数据挖掘技术在电子商务中的应用

石 杰

(山东青年政治学院，济南 250103)

1 引言

随着Internet的普及和电子商务的发展， 电子商务已经成为一种信息时代国际通行的商务模式。当电子商务在企业中得到应用时，企业信息系统将产生大量的数据，数据挖掘技术能够从海量的数据中搜索对企业有用的信息，从而为企业的发展提供帮助。

2 基本概念

2.1 数据挖掘概念

数据挖掘是计算机研究领域中的热点问题，是从海量的数据中挖掘出有效的、新颖的、有潜在应用价值的并且最终可被人所理解的知识[1]。

2.2 数据挖掘的功能

1)分类：对对象或事件归类，可以用于提取数据模型。构造分类函数，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段（又称属性或特征）值组成的特征向量，此外，训练样本还有一个类别标记。

2)聚类：是把整个数据库分成不同的群组。它的目的是使群与群之间差别很明显，而同一个群之间的数据尽量相似。这种方法通常用于客户细分。在此基础上可以制定一些针对不同客户群体的营销方案。

3)关联分析：是寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性；序列模式与此类似，寻找的是事件之间时间上的相关性。

4)预测：把握分析对象发展的规律，对未来的趋势做出预见。

5)偏差的检测：对分析对象的少数的、极端的特例的描述，揭示内在的原因。

2.3 电子商务概念

电子商务是指个人或企业在网上采用数电化的方式开展商贸活动。在开放网络环境下，实现网上购物、网上交易、在线支付以及各种商务活动、金融活动和相关的综合服务活动的一种新型商业运营模式[2]。其主要功能包括网上广告、订货、付款、客户服务和货物递交等销售、售前和售后服务，以及市场调查分析、财务核计等利用In ternet开发的商业活动[3]。

2.4 电子商务的分类

电子商务按照主体可分：企业与消费者之间的电子商务B2C（Business to Consum er）、企业与企业之间的电子商务B2B（Business to Business）、消费者与消费者之间的电子商务C2C（Consum er to Consum er）、企业与政府，即B2G（Business to Governm en t）、消费者个人对政府机构的电子商务C2G（Consum er to Governm ent）、政府机构对消费者个人的电子商务G2C（Governm ent to Consum er）等商务模式[4] [5]。

2.5 电子商务的优势

（1）把传统营销模式中的人力解放出来，只要有In ternet环境，客户可以随时访问企业网站，搜索企业的产品、服务以及下订单；（2）降低运输成本。在线购买商品，可以降低操作成本，获得更好的服务质量，减少不必要的成本开支；（3）方便业务开展。客户通过在线访问，既不需要去专门去实体店，也不会遭遇太多的购买人群；（4）客户可以方便的在各网站比较商品的价格，而且网络商店的商品折扣要比实体店的多一些。

3 数据挖掘技术在电子商务的应用

3.1 在客户关系管理中的应用

数据挖掘技术可以应用在客户群体分类分析、客户效益分类分析和预测、客户背景分析、客户满意度分析、交叉销售、客户信用分析、客户流失分析、客户的获得与保持等方面[6]。

3.2 数据挖掘技术在网络营销中的应用

网络营销是指利用In ternet技术，最大限度地满足客户需求，已达到开拓市场、增加盈利目标的经营过程。数据挖掘在提高营销的有效性、交叉营销等方面有着广泛的用途。

3.3 客户的获取及保留

通过对Web数据挖掘可以对潜在的客户信息进行分析，预测新客户，从而帮助发现正确的营销对象。通过Web数据挖掘还能发现客户的行为习惯，发现不同情况下具有相似行为的客户，帮助企业识别潜在的客户群体，从而提高市场占有率。通过Web数据挖掘，可发现那些客户正在流失，哪些客户是忠诚客户，哪些是盈利客户，从而制定不同的营销策略。

3.4 数据挖掘技术在网站设计、管理中的应用

在网站建设中，利用数据挖掘技术，不仅可有效的组织网站信息，还可以根据实际用户的浏览历史，挖掘用户感兴趣的信息，以便及时调整站点的结构和信息。

3.5 数据挖掘在网络营销中的应用

数据挖掘技术可以通过分析客户网站浏览记录，挖掘客户的行为动机，分析客户所处阶段，提供不同营销策略，还可对市场、客户数据进行有效地分类挖掘，为企业定位市场目标提供依据。

4 电子商务中数据挖掘技术应用的现状和解决方法

4.1 数据不易管理

数据挖掘是数据驱动的，因此很容易遇到数据质量的问题。由于数据库的动态性、有错误且不完整，冗余和稀疏并，数据量巨大。在使用时，必须全面仔细分析异常情况，不能将异常情况结果作为普遍的模式应用。

4.2 数据可视化差

数据挖掘处理的是海量数据，需要将其可视化，必须要有复杂的数据可视化工具支持。它可以提高分析人员数据、获取知识的能力，在数据维数较低时，效果更明显。

4.3 使用成本高

为满足大量数据发现系统的计算要求，需在软、硬件上采用并行技术。这些性能要求将大大增加数据挖掘的成本。需要提供可靠的物力和财力支持。

4.4 专业商业分析员的技能水平低

专业商业分析员需要有丰富的业务知识，以及具有很强的调查能力，创新能力。能够使用各种数据挖掘技术，发现、分析、了解大量潜在的模式和关系，从而预测模型并按用户容易理解的方式发布。企业需对相关人员进行综合培训，提高分析问题的能力。

4.5 数据挖掘结果的不确定性

由于数据挖掘结果的不确定性，挖掘的结果自然也会千差万别，因此要做出合理判断，得出企业所需要的信息，便于企业的决策选择。

5 结束语

电子商务是现代信息技术发展的必然结果，也是未来商业运作模式的必然选择。数据挖掘工具可以帮助电子商务企业在海量的数据中挖掘发现有用的模式，从而帮助企业制定合理的决策，随着数据挖掘技术日益完善，其在电子商务中的应用会更加广泛。

[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电子商务数据挖掘的研究及应用[J] .江西：江西理工大学.2007.4

[4] 祁明等.电子商务实用教程[M] .高等教育出版社.2004.4

[5] 司志刚.电子商务导论[M] .北京：中国水利水电出版社.2005.3

[6] 张文宇，贾嵘.数据挖掘与粗糙集方法[M] .西安:西安电子科技大学出版社，2006（1）