- 相關推薦
談數據挖掘技術在電子商務中的應用
[摘要]電子商務的廣泛應用使企業產生了大量的業務數據,按企業既定業務目標對這些數據進行數據挖掘可以幫助企業分析出完成任務所需的關鍵因素。文章先容了數據挖掘技術,以實例分析了數據挖掘在電子商務中的應用,并先容了在電子商務中如何應用數據挖掘技術。[關鍵詞]電子商務;數據挖掘;路徑分析
隨著Internet 的普及,電子商務的興起,人們的商務理念正在改變, 電子商務的廣泛應用使企業產生了大量的業務數據,如何更快、更好地利用各種有效的數據更好地開展電子商務,這是目前電子商務急需解決的題目。
一 、數據挖掘技術
20 世紀 90 年代以來,隨著信息技術和數據庫技術的迅猛發展,人們可以非常方便地獲取和存儲大量的數據。面對大規模的海量的數據,傳統的數據分析工具(如治理信息系統)只能進行一些表層的處理(如查詢、統計等),而不能獲得數據之間的內在關系和隱含的信息。為了擺脫“數據豐富,知識貧乏”的困境,人們迫切需要一種能夠智能地自動地把數據轉換成有用信息和知識的技術和工具,這種對強有力數據分析工具的迫切需求使得數據挖掘技術應運而生。人們熟悉到數據庫中存儲的數據量急劇增大,在大量的數據背后隱躲著很多重要的信息,假如能把這些信息從數據庫中抽取出來,將為公司創造很多潛伏的利潤。這種從海量數據庫中挖掘信息的技術,就稱之為數據挖掘。數據挖掘一般有以下四類主要任務:
(一)數據總結
數據挖掘能夠將數據庫中的有關數據從較低的個體層次抽象總結到較高的總體層次上,從而實現對原始基本數據的總體把握。
(二)分類
分析數據的各種屬性,并找出數據的屬性模型,確定哪些數據屬于哪些組。這樣我們就可以利用該模型來分析已有數據,并猜測新數據將屬于哪一個組。
(三)關聯分析
數據庫中的數據一般都存在著關聯關系,也就是說,兩個或多個變量的取值之間存在某種規律性。通過挖掘數據派生關聯規則,可以了解客戶的行為。
(四)聚類
聚類分析是按照某種相近程度度量方法,將用戶數據分成一系列有意義的子集合。每一個集合中的數據性質相近,不同集合之間的數據性質相差較大。
數據挖掘的特點和性質對于企業而言,有助于發現其企業業務發展的趨勢, 揭示已知的事實, 猜測未知的結果, 并幫助企業分析出完成任務所需的關鍵因素, 以達到增加收進, 降低本錢, 使企業處于更有利的競爭位置的目的。
二、數據挖掘在電子商務中的作用
數據挖掘技術源于貿易的直接需求, 因此它在各種貿易領域都存在廣泛的使用價值。電子商務是貿易領域的一種新興商務模式,是指利用電子信息技術開展一切商務活動。當電子商務在企業中得到應用時, 企業信息系統將產生大量數據, 這些海量數據使數據挖掘有了豐富的數據基礎, 同時高性能計算機和高傳輸速率網絡的使用也給數據挖掘技術提供了堅實的保障。因此數據挖掘技術在電子商務活動中有了更大的用武之地。下面先容數據挖掘在以下電子商務幾個方面的作用:
(一)客戶細分
隨著“以客戶為中心”的經營理念的不斷深進人心, 分析客戶、了解客戶并引導客戶的需求已成為企業經營的重要課題。通過對電子商務系統收集的交易數據進行分析, 可以按各種客戶指標(如自然屬性、收進貢獻、交易額、價值度等) 對客戶分類, 然后確定不同類型客戶的行為模式, 以便采取相應的營銷措施, 促使企業利潤的最大化。
(二)客戶獲得
利用數據挖掘可以有效地獲得客戶。比如通過數據挖掘可以發現購買某種商品的消費者是男性還是女性, 學歷、收進如何, 有什么愛好, 是什么職業等等。甚至可以發現不同的人在購買該種商品的相關商品后多長時間有可能購買該種商品, 以及什么樣的人會購買什么型號的該種商品等等。也許很多因素表面上看起來和購買該種商品不存在任何聯系, 但數據挖掘的結果卻證實它們之間有聯系。在采用了數據挖掘后, 針對目標客戶發送的廣告的有效性和回應率將得到大幅度的進步, 傾銷的本錢將大大降低。
(三)客戶保持
數據挖掘可以把你大量的客戶分成不同的類, 在每個類里的客戶擁有相似的屬性, 而不同類里的客戶的屬性也不同。你完全可以做到給不同類的客戶提供完全不同的服務來進步客戶的滿足度。數據挖掘還可以發現具有哪些特征的客戶有可能流失, 這樣挽留客戶的措施將具有針對性, 挽留客戶的用度將下降。
(四)交叉銷售
交叉銷售可以使企業比較輕易地得到關于客戶的豐富的信息,而這些大量的數據對于數據挖掘的正確性來說是有很大幫助的。在企業所把握的客戶信息, 尤其是以前購買行為的信息中, 可能正包含著這個客戶決定他下一個購買行為的關鍵, 甚至決定因素。這個時候數據挖掘的作用就會體現出來, 它可以幫助企業尋找到這些影響他購買行為的因素。 (五)個性服務
當客戶在電子商務網站注冊時, 客戶將會看到帶有客戶姓名的歡迎詞。根據客戶的訂單紀錄, 系統可以向客戶顯示那些可能引起客戶特殊愛好的新商品。當客戶留意到一件特殊的商品時, 系統會建議一些在購買中可以增加的其他商品。普通的產品目錄手冊經常簡單地按類型對商品進行分組, 以簡化客戶挑選商品的步驟。然而對于在線商店, 商品分組可能是完全不同的, 它經常以針對客戶的商品補充條目為基礎。不僅考慮客戶看到的條目, 而且還考慮客戶購物籃中的商品。使用數據挖掘技術可以使推薦更加個性化。
(六)資源優化
節約本錢是企業盈利的關鍵。通過分析歷史的財務數據、庫存數據和交易數據, 可以發現企業資源消耗的關鍵點和主要活動的投進產出比例, 從而為企業資源優化配置提供決策依據, 例如降低庫存、進步庫存周轉率、進步資金使用率等。
(七)異常事件的確定
在很多貿易領域中, 異常事件具有明顯的貿易價值, 如客戶流失、銀行的信用卡欺詐、電信中移動話費拖欠等。通過數據挖掘中的奇異點分析可以迅速正確地甄別這些異常事件。
由此可見數據挖掘在電子商務中有著重要的作用。在生活中采用數據挖掘的成功的例子很多。例如總部位于美國阿肯色州的WalMart零售商的“尿布與啤酒”的故事。WalMart擁有世界上最大的數據倉庫系統,它利用數據挖掘工具對數據倉庫中的原始交易數據進行分析,得到了一個意外發現:跟尿布一起購買最多的商品竟然是啤酒。假如不是借助于數據倉庫和數據挖掘,商家決不可能發現這個隱躲在背后的事實:在美國,一些年輕的父親放工后經常要到超市往買嬰兒尿布,而他們中有30%~40%的人同時也為自己買一些啤酒。有了這個發現后,超市調整了貨架的擺放,把尿布和啤酒放在一起,明顯增加了銷售額。
三、電子商務中如何應用數據挖掘技術
數據挖掘在電子商務中有廣泛的應用。那么在電子商務中是如何應用數據挖掘技術的?
首先,從挖掘過程說,對在線訪問客戶數據的挖掘主要有兩部分:一部分是客戶訪問信息的挖掘,另一部分是客戶登記信息的挖掘。面對大量的訪問日志,首先要做的就是對數據進行清洗,即預處理,把無關的數據,不重要的數據等處理掉;接著對數據進行事務識別,通過對事務進行劃分后,就可以根據具體的分析需求選擇模式發現的技術,如路徑分析、愛好關聯規則、聚類等。通過模式分析,找到有用的信息,再通過聯機分析(OLAP) 的驗證,結合客戶登記信息,找出有價值的市場信息,或發現潛伏的市場。
其次,挖掘方法主要有以下幾種:
1.路徑分析
路徑分析是一種找尋頻繁訪問路徑的方法,它通過對Web 服務器的日志文件中客戶訪問站點的訪問次數分析,挖掘出頻繁訪問路徑。 例如:一客戶從某一站點訪問到某一感愛好的頁面后就會經常訪問該頁面, 通過路徑分析確定頻繁訪問路徑, 可以了解客戶對哪些頁面感愛好,(下轉第78頁)(上接第80頁)從而更好地改進設計,為客戶服務。
2.愛好關聯規則
當客戶訪問某一網頁時,一般會通過愛好詞條找出相關的愛好網頁通過鏈接繼續訪問, 這種關聯產生的數據假如能夠按照某種策略進行挖掘分析, 統計出客戶訪問某些頁面及愛好關聯頁面的比率, 就可以很好地組織站點, 實施有效的市場策略。
3.聚類分析
聚類分析是電子商務中很重要的一個方面,通過分組聚類出具有相似瀏覽行為的客戶,并分析客戶的共同特征,更好地幫助電子商務的用戶了解自己的客戶,向客戶提供更合適的服務。如通過對眾多的瀏覽“camera”網頁的客戶分析,發現在該網頁上經常花一段時間瀏覽的客戶,再通過對這部分客戶的登記資料分析,知道這些客戶是潛伏要買相機的客戶群體。就可以調整“camera”網頁的內容和風格,以適應客戶的需要。
通過以上幾種數據分析的方法可以有效地對電子商務中的信息進行分析,從而更有效地開展電子商務。
目前,數據挖掘技術正以前所未有的速度發展,并且擴大著用戶群體,在未來越來越激烈的市場競爭中,擁有數據挖掘技術必將比別人獲得更快速的反應,贏得更多的貿易機會。現在世界上的主要數據庫廠商紛紛開始把數據挖掘功能集成到自己的產品中,加快數據挖掘技術的發展。我國在這一領域正處在研究開發階段,加快研究數據挖掘技術,并把它應用于電子商務中,應用到更多行業中,勢必會有更好的貿易機會和更光明的遠景。
[參考文獻]
[1]韓家煒.Web 挖掘研究[J].計算機研究與發展,2001 , 38(4).
[2]陳宏. 消費者數據挖掘系統建立的幾個題目[J]. www.ctiforum.com,2002-09-03.
【談數據挖掘技術在電子商務中的應用】相關文章:
數據挖掘技術在電子商務網站中的應用03-28
數據挖掘技術在CRM中的應用03-22
Web數據挖掘在電子商務中的應用.03-21
數據挖掘在旅游電子商務中應用論文11-28
數據挖掘技術在企業知識管理中的應用03-19
談聚類挖掘在電子商務中的應用03-18
Web數據挖掘在電子商務中的應用研究03-07
數據挖掘技術在客戶關系管理中的應用12-09
數據挖掘在CRM中的應用分析03-22