变量分析等,数据管理用于查找详细数据,浏览子集,删除冗余等。  2.知识发现。知识发现源于人工智能和机器学习,它利用一种数据搜寻过程,去数据中抽取信息,这些信息表示了数据元素的关系和模式,能够从中发现商业规则和商业事实。利用数据可视化工具和浏览工具有助于开发分析以前挖掘的数据,以进一步增强数据发掘能力。其他数据挖掘方法,如可视化系统可给出带有多变量的图形化分析数据,帮助商业分析人员进行知识发现。  3.预测模型的挖掘方法。预测模型的挖掘方法是将机器学习和人工智能应用于数据挖掘系统。预测模型基于这样一个假设:消费者的消费行为具有一定的重复性和规律性,这使得商家可以通过分析收集存储在数据库中的交易信息,预测消费者的消费行为。按消费者所具有的特定的消费行为将其分类,商家就能将销售工作集中于一部分消费者,即实现针对性销售。  四、Web挖掘的作用  通过收集、加工和处理涉及消费者消费行为的大量信息。确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求,进而推断出相应消费群体或个体未来的消费行为,然后对所识别出来的消费群体进行特定内容的定向营销,节省成本,提高效率,从而为企业带来更多的利润。  1.优化Web站点。Web设计者不再完全依靠专家的定性指导来设计网站,而是根据访问者的信息来设计和修改网站结构和外观。站点上页面内容的安排和链接就如超级市场中物品的摆放一样,把相关联的物品摆放在一起有助于销售。网站管理员也可以按照大多数访问者的浏览模式对网站进行组织,按其所访问内容来裁剪用户与Web信息空间的交互,尽量为大多数访问者的浏览提供方便。  2.设计个性化网站。强调信息个性化识别客户的喜好,使客户能以自己的方式来访问网站。对某此用户经常访问的地方,有针对性地提供个性化的广告条,以实现个性化的市场服务。3.留住老顾客。通过Web挖掘,电子商务的经营者可以获知访问者的个人爱好,更加充分地了解客户的需要。根据每一类(甚至是每一个)顾客的独特需求提供定制化的产品,有利于提高客户的满意度,最终达到留住客户的目的。  4.挖掘潜在客户。通过分析和探究Web日志记录中的规律,可以先对已经存在的访问者进行分类。确定分类的关键属性及相互间关系,然后根据其分类的共同属性来识别电子商务潜在的客户,提高对用户服务的质量。  5.延长客户驻留时间。在电子商务中,为了使客户在网站上驻留更长的时间就应该了解客户的浏览行为,知道客户的兴趣及需求所在,及时根据需求动态地向客户做页面推荐,调整Web页面,提供特有的一些商品信息和广告,以使客户满意。  6.降低运营成本。通过Web挖掘,公司可以分析顾客的将来行为,进行有针对性的电子商务营销话动,可以根据关心某产品的访问者的浏览模式来决定广告的位置,增加广告针对性,提高广告的投资回报率。可以得到可靠的市场反馈信息,降低公司的运营成本。  7.增强电子商务安全。Web的内容挖掘还包括挖掘存有客户登记信息的后台交易数据库。客户登记信息在电子商务话动中起着非常重要的作用,特别是在安全方面,或者在对客户可访问信息的限制方面。  8.提高企业竞争力。分析潜在的目标市场,优化电子商务网站的经营模式,根据客户的历史资料不仅可以预测需求趋势,还可以评估需求倾向的改变,有助于提高企业的竞争力。  五、小结  本文介绍了在电子商务中可以被用来进行数据挖掘的数据源,以及可用于电子商务中的基于Web上的几种数据挖掘技术。将数据挖掘技术应用于电子商务,对这些数据进行挖掘,可以找出这些有价值的“知识”,企业用户可以根据这些“知识”把握客户动态,追踪市场变化,做出正确的针对性的决策,比如改进网站、向各类用户推出个性化的页面,或者向高流失客户群提供优惠政策进行挽留等等。但是在电子商务中进行Web的数据挖掘时还有很多问题需要解决。例如,如何解决不同国家不同地区存储Web数据的语义不一致性,如果提供更安全、快捷的服务方面还有很多工作要做。(编选:中国电子商务研究中心 勇全)

上一条:莆田系医院大佬抱团 计划谋千亿互联网采购

相关推荐