大数据挖掘在电商市场中分析与决策的应用

文/田亚明

按照CNNIC在2018年发布的中国电商市场相关购物报告，我国2018年在电商市场中的消费额在社会所有消费额中占据了18.9%的比例，为5.48万亿元，仅B2C交易额就有3.05万亿元。客观来讲，电商市场的飞速发展和我国的政策存在密切关系。因此，研究电商市场分析与决策应用大数据挖掘的策略具有现实意义。

1 当前大数据挖掘概况

目前，大量学科领域都对数据挖掘技术进行了应用。大数据挖掘这一技术暂时没有明确的定义，相关学者提出，大数据挖掘是对数据包含的知识进行挖掘，这种表达方法无法将其含义充分表示出来。以广义角度看，大数据挖掘应是具有一个包含动态流入系统、Web、数据库的信息库，能够挖掘出海量数据中的趣味模式，找到有趣的知识。以技术角度看，大数据挖掘主要是在模糊的、不完全的、大量的随机设计中将隐含信息提取出来的过程，这个知识有一定的约束与前提条件，需要在一定环境领域下才具有相应实际价值。对大数据挖掘主要数据源来讲，既可以是非结构数据形式又可以是结构化数据形式，结果能够充分使用到信息分析、优化查询、过程管控、支持决策等多个方面。以贸易角度看，大数据挖掘的主要分析对象在商业数据库中，借助分析、转化、抽取等多种技术，对关键信息进行提取与搜集，提供商业决策所需的支持。

2 电商市场分析与决策应用大数据挖掘的策略

2.1 大数据挖掘在电商市场分析与决策中的主要功能

通常来讲，大数据的主要功能包括关联分析与概念描述、聚类分析与分类预测、演变分析与离群点分析等。

2.1.1 关联分析与概念描述

大数据能够根据挖掘规则，找到具有依赖性的、符合特定条件的关系，这种分析方法通常应用到电商市场购物篮相关问题，对各种商品间的内在关系进行研究，对用户平时购买习惯展开分析，找出用户在购买一种商品时还购买的其它商品，以此来进行电商市场决策的调整。与此同时，概念描述是一种带有描述性质的数据挖掘，借助数据的分类和特征化进行数据观点的对比、总结。概念描述并非是一个数据列表，而是要借助对比、汇总等多种方法进行数据概念的描述。数据特征化指的是对特征概要、目标数据进行一般描述，其输出方式包括线图、条形图、饼图等。除此之外，数据分割指的是总结和剖析目标数据的一般特征。

2.1.2 聚类分析与分类预测

聚类分析并非标记类型的大数据集，其分析不会对类标号进行考虑。通过聚类分析没有标记类型的数据，能够获得组群数据类标号。借助最小化类与最大化的基本相似性原理来进行需求对象的分析，实现对象高相似性的簇聚，并对其它簇的对象进行区分。分类预测主要基于特定技术的运用来进行未知类标号数据的探究，对数据概念模型的区分与描述进行辨别，将数据对象预测类标记进行分类，从而实现一些未知数据的预测。

2.1.3 演变分析与离群点分析

演变分析可以描述特定对象伴随时间变化而产生的行为趋势与规律，如序列周期模式匹配、类似性数据分析、时间序列分析等。而离群点分析是一种对大数据集的分析，可以找出对象数据的模型异常、一般行为，离群点的分析和聚类分析具有较高的相关性，但是服务目的有所不同，聚类分析注重多数相似的数据集中模式，按照对象要求进行数据的组织归为，不过离群点的分析注重偏离多数模式的异常现象分析。

2.2 应用大数据挖掘的具体策略

大数据挖掘应用到销售平台的优化、增值业务的拓展、产品的服务管理、用户的精准定位、客户群体的稳定、广告的准确发布等方面。

2.2.1 销售平台的优化

在电商市场中，设置电商平台与网站的页面极为重要，平台、网站呈现的内容会对用户交易、访问等行为产生直接影响，从这个角度来考虑，将大数据挖掘应用到电商市场中用户浏览、登陆的各种电商平台，可以对用户访问习惯有一个深入地了解，提供给电商市场平台与网站所需的参考内容。电商网站借助用户下单、访问的记录调整电商网站内容与结构，比如把交易量高、点击量多的电商产品放在电商市场平台与网站的首页，在吸引用户注意力的同时激发其想要点进去的欲望。与此同时，利用大数据挖掘用户的各种电商市场浏览数据，能够充分结合用户期望值与网页关联性，把用户更期望的导航链接添加于界面中，对电商市场的服务器缓存进行科学地安排，使服务器响应所消耗的时间减少，并提升用户群体的满意度。

2.2.2 增值业务的拓展

若电商平台得到的用户数据达到一定程度时，能够构建一个用户的完整数据库，对这些电商市场的用户数据展开分析能够使商家为用户针对性的提供相似电商产品，用户感兴趣并购买后就能够提高商家的收入。目前，很多电商市场的平台与网站都在借助大数据挖掘来进行新应用的开发，如淘宝的数据魔方。而一些商家未进行大数据挖掘，使新业务开发难度大大增加，如消费信贷，若运用大数据挖掘，找到电商市场中潜在的数据价值，能够对新业务展开更有效的开发，如阿里集团的小额信贷。

2.2.3 产品的服务管理

大数据挖掘能够为商家在电商市场中进行精准决策与营销提供方案，借助对应用户的需求来生成订单，然后以用户反馈来改进其电商产品。与此同时，运用大数据挖掘来分析用户数据可以让商家对决策与营销进行合理化改动，如调整库存、调整价格等。若单家可以准确地分析电商市场中的用户数据，那么就能根据分析出的用户需求挖掘潜在的上级，比如对用户喜好这种潜在信息进行分析时，能够让商家的电商服务与产品质量大大提升，使商家在电商市场中提升竞争力。

2.2.4 用户的精准定位

借助大数据挖掘，能够对电商市场中各种用户进行精确地定位，使电商营销更具针对性。对于电商市场的发展模式来讲，挖掘用户数据即为精确定位与细化电商市场，通过对用户的针对性选取来营销。大数据挖掘会寻找、加工、处理海量用户在交易过程中产生的各种信息，发现用户群体消费习惯与兴趣，从而对于用户群体接下来的消费行为展开推断与分析，然后制定对这些用户的电商营销方案。和原有的营销方法相比，基于用户特点的电商营销可以节约大量成本，让电商营销价值大大提升，将有较高忠诚度的消费者牢牢锁定，从在电商市场中扩展优质电商消费资源。与此同时，对用户进行大数据挖掘。商家可以对用户价值高低状况进行区分，根据其价值等级进行电商市场决策，并实施不同电商销售举措，给商家带来更多的经济效益。

2.2.5 客户群体的稳定

在电商市场分析和决策中运用大数据挖掘，能够有效稳定相应客户群。借助大数据挖掘电商用户，能够对用户喜好进行全方位、多角度的分析，从电商平台中将客户关系挖掘出来并保持稳定，并在各种数据中重点分析客户资源，把所有用户按照不同习惯、兴趣、交易背景来划分，以预测用户行为的方式全面挖掘潜在消费者，及时维护现有的电商市场客户关系。如果用户具有价高价值，应适当提供一些额外的附加服务，让电商市场的客户源更为稳定。通过大数据挖掘来分析、预测用户十分重要。例如，某用户购买了一款高档手表，并对该产品作出了较好的评价，于是会向自己的亲朋好友推荐，无论亲朋好友是否有兴趣，或多或少都会前去浏览该商品，从而让电商市场的客户群体进一步扩大，获得了更多的潜在客户。通过这种客户群管理，商家可以利用大数据挖掘在电商市场中挖掘到更多客户，进一步稳定和提升与客户间的关系。

2.2.6 广告的准确发布

进行大数据挖掘可以通过电商用户的各种数据充分分析用户消费点所在，提供给商家广告宣传方向，把广告投入到电商市场中用户消费相对较高的部分，让商家个性化的电商营销得以实现。应以用户的数据库为基础，构建一个电商市场概率模型，计算用户交易的概率，然后以广告获取情况对潜在客户、真实客户进行明确。对用户的广告反映进行观察和分析也能给商家广告投放时间提供积极参考。借助这样的概率分析，能够通过大数据挖掘并计算一个关键词，商家可以按照该关键词来优化广告。

3 结语

总而言之，研究电商市场分析与决策应用大数据挖掘的策略具有十分重要的意义。相关人员应对当前大数据挖掘概况有一个全面的了解，掌握大数据挖掘在电商市场分析与决策中的主要功能，并将大数据挖掘充分应用到销售平台的优化、增值业务的拓展、产品的服务管理、用户的精准定位、客户群体的稳定、广告的准确发布等电商市场分析与决策的不同方面，从而促进电商市场的平稳发展。