- 相關(guān)推薦
淺析電子商務(wù)中的WEB數據的挖掘論文
[摘要] 本文立足于web數據挖掘技術(shù)，從個(gè)性化網(wǎng)站的設計、crm中的應用和推薦系統中的應用三個(gè)角度，分析了電子商務(wù)中的web數據挖掘應用。
[關(guān)鍵詞] 電子商務(wù) web 數據挖掘
電子商務(wù)改變了人們傳統的商務(wù)模式，同時(shí)，也改變了商家與顧客之間的關(guān)系�？蛻�(hù)選擇余地的擴大使得他們更加關(guān)注商品的價(jià)值，而不象以前首先考慮品牌和地理因素。因此對銷(xiāo)售商而言盡可能的了解客戶(hù)的愛(ài)好、價(jià)值取向，才能在競爭中立于不敗之地。數據挖掘技術(shù)可以有效地幫助銷(xiāo)售商理解客戶(hù)行為，提高站點(diǎn)的效率。在電子商務(wù)網(wǎng)站的設計、客戶(hù)關(guān)系管理(crm)、網(wǎng)絡(luò )營(yíng)銷(xiāo)等方面得到廣泛的應用。
一、數據挖掘在電子商務(wù)網(wǎng)站設計中的應用
數據挖掘可以得出諸如：什么客戶(hù)喜歡這個(gè)站點(diǎn)、客戶(hù)通過(guò)什么訪(fǎng)問(wèn)路徑達成交易,以及客戶(hù)訪(fǎng)問(wèn)站點(diǎn)的頻率等信息，從而優(yōu)化網(wǎng)站的結構提高網(wǎng)站的訪(fǎng)問(wèn)量，吸引更多的客戶(hù)。對于改進(jìn)網(wǎng)站設計、定制個(gè)性化頁(yè)面、判斷站點(diǎn)效率有著(zhù)重要幫助。
利用web數據挖掘技術(shù)，個(gè)性化電子商務(wù)系統的實(shí)現過(guò)程包括信息采集、信息分析和個(gè)性化服務(wù)三個(gè)主要步驟：
1.信息采集。收集客戶(hù)個(gè)人信息是提供個(gè)性化服務(wù)的基礎。收集個(gè)人信息主要有兩種方式。第一種方式是通過(guò)客戶(hù)注冊來(lái)獲得，這種方式可以得到客戶(hù)的性別、出生日期、最高學(xué)歷、家庭收入、婚姻狀況、職業(yè)等；第二種是通過(guò)客戶(hù)在網(wǎng)站上的行為來(lái)判斷個(gè)人的興趣愛(ài)好等特點(diǎn)，從而獲得客戶(hù)個(gè)人信息。如果客戶(hù)經(jīng)常瀏覽某類(lèi)產(chǎn)品或相關(guān)廣告，我們就可以知道客戶(hù)對這類(lèi)產(chǎn)品感興趣。Www.133229.CoM
2.信息分析。一個(gè)成功和完善的個(gè)性化電子商務(wù)網(wǎng)站應該能夠在對客戶(hù)透明的情況下，對客戶(hù)的資料、行為進(jìn)行分析，并盡量不影響客戶(hù)的頁(yè)面處理時(shí)間，對于耗時(shí)較多的分析、分類(lèi)處理應放在系統相對空閑和客戶(hù)退出網(wǎng)站等時(shí)間處理，減少客戶(hù)等待時(shí)間。信息分析過(guò)程如下:(1)將網(wǎng)站客戶(hù)群進(jìn)行分類(lèi)，然后按照客戶(hù)群興趣特點(diǎn)進(jìn)行內容設計，并且將內容相應歸類(lèi);(2)定義客戶(hù)類(lèi)別所對應的內容，即某類(lèi)客戶(hù)最需要看到什么內容;(3)分析客戶(hù)的行為和登錄資料，判別客戶(hù)所屬的類(lèi)別;(4)客戶(hù)瀏覽網(wǎng)站不同頁(yè)面時(shí)，以及提交購買(mǎi)定單時(shí)，修改相應行為資料。
3.個(gè)性化服務(wù)。根據客戶(hù)類(lèi)別顯示相應的內容給客戶(hù)，達到個(gè)性化服務(wù)的目的。為了使分類(lèi)更具有可信性和穩定性，對注冊時(shí)間較長(cháng)，瀏覽及購買(mǎi)行為相對穩定的客戶(hù)優(yōu)先抽樣。
二、數據挖掘在crm中的應用
1.客戶(hù)的獲取。在大多數的商業(yè)領(lǐng)域中，業(yè)務(wù)發(fā)展的主要指標包括新客戶(hù)的獲取能力。企業(yè)的市場(chǎng)部門(mén)人員可以采用傳統的方法來(lái)發(fā)展新客戶(hù)，如開(kāi)展大規模廣告活動(dòng)；也可以根據所了解的目標客戶(hù)群，將他們分類(lèi)，然后進(jìn)行直銷(xiāo)活動(dòng)。但是當數據量增大時(shí)，即使有豐富經(jīng)驗的市場(chǎng)人員想要選擇出相關(guān)的人口調查屬性的篩選條件也會(huì )變得很困難，隨客戶(hù)數量不斷增長(cháng)和每位客戶(hù)的細節因素增多，要得出這樣的行為模式的復雜度也同樣增大。而數據挖掘技術(shù)可以幫助完成潛在客戶(hù)的篩選工作。首先從一份潛在的客戶(hù)名單開(kāi)始，列出可能對企業(yè)的產(chǎn)品或服務(wù)感興趣的消費者的信息，通過(guò)調查和處理對這些信息進(jìn)行數據擴展，并和一些外部信息匹配，使之更適合數據挖掘分析。然后進(jìn)行市場(chǎng)試驗活動(dòng)，根據所需要預測的客戶(hù)行為在一定范圍內對客戶(hù)進(jìn)行試驗，記錄下客戶(hù)的反饋，稱(chēng)之為“反應行為模式”。剔除無(wú)反應行為和反應行為類(lèi)別中重復的數據后，在確定細節粒度的基礎上，利用數據挖掘技術(shù)構建出n元反應行為預測模型。根據這個(gè)模型，可以將潛在的客戶(hù)排序，以便找出那些對企業(yè)的產(chǎn)品或服務(wù)最感興趣的客戶(hù)。
2.客戶(hù)的保持。隨著(zhù)行業(yè)中的競爭愈來(lái)愈激烈和獲得一個(gè)新客戶(hù)的開(kāi)支愈來(lái)愈大，保持原有客戶(hù)的工作也愈來(lái)愈有價(jià)值。在crm的實(shí)施中，企業(yè)通過(guò)預測，找出可能會(huì )流失的客戶(hù)，并分析出主要有哪些因素導致他們想要離開(kāi)，在此基礎上，有針對性地挽留那些有離開(kāi)傾向的客戶(hù)。
利用數據挖掘技術(shù)，可以通過(guò)挖掘大量的客戶(hù)信息來(lái)構建預測模型，較準確地找出易流失客戶(hù)群，并制定相應的方案，最大程度地保持住老客戶(hù)。數據挖掘技術(shù)中的決策樹(shù)技術(shù)能夠較好地應用在這一方面。
3.客戶(hù)的細分。細分是指將一個(gè)大的消費群體劃分為一個(gè)個(gè)細分群體的動(dòng)作，同屬一個(gè)細分群的消費者彼此相似，而隸屬于不同細分群的消費者被視為不同的。通過(guò)crm的實(shí)施，將產(chǎn)生細分的客戶(hù)群，企業(yè)根據客戶(hù)提出的要求和實(shí)際所做的不斷地改善產(chǎn)品和服務(wù)，從而使企業(yè)不斷提高使該客戶(hù)群滿(mǎn)意的能力。
數據挖掘技術(shù)中的聚類(lèi)分析技術(shù)能夠被運用來(lái)從客戶(hù)信息數據庫中發(fā)現不同的客戶(hù)群，并且用購買(mǎi)模式來(lái)刻畫(huà)不同客戶(hù)群的特征，達到細分客戶(hù)群的目的。根據客戶(hù)數據特點(diǎn)，一般可采用聚類(lèi)技術(shù)中的k平均算法來(lái)進(jìn)行劃分。其原理為將含原始客戶(hù)信息的數據庫劃分成k個(gè)聚簇，然后采用一定的算法使得同一簇中的對象是“相似的”，而不同簇中的是“相異的”。
三、推薦系統中的數據挖掘技術(shù)
1.貝葉斯網(wǎng)絡(luò )。貝葉斯網(wǎng)絡(luò )技術(shù)利用訓練集創(chuàng )建相應的模型，模型用決策樹(shù)表示，節點(diǎn)和邊表示客戶(hù)信息。模型的建立可以離線(xiàn)進(jìn)行，一般需要數小時(shí)或數天，得到的模型非常小，對模型的使用非�？�，這種方法適合客戶(hù)的興趣愛(ài)好變化比較慢的場(chǎng)合，推薦精度和最近鄰技術(shù)差不多。
2.關(guān)聯(lián)規則。關(guān)聯(lián)規則既可用來(lái)分析商品間的參考模式，也可以向客戶(hù)推薦商品，提高交叉銷(xiāo)售能力。關(guān)聯(lián)規則的發(fā)現可以離線(xiàn)進(jìn)行，隨著(zhù)商品數目的增加，規則的數量呈指數增加，但通過(guò)決策者對支持度和置信度的選擇，感興趣模式以及算法的選取，也可以高效實(shí)現。推薦精度比最近鄰技術(shù)略差。
3.聚類(lèi)分析。該技術(shù)將具有相似愛(ài)好、購物興趣的客戶(hù)分配到相同的族中，聚類(lèi)產(chǎn)生之后，根據該族中其他客戶(hù)對某商品的評價(jià)就可以得到系統對該商品的評價(jià)，聚類(lèi)過(guò)程可以離線(xiàn)進(jìn)行，聚類(lèi)產(chǎn)生之后，性能比較好，但如果某客戶(hù)處于一個(gè)聚類(lèi)的邊緣，則對該客戶(hù)的推薦精度比較低，推薦精度比最近鄰技術(shù)略差。
4.推薦系統要兼顧準確性和實(shí)時(shí)性。一個(gè)好的系統可能是多種方法和技術(shù)的結合，取長(cháng)補短。譬如，可以把聚類(lèi)分析作為最臨近算法的預處理，即通過(guò)聚類(lèi)分析來(lái)減小候選集，最臨近算法就可以在一個(gè)較小的數據集合中進(jìn)行，從而提高了實(shí)時(shí)性。
參考文獻:
[1]周彥暉:電子商務(wù)與web數據挖掘.計算機應用.2006(5)
[2]董逸生:web挖掘研究綜述.計算機科學(xué)，2006(11)
【淺析電子商務(wù)中的WEB數據的挖掘論文】相關(guān)文章：
數據挖掘在旅游電子商務(wù)中應用論文08-07
淺談數據挖掘在電子商務(wù)中的應用10-08
電子商務(wù)中數據挖掘方法淺談08-12
談數據挖掘技術(shù)在電子商務(wù)中的應用10-09
探析電子商務(wù)中數據挖掘方法的應用10-19
在電子商務(wù)中如何正確的使用數據挖掘技術(shù)10-01