浅谈数据挖掘技术在电子商务中运用

2023-01-21

近年来, 随着电子商务的的发展, 在电子商务领域产生了大量的数据, 在这些海量数据中蕴藏丰富的信息, 如何处理网络中的数据得到电子商务企业经营管理的有益信息, 人们一直进行探索。计算机技术的迅速发展使得处理海量数据成为可能, 于是, 人们结合统计学、数据库、自动识别等技术, 提出数据挖掘这一课题。从而推动了数据挖掘技术的极大发展。

1 数据挖掘技术概念及方法

数据挖掘就是从海量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的的信息和知识的过程。简单的说, 数据挖掘就是从海量数据中提取或“挖掘”知识。

数据挖掘一般流程主要包括三个阶段:数据准备、数据挖掘、结果解释和评价是一种知识发现的过程。它主要以统计学、人工智能技术、计算机信息技术等为基础, 对数据进行分析、归纳、推理, 从中挖掘出潜在的有用信息, 并利用这些信息对未来情况进行预测, 以辅助决策者评估风险, 做出正确的决策。数据到决策的演化过程, 如图1所示。

对于电子商务企业而言, 网络数据海量, 如何快速挖掘数据, 并利用计算机借助数据分析软件, 对海量数据进行统计分析, 有助于发现业务的趋势, 揭示已知的事实, 预测未知的结果。客户管理是电子商务企业管量的重要内容。数据挖掘的方法主要采用以下几种方法进行。

1.1 利用网络搜索引擎进行网络数据收集, 并将收集数据进行统计分析, 加工成对电子商务管理有用的信息。主要统计分析方法如下

(1) 对收集的网上数据进行相关分析和回归分析。相关分析主要分析变量之间联系的密切程度, 而回归分析主要基于观测数据建立变量之间适当的依赖关系, 相关分析是回归分析的基础。

(2) 对收集的网上数据进行时间序列分析。利用不同时期的网络客户数据进行时间序列分析, 有利于发现数据在时间先后上的因果关系。

(3) 对收集网上数据进行分类分析。网络客户分类分析, 有利于分析客户的网络采购行为, 然后分析这些行为对电子商务管理的影响, 利用它可以分类新的观测。常用的几种典型的分类模型有线性回归模型、决策树模型、基于规则模型和神经网络模型等。

(4) 对收集网上数据进行聚类分析。利用电子商务数据进行分析除分类分析外, 还可进行聚类分析, 聚类分析和分类分析是一组互逆的过程, 因此在很多分类分析中适用的算法也同样适用于聚类分析。

1.2利用上述分析方法分析得出有用信息, 建立数据库, 并利用条码技术和射频技术, 建立数据在电子商务管理中自动识别系统

2 数据挖掘技术在网络客户管理中运用

电子商务客户关系管理就是在客户满意的基础上向需求方迅速提供产品。在客户关系管理 (C R M) 中, 数据挖掘的前提是必须建立企业级的客户信息数据仓库, 能够把不同联机事务处理系统 (O L T P) 的客户数据聚集在一起, 提供一个正确、完整和单一的客户数据环境。我们必须利用供应链思想, 建立一个网络客户数据采集、加工、传输及在管理中自动化运用的体系。这一过程包括:

2.1 数据采集储存

网络数据量大, 要把海量数据储存起来, 必须建立数据仓库, 网络中通过X M L实现传统的联机事务处理系统信息共享, 具有面向对象主题的、集成的、不可更新以及随时间变化的特性, 网络联机事务处理系统作为数据仓库的原始数据来源, 它以文件方式提供网络客户基本资料、客户清单、客户账单、客户联系历史记录等数据, 网络数据仓库通过些接口文件进行抽取、转换和加载过程处理, 并且按不同的主题域组织、存储和管理这些网络客户数据, 通过数据仓库接口程序, 对网络数据仓库中的网络客户数据进行挖掘、分析。网络数据仓库的体系结构主要由数据源、企业级数据仓库和决策支持3个部分组成。

2.2 网络数据加工

2.2.1 确定客户关系数据库内容与主题的分析方法

在建立完成企业级的客户信息数据仓库之后, 可以基于这个数据仓库平台进行数据挖掘工作, 应用到以网络客户为中心的企业决策分析和管理的各个不同领域和阶段, 在客户关系管理 (C R M) 中, 确定字段可以应用在以下几种分析方法。

首先, 用群体分类法分析网络客户。近年来, 一对一营销观念正在被众多的企业所青睐。网络营销也不例外, 开展一对一营销, 可以了解每一个客户, 并同其建立起持久的关系。基于这一营销理念, 我们通过数据挖掘大量的网络客户, 运用群体分类方法, 以此为主题建立客户关系数据库, 通过数据库, 可以了解不同客户的爱好, 提供有针对性的产品和服务, 来提高不同类客户对企业和产品的满意度。

其次, 用行为分析方法分析网络客户。客户关系管理一个重要方面就是:分析客户的购买行为, 为网络营销服务。而客户行为分析方法主要有分类分析法和聚类分析法。对客户行为进行分析, 从而得出客户在消费习惯、生活方式、社会联系等方面的特征。按不同特征划分客户群, 建立网络数据库。运用此数据库, 企业可以进行不同的网络营销活动和客户服务, 针对某一客户群的消费特征进行某种业务的营销。

2.2.2 准确有效获得与保护网络客户

网络企业要有效获得新客户和不断维持老的客户, 这是网络营销基石, 所谓新客户主要包括以前没有听说过本企业产品的人, 以前不需要本企业产品的人, 以及以前是本企业竞争对手的客户。而要维持老客户就要了解老客户需求的变化, 不论企业希望保持老客户, 还是希望发现新客户, 并据此建立数据库, 提高网络营销活动的响应率, 使企业做到心中有数, 有的放矢。如何进行分析才能获得与保护网络客户, 主要从下面几个方面分析。

首先, 对网络客户的信用进行分析。网络客户忠诚度分析主要通过对客户消费金额和账务支付的分析, 通过对客户忠诚度分析, 有针对性地对高价值客户进行优质服务, 对有离开倾向的客户及时进行挽留活动, 对提高企业市场占有率, 降低营销成本是十分有用的。只有这样才能留信有效老客户, 开发有效新客户。如此数据只能通过软件从海量网络数据中挖掘。

其次, 通过对网络客户反欺诈分析, 找到网络客户维护的对象。目前, 企业面临严重客户欠费问题, 客户关系管理就是要通过对欺诈消费行为分析, 建立反欺诈数据库。通过对客户数据的多维分析、聚类分析和孤立点分析可以建立客户欺诈消费模型, 从而可以有效地对客户消费行为进行监控, 对满足欺诈消费模型的消费行为进行告警。

再次, 进行网上竞争对手分析, 才能发现潜在客户。成熟的市场必然是一个竞争比较充分的市场, 不同企业客户之间的互联互通是最基本的前提, 因此通过对客户与竞争对手客户之间通话的行为分析, 可以建立有关竞争对手经营和客户服务的模型, 比如竞争对手客户发展模型, 通过对这些模型的使用, 可以制定有效的市场应对策略。

最后, 网络客户必须注重客户关系保持, 要维持客户, 就要尽力使客户对企业关系趋于完善。企业可以运用以下三种方法:首先.长时间地保持这种关系;其次.多次数地和客户交易;最后.大数量地保证每次交易的利润。因此就需要对已有的客户进行长时间销售。注重企业历年销售数据分析, 发现问题, 改进服务, 客户因得到更多更好符合其需求的服务而获益, 企业也因销售增长而获益。同时多次数同客户交易, 节约双方交易成本, 提高双方交易利润, 对于原有客户, 企业可以比较容易地得到关于这个客户的比较丰富的信息, 在企业所掌握的客户信息, 尤其是以前购买行为的信息中, 可能正包含着这个客户决定下一个购买行为的关键因素甚至决定因素, 这个时候数据挖掘的作用就会体现出来, 它可以帮助企业寻找到这些影响其购买行为的因素。

2.3 传输及在管理中自动化运用

2.3.1 如何进行网络客户数据传输

快速反应是网络营销的优势, 首先, 必须对挖掘出的网络数据进行规范化。通过软件进行数据的多维分析和可视化展现, 探索数据的特征, 通过对数据进行增删操作或者根据现有变量重新组合生成一些新的变量来更加有效地描述数据特征, 从而建立问题定义、数据准备、数据探索、建立模型、模型检验、模型应用以及投资回报分析的标准。目前比较常用的软件有神经元网络, 其次, 运用E D I技术能进行数据交换, 网上数据传输除要对数据进行标准化外, 还必须利用计算机信息处理技术, 实现不同网络终端数据传输。目前比较安全的技术就是E D I技术, 其次是X M L技术。

2.3.2 条码化过程

条形码可以实现数据采集的自动化, 同时, 网络数据量大可以基企业级客户信息数据仓库进行数据储存。运用神经网络等网络分析软件对收集网络数据进行分析, 得到企业电子商务客户关系管理所需决策信息。可利用条码技术, 对建立的数据库进行数据的自动读取, 从而提高管理工作效率, 需要实现的目标。

3 数据挖掘在网络营销中的应用

网络营销业是数据挖掘的主要应用领域, 这是因为零售业积累了大量的销售数据, 如顾客购买史记录、货物进出、消费与服务记录以及流行的电子商务等等都为数据挖掘提供了丰富的数据资源。零售数据挖掘有助于划分顾客群体, 使用分类技术和聚类技术, 可以更精确地挑选出潜在的顾客;识别顾客购买行为, 发现顾客购买模式和趋势, 进行关联分析, 以便更好地进行货架摆设等等。在电子商务时代, 人们通过网络进行销售活动, 要学会如何运用?搜索引擎工具进行网络营销, 必需对网络上海量数据进行行挖掘分析。搜索引擎是指因特网上专门提供查询服务的一类网站, 从事网络营销人们运用网络搜索软件, 收集因特网上大量有用的商务信息, 经过加工处理后建库, 从而能够对用户提出的各种查询作出响应, 提供用户所需的信息。运用网络挖掘技术能够从服务器和浏览器端的日志记录中自动发现隐藏在数据中的模式信息, 了解系统的访问模式以及用户的行为模式, 从而作出预测性分析。例如通过评价用户对某一信息资源浏览所花的时间, 可以判断出用户对资源兴趣如何;对日志文件所收集到的域名数据的分类分析;应用聚类分析来识别用户的访问动机和访问趋势等。通过对网站内容的挖掘, 可以有效地组织网站信息, 例如采用自动归类技术实现网站信息的层次性组织, 有助于开展网站信息推送服务以及个人信息的定制服务。用搜索引擎进行网络信息挖掘, 实现网络信息的分类浏览与检索;通过用户所使用的提问式的历史记录的分析, 可以有效地进行提问扩展, 提高用户的检索效果, 运用网络内容挖掘技术改进关键词加权算法, 提高网络信息的标引准确度, 从而改善检索效果。

4 实现供应链内部流程优化

数据挖掘技术可以通过网络将供、产、销等经营环节整合在一起, 实现供应销内部流程优化。企业通过网络营销挖掘、分析客户行为, 维护客户关系, 通过对挖掘的数据进行各种处理、检索, 企业能将这些数据进行整合实现内部流程优化。

摘要：数据挖掘是从海量数据中发现和提取知识和信息的过程。在电子商务领域中运用数据挖掘技术, 寻求和发现更多的企业顾客、供应商、供应链内部流程优化, 将为企业决策者提供更为广泛而有效的决策依据, 提高企业战略竞争能力。本文简要介绍了数据挖掘的基本概念和方法, 在此基础上重点分析了数据挖掘技术在客户管理和搜索引擎数据分析、等方面的应用。

关键词：数据挖掘,电子商务,客户关系管理,搜索引擎