基于电子商务中的数据挖掘技术

熊君丽 曾珍珍 李鸿宾

（广东科学技术职业学院计算机工程技术学院 广东省珠海市 519090）

各类信息的产生和收集推动了信息时代的来临，现代化社会背景之下要求企业能够对各类信息进行深层次和实时分析，虽然当前一些系统能够实现信息的检索和存储，不过用户对信息分析和使用操作较为困难，基于这一情况，对于电子商务中数据发掘技术的研究便十分必要。

1 关于电子商务与数据挖掘概述

电子商务的本质，是企业在实际运转期间运用数字化的手段交换获取商务决策所需的网络数据，或者依托于网络数据提供一些业务活动组织策略的参考数据。现下我国已经广泛推广的网上订购、网上广告、网上支付结算等手段都可以归结为电子商务形式。电子商务不仅包括安全可靠、方便快捷特点，还具有打破时间和空间限制，以及成本低廉等优点。其服务范围包括商业之间的B2B，商业与消费者之间的B2C，以及商业与政府之间的B2G 三个范围。

数据挖掘的本质，是从庞大的数据存储仓库之中挖掘一些能够用于企业管理决策和运营决策制定的数据。我们如果从商业角度分析，可以将数据挖掘技术定义成一种产生于当前大数据时代的全新技术手段，可以实现业务数据分析、抽取和转换，并且在进行处理中能够将商业决策所需的关键性数据提取出来。数据挖掘一大亮点在于可以实现对预测模型的构建，这种模型并非传统的回顾型模型。数据挖掘技术所拥有的强大功能能够帮助企业在决策时获取更多直观的数据信息，进而在激烈的市场竞争大环境中占据更加优势的地位。数据挖掘技术在一些层面明显区别于传统数据分析手段，比如在对信息进行挖掘之前并不需要进行一些明确的假设。这也决定数据挖掘出来的信息本身具有一定的未知性特点。如图1 所示。

2 电子商务中数据挖掘所能发挥作用

应用数据挖掘技术所挖掘出来的信息，有很多能够为电子营销活动的开展提供一些可以进行参考的有价值数据，数据挖掘技术在实际应用到电子商务领域之中能够发挥出来的作用可以概括为以下几点：

（1）通过对客户活动规律方面的信息进行挖掘，能够为电子商务凭条提供一些用于制定个性化服务内容的参考数据；

（2）将一些电子商务网站历史浏览客户和客户浏览的规律挖掘出来；

（3）通过挖掘到的参考数据，电子商务网站研究人员可以有针对性的优化网站之中的信息；

（4）在对电子商务访问人员信息进行挖掘之后，能够使商家更加深入地了解客户群体的具体需求。

3 关于数据挖掘过程概述

3.1 数据准备阶段概述

图1：数据挖掘过程

图2：Web 电子商务推荐系统结构示意图

在进行数据准备的阶段需要进行的步骤分别是选取数据和对于数据预处理两个环节。第一个步骤的目的在于确定任务操作的主要对象，也就是确定目标数据，此环节需要结合用户们的实际需求抽取原始数据库中一些数据进行使用；第二个步骤之中主要需要进行的内容包括消除噪声，计算和推导数据库中的缺值，以及消除掉那些重复的记录。

3.2 数据挖掘阶段概述

该阶段进行的第一步是要准确确定待挖掘的目标和知识类型，确定完成之后还要根据想要挖掘知识的类型选择出合理地挖掘计算方法。最后严格按照之前所选出来的计算方法抽取数据库中所需要的知识。

3.3 对于结果的解释和评价过程

评估完数据挖掘阶段获取到的知识之后，不可避免还会有一些冗余和无关的知识内容存在。这时就要对这些无用的知识予以剔除。而且对于那些不能达到用户们需求的知识也要重新进行挖掘。另外，因为数据挖掘最后需要提供给客户，所以就要对挖掘出来的知识作出解释，应用可视化等便于用户理解的方式提供给用户。

我们可以认为，上述数据挖掘整个过程在很多环节都会进行重复的操作，这也能够促使挖掘出来的知识变得更加地精益求精，最终使剩余的知识能够满足用户们的使用需求。

4 数据挖掘技术在电子商务中的应用方法

Web 电子商务推荐系统结构示意图如图2 所示。数据挖掘技术研究的本身是以人工智能技术为开发基础。所以来的也是在人工智能技术中发展非常成熟的技术种类。在完成数据的分析处理之后所使用技术的数量和获取信息准确度成正比例关系。在电子商务领域能够应用到数据挖掘技术的层面主要包括：

（1）聚类分析。聚类分析的功能在于可以查找电子商务领域之中相关的Web 信息，并且能够把那些特性相对接近的客户归类到一起。随后按照各个客户群的表现为企业制定和开发市场策略提供参考性的数据。Web 可以结合客户群的需求为他们提供针对性的服务。

（2）关联规则。通过关联规则进行挖掘能够将数据库中各个信息集合之间的关联找出来，应用这些关联关系能够辅助商务决策者制定出准确的决策。

（3）分类规则。分类主要是将一个类别的概念描述找出来，其主要代表着某一个类型所有数据信息，常常使用决策树模式和规则的模式进行表示。分类的目的主要是向预先定义好的类别分配新的记录。

（4）时间序列模式的发现。以时间顺序为标准查看时间数据库的时候，能够在数据库中找出一些时序较为相似的事件，按照着时间的蓄力，能够搜索出大概率重复发生的模式，如此可以为客户提供具有针对性和个性化特点的服务。

（5）偏差分析。分析在数据之中表现出来的异常现象和极端的现象，这个分析对象主要是一些缺乏规律性的数据，和一些与期望值偏离的反常数据。该方法所分析的内容主要是客户在数据库中出现的异常行为。由此不仅能为企业决策提供参考，还能应用到网络安全性检测的领域。

5 电子商务之中对于信息挖掘的目标

5.1 辅助企业对营销机制进行确定

电子商务之中各个渠道都可能出现一些有用的商业信息，应用数据挖掘技术处理完这些数据信息之后，能够从其中得出一个有利于制定针对某个特定消费客户群，或者针对某一个特定客户的定向营销决策，通过这样能够保证电子商务营销机制制定的准确性。以数据挖掘技术为基础制定出来的电子商务营销策略能够发出一些与消费群体之前消费行为有所关联的数据和信息类推销材料。数据挖掘技术在我国电子商务营销领域的应用，为市场竞争起到了一定的启发性作用。我们常常可以看到一些厂商在街道上为潜在客户群发放一些宣传经营商品的广告。这种不分对象发放广告的行为常常会得到人们随手将宣传单丢弃的结果，一些真正对商品有需要的人却很可能不能得到。

5.2 辅助电子商务网站创造更高经济效益

企业在挖掘商品销售情况和用户访问记录之后，可以整理出客户日常访问的规律，通过这样能够帮助企业制定一些针对特定产品的营销方案。比如使用数据挖掘技术，可以对各种不同类型产品所采用的优惠策略进行仿真。之后再应用数据挖掘模型来模拟计费和出账的过程，进而便能使优惠策略实施之后存在的问题直观显现出来。及时调整这些暴露出来的问题有助于提升促销活动所带来的经济收益。

5.3 对于网站组织结构和服务方式予以优化，推动网站效率提升

通过对客户反馈情况和行为记录进行挖掘，能够为设计者改进网站提供参考。站点的内容质量和结构的合理性直接影响着站点对客户的吸引力。在对站点上页面内容进行安排和连接期间需要将那些具有一定信任度和支持度的商品摆放在一起，这样往往能够取得更好的销售效果。

5.4 利于系统性能改进，有助于提升系统安全性

分析和统计电子商务网站中的各种数据能够为系统性能的改进提供参考，同时有利于提升系统本身的安全性，并且能为决策者提供帮助。Web 服务质量和实际性能是一个影响客户满意度的重要参数。应用数据挖掘技术能够找出客户拥塞的记录，并且能够发现站点建设期间性能方面存在的瓶颈，站点管理人员根据这些获取到的数据能够对于网站内数据分布的策略和网络传输手段进行优化和改进。另外，应用数据挖掘技术还能实现对网络中非法行为的分析，准确定位系统之中存在的弱点和不足，并且为提升站点安全性和可靠性提供参考性的改进策略，最终充分保障电子商务开展过程的稳定性和健康性。

5.5 有助于强化商业信用评估、推动和谐社会体制的构建

发展电子商务在一定程度上能够推动社会信用水平的建设，通过对企业历史数据记录的差别进行统计可以将实际运营期间结果与期望值偏离的实例挖掘出来。这样的结果对于降低企业运营和投资期间风险有着极大的帮助。另外，应用数据挖掘技术还能实现对企业日常经营情况的跟踪，对于企业利润收益进行分析，并且评估企业资产情况，能够推动企业安全保障体系完善性的提升。另外，采取网上全程监控的方式能够促进网上交易和在线支付安全管理水平的强化，对于数据挖掘所构建起来的信用评估模型加以利用，可以将交易历史数据挖掘出来，进而找出客户历史交易数据呈现的特征，并且为客户信誉度建立起级别，最终提升企业对于信用风险的甄别能力，以及对于信用风险管理的水平。

6 结束语

电子商务飞速发展的当下，电子商务领域的数据挖掘技术必然被广泛应用。该技术的应用可以把数据成功转化成知识，数据挖掘技术属于数据管理和信息处理领域一个全新的技术手段，而且在近些年来得到了较高的关注度，并且有关人员对该技术的研究力度较大。在数据挖掘技术应用期间能够实现对数据问题潜在关联的探索和收集，将一些容易被忽略掉的因素发现出来。因此，对于解决当前时代背景下飞速产生的数据和贫乏信息量之间的矛盾有着良好的效果。通过数据挖掘能够对客户消费趋势有所预测，并且能够帮助决策人员对市场走向加以判断，指导商家对销售额进行提升，并且采取有力手段改善和企业客户之间的关系，促进企业网站运行的效率，帮助网站管理人员对系统性能加以改进，最终保证企业在当前市场竞争大环境下具有更为健康和光明的前景。