电子商务中的数据挖掘

电子商务中的数据挖掘学 院 专 业 年 级 姓 名 指导教师 2017年 月 日第一章 引言 在信息和知识经济时代，随着网络技术的迅猛发展和社会信息化水平的提高，传统的贸易正经历一次重大的变革，电子商务显示出巨大的市场价值和发展潜力。电子商务是商业领域的一种新兴商务模式，它是以网络为平台、现代信息技术为手段、以经济效益为中心的现代化商业运转模式，其最终目标是实现商务活动的网络化、自动化与智能化。 八十年代末兴起的数据挖掘（Data Mining）技术，就是从这样的商业角度开发出来的。数据挖掘技术可以为新的商业处理信息，把历史积累的大量数据进行抽取、转换、分析和其他模型化的挖掘和处理，从中发现隐藏的规律或模式，提取辅助商业决策的关键性数据，为决策提供支持。利用数据挖掘技术，能对数据进行充分挖掘，发现数据所蕴涵的有用知识，帮助企业业务决策和战略发展，从而使企业在市场竞争中获得优势地位。因此数据挖掘在电子商务系统中的应用成为当前研究的重要课题。第二章 数据挖掘技术2.1 数据挖掘定义 数据挖掘是一种综合了数据库、人工智能以及统计学等多个学科技术的信息处理方法。通过对历史积累的大量数据的有效挖掘，试图从这些数据中提取出先前未知但有效有用的知识。2.2 数据挖掘过程2.2.1 确定业务对象 清晰地定义出业务问题，认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结构是不可预测的，但要探索的问题应是有预见的，为了数据挖掘而数据挖掘则带有盲目性，是不会成功的。2.2.2 数据准备 数据的选择：搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。 数据的预处理：研究数据的质量，为进一步的分析作准备，并确定将要进行的挖掘操作的类型。 数据的转换：将数据转换成一个分析模型。这个分析模型是针对挖掘算法建立的，建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。2.2.3 数据挖掘 对所得到的经过转换的数据进行挖掘.除了完善和选择合适的挖掘算法外，其余一切工作都能自动地完成。2.2.4 分析和同化 结论分析：解释并评估结果，其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。 知识的同化：将分析所得到的知识集成到业务信息系统的组织结构中去。 第三章 数据挖掘在电子商务中的应用3.1 挖掘客户的购买行为 客户购买行为的分析是在线电子商务活动中最基础最常用的数据挖掘行为。在电子商务活动中，我们可以从网站的数据库中记录的客户的购买记录，可以是一次交易，也可以是一段时间内的交易记录，去分析客户在交易中所购买的商品。找出商品与商品之间的联系，商品与客户行为的联系，从而调整电子商务网站的商品推荐策略、购买建议等。为客户缩短搜索商品的时间，简化操作，增强用户的购买体验。 合理的商品推荐策略、购买建议可以缩短客户搜索商品的时间、简化客户的购买操作、同时也增强了客户的购买体验。从而缩短每客户的购物时间，提高每次交易的商品数量和交易金额，使电子商务活动更高效。3.2 分析客户对站点的访问行为电子商务是通过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。这种活动都需要基于电子商务站点进行，站点内的访问行为体现的是客户的购买意向，和感兴趣的商品，以及对站点功能使用的熟练程度等。客户对站点的访问行为分析分两类进行，一类是分析客户在站点内部的访问行为记录。如，客户首先进入主站点，而后统计出进入主站点后访问最多的前三个或五个页面，找到这些页面后分析这些页面，找出页面的特性，分析客户从主站点直接进入该页面的目的。第二类是分析客户对站点的访问方式，如直接输入站点地址进行访问的客户则可能是经常光顾本站，有一定网购经验，对网络比较熟悉甚至依赖。对这类客户不需要太多的引导和推广，因为他们已经是老手了。比如还有的是通过百度搜索或者其他的网站链接进入到站点的，那可以推断这些客户并不经常在网络上活动，甚至他们需要间接的通过其他站点来访问我们的电子商务网站，对这类客户就需要有一定的引导，比如提示他们将我们的站点收藏到IE收藏夹，或者引导他们如何记住或如何直接访问到我们的站点。3.3 从历史销售数据中挖掘交易规律 数据挖掘基本过程的第一项就是确定业务对象，也就是说我们进行数据挖掘的目标，数据挖掘只作为一种技术，通过此项技术来实现或者是验证我们一开始设定的目标。简单的说就是在进行数据挖掘前我们先要有一个猜想，猜想会有什么样的规律或者情况，而后通过数据挖掘相关技术去验证。 电子商务活动中产生的大量的交易数据是一类非常有挖掘价值的数据，关键在于从什么角度去挖掘，确定什么样的目标。找到商品的交易规律则可以事先做好库存的准备，避免脱销的现象，就能抓住时机，达成最有效的交易。3.4 定位客户的网络性别电子商务活动中一般都需要客户在网站进行注册填写相关个人信息后才可以进行正常的电子商务活动。客户的个人信息必须是要保密的不可以随意的泄露，所以在利用和分析此类信息的时候需要更多的考虑客户的信息安全和隐私。 其实单从客户注册信息中的性别去判断或分类客户是不太准确的，为什么这么说呢？例如，我们可以做这样一个分析，调取网站注册信息为男性的客户的交易记录进行分析，看看这些所谓的男性客户都买过什么样的商品，有多少百分比的商品是男性用品。分析大概可以得出结论是男性注册用户其实有50%左右在购买女性商品，这其实是一个普遍的现象，男士在网上购物大多数情况下其实不是为自己在消费，更多的是在替女性进行消费，从整个电子商务行业的调查来看女性消费主体也是大于男性消费的，如果我们单纯的以用户的注册性别来进行男女顾客的分类然后进行相关的营销广告、商品的推荐策略制定的话那效果是不那么准确和明显的。更应该结合客户的购买记录进行商品的性别分析，从而分析得出客户在电子商务活动中，在网络中的性别。参考文献1Harjinder S Gill.数据仓库客户/方服务器计算指南.北京:清华大学出版社,19982王清毅、陈恩红、蔡庆生.知识发现的若干问题及应用研究.计算机科学,1997Vol.24 No.53孙义、方真.电子商务.北京：北京大学出版社，2010-8-14周曙东.电子商务概论.南京：东南大学出版社,2011-7-15蒋良孝, 蔡之华. 电子商务中的数据挖掘及其应用J. 计算机工程与设计, 2003, 24(6):74-77.6邹显春、谢 中