电子商务网络营销中数据挖掘技术分析

张和荣

（闽江学院 海洋学院，福建 福州 350108）

电子商务网络营销中数据挖掘技术分析

张和荣

（闽江学院 海洋学院，福建 福州 350108）

随着经济与网络技术的不断发展，使企业的营销模式也有了全新的变化.通过借助网络平台的优势，发展电子商务网络营销.不仅仅给企业的发展带来了挑战更带来了更多的机遇.而在电子商务网络营销中的数据挖掘技术则给网络营销企业带来了极大地便利，使他们能够更好地对营销客户进行把控.从而进一步地进行管理运营.然而，在企业发展的过程中，面对不同的客户所对应的数据、问题时可能会得到不同的结果.而目前的数据挖掘技术包含了很多的理论和技术内容，且每种技术都有其自身的使用条件以及特点.本文将引入目前在电子商务网络营销中常用到的几种经典的挖掘技术，并对其进行分析以确定在面对不同的客户要求的情况下能够提供更加适合企业营销发展需求的策略，提升客户管理的力度.

电子商务；网络营销；数据挖掘技术；分析

随着电子商务不断深入到我们日常的生活，给我们的生活带来了极大的便利.同时也对作用于商务平台的双方之间的关系产生了一定的影响：它带给企业更多的客户；客户的需求也随着平台的发展更具有多样性和个性化；对于企业产品的要求也在不断地提升；对于企业发展的定位也越来越清晰.企业的发展重心逐渐转向以客户需求为主的方向.在这种电子商务网络平台发展的情况下，企业应当考虑如何和客户建立更好的合作关系，以确保企业能够持续、长期、稳定的发展.因此，企业需要通过网络营销平台对客户进行数据化的分析，通过客户的不同需求来建立针对性的营销策略.建立更具有驱动力的客户关系，这种发展模式已受到以现代化电子商务网络营销为主要营销方式的企业的重视.

1 关于数据挖掘技术与客户关系管理之间的相关性

1.1 客户关系管理

关于客户关系管理通常是说在电子商务平台的基础上以客户需求为中心的理念和策略，通过电子平台来响应和满足其个性化的需求.

1.2 数据挖掘

数据挖掘就是通过信息化的平台，在平台数据中收集有用信息的过程.

1.3 两者的关系

在目前繁杂的电子商务大数据中，通过数据挖掘技术对数据中的有效信息进行分析，通过对客户特征的分类来确定“重点客户”[1].从而针对此类客户开展对应的网络营销策略，制定科学合理的营销计划.使企业在众多的网络营销平台中脱颖而出.

2 目前在数据挖掘技术中使用的主要方式

2.1 关联分析

具体来说就是通过对数据之间的关联规则进行挖掘，从而寻找数据之间的相互关系[2].在数据挖掘技术的研究中，关联分析是研究较为深入的一种方式.目前比较经典的几个关联分析规则的挖掘算法有AIS、STEM等.我们能够见到的案例就是通过对购物车中产品的分析，来了解客户通常的购买行为，从而能够通过数据推断来帮助企业进行科学性的商品上架和摆放，或者是捆绑销售策略.这种数据分析可以以“亚马逊”平台作为参考.

2.2 序列模式分析

序列模式分析是数据挖掘的另一种分析方式.与关联分析所不同在于序列模式注重于数据之间的前后序列.它通过数据分析，能够分析出客户在不同序列中的需求.通过对比数列中的产品类型.从而制定出相应的访问界面或者是广告推介.引导客户对需求产品产生兴趣.并满足他们的特定需要.举例来说：在我们进行网购的过程中，如果我选择了一款电动摩托车，后期就可能会购买雨衣、车锁等相关的产品.序列模式的存在能够通过对数据的对比分析预测出客户的访问模式，从而给客户进行具有针对性的推送[3].

2.3 分类分析

分类分析是数据挖掘过程中最常用到的一种方式，简单来说就是将相似的事件或者对象进行分类.这种数据归类的方式既能够满足于分析的需要，也能够建立预测模型.可以得出客户的兴趣点，针对性地对其开展相应的商务活动，提供更加具有个性化的服务内容.

2.4 聚类分析

聚类分析不同于前面的几种类型，它是对事物性质进行对比分析的.在实际的操作过程中，这种方式常常会被用于市场细分的需求中.通过对目前已经存在的客户进行数据分析，通过聚类分析能够使具有相似性的客户消费模式进行更为细类的划分，从而提升营销的精准度.譬如，我们经常收到的商家促销邮件，一般是具有特定内容的，它便是通过聚类分析，对我们的消费特征分析后结果的产品推动方式.这种方式也能够针对客户不同的需求而提供更为个性化的服务.

3 关于数据挖掘技术的相关分析以及评价

3.1 神经网络

是一种与人脑神经极为相似的系统，具有人脑所具有的处理和记忆的功能.它能够实现不同数据挖掘的技术方式，是一个较为典型的预测工具.它结合了数据挖掘技术应用中的优势，能够处理很多的复杂性的问题.如：它能够通过客户在网络平台上的购买记录以及网站的浏览量来建立对应的神经数据网络模型.通过对数据的对比分析来了解客户对网站产品的响应度以及忠诚度，从而预测客户需求.进一步的指导生产数量和销售方式.优点在于：具有较强的抗干扰性、可变性和通用性较强[4].对于大数据的处理也能够很好地完成.它还有较强的自学能力和适应能力，从而能够确保预测的实时性和准确性.缺点在于：它不能够直观的解释所得到的结果.因此，前期需要投入大量的准备工作.而且需要的训练时间较长，不能完全保证其模型的收敛性.

3.2 决策树

是一种类似于树状的图表表述方式.通过它的描述能够很好地将结果和事件进行联系.同时还能够注明决策点以及分支内容.因此它可以实现分类分析和聚类分析.它是一种相对较为成熟的决策性的工具.通过决策树能够直观的分析原因并表述其规则.如：通过使用决策树，能够很好地将客户资料进行分析，通过对客户的细致分类能够提出更具有针对性的营销策略.同时，还能够依据决策树来分析网络营销平台中客户的交易量，访问网站的次数等情况.从客户的流失规律得出客户流失的原因，并能够提供给相应的数据以帮助相关人员制定相应的留人策略.优点：这种方式能够更加直观、准确、高效的将数据进行展示，能够更加客观的发现数据中的问题因素.缺点：随着数据的不断增加，会增加其数据的复杂性，并使管理更加的困难.而且对于步骤的假设性的依赖程度较高.

3.3 遗传算法

这种方式和生物进化的过程有些类似.以生物进化中的自然学者和遗传理论作为数据分析的基础，并擅长各类分析方式[5].能够更好地解决目前存在的问题，是一种很实用的描述和预测工具.如：它能够依据客户信息，对其交易数据以及其他数据进行关联，从而利用其搜索能力和学习的能力得出最佳的答案.使客户信息的提取变得更为量化，更加明确.能够帮助使用者更好的分析客户盈利.从而制定具有不同内容的策略方案.优点：适用于大数据下的计算需求，能够快速的得出结论.具有较强的容错能力.缺点：算法很难被理解.需要的参数较多.同时存在着很多的问题编码，需要很大的计算量进行支撑.

3.4 规则推理

规则推理简单的理解就是我们常提到的“因为”—“所以”之间的关联过程.通过这种方式找出数据中条件概率较高的模式.如：通过对客户在网站中对于关注页面和关注产品的点击频率，从而了解到客户的购物习惯和偏好.针对性地提供相应的服务，增加客户的满意度.通过数据分析，了解客户的购物模式和规则，从而实现“一对一”方式的营销.优点：简单、直观、易理解；缺点：对于关联度不高的数据无法得出准确的结果.

4 改进方式

在数据挖掘技术的实施过程中，不会单一的使用一种方式，而是将几种技术进行有效合并，取长补短.使运算的精准度和运算速率更符合发展需求.具体来说，在运算过程中可以通过决策树的方式，将神经网络中的数据进行预处理，能够有效地解决神经网络中存在的相关性不强的问题；通过模糊系统的处理方式能够有效地解决神经网络中的不确定性、定性，有效的弥补神经网络学习模式的短板，从而提升了系统的整体速度，加强了其计算的精度和稳定性；借助遗传算法的特点，加强神经网络中学习过程，同时提升了神经网络中的学习模式.将理解性和预测精准度进行了有效的提升；将遗传算法和决策树进行有效的结合，既能保障分类结果具有较好的可解释性，又能够提升分类的精度并优化分类规则等.

随着电子商务的发展，面对客户需求的不断变化.使得电子商务网络营销面对的挑战越来越大.然而伴随着数据挖掘技术的更新和发展，通过对数据挖掘技术方式的有效结合，能够给客户提供更具有精度和准度的数据信息，以便于制定合理的营销策略.

〔1〕王馨晨.大数据背景下数据挖掘技术在电子商务营销拓展中的应用——以某网商企业为例[J].生产力研究,2017(04):64-67.

〔2〕柳华梅,林冬生.数据挖掘技术在移动电子商务用户群体特征分析中的运用[J].现代商业,2016(17):33-34.

〔3〕张磊.计算机技术在电子商务网络消费互动中的作用[J].价值工程,2014(03):190-191.

〔4〕周健林.基于Web的数据挖掘在商务网站的研究与应用[D].吉林大学,2012.

〔5〕张冬姣,李松松.电子商务网络营销中数据挖掘技术分析[J].管理学家,2014(12).

F724.6

A

1673-260X（2017）11-0090-02

2017-08-13

农村电商与精准扶贫的发展关联调研（YSZ16020）；市科技局课题：基于人才储备理论下电子商务人才培训服务平台建设研究（2014-G-79）