电子商务挖掘技术运用

导语：电子商务挖掘技术运用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

目前随着电子商务经济环境的逐渐发展完善,企业从传统意义上的区域内销售,到跨地域限制的全球销售,从原料选购、产品宣传、销售、货款结算及售后服务一系列环节都在网络上进行。这样,网站是电子商务中最为重要的介质。网站对用户的吸引程度直接决定了企业发展。为了使企业不断壮大,不断提升企业竞争力,企业决策者开始搭建独具创新的,更具个性化的,更能吸引客户的一流的信息化网站,其中个性化特征是各企业追捧的方式之一。如何从众多数据中抽取出个性化的数据,就运行到了数据挖掘技术。本文将对数据挖掘技术在电子商务中的应用做重点介绍。

1数据挖掘概念

数据挖掘(DataMining)是一种信息转化的过程,将各种无律的、非完整的、杂乱无章的、随机的信息中经过各种方式转化成我们需要的、有用的信息。Web数据挖掘(WebDataMining)是将数据挖掘技术应用到Web网页中。即从Web各种活动信息中分析提取出有用的隐藏信息,在一定程度上利用数据挖掘技术提取出有用的知识来帮助企业和用户更好地从网站中得到各自所需要的信息。

2Web数据挖掘的分类

Web数据挖掘大概可以分为三大类:Web页面信息挖掘(WebContentMining)、Web用户记录挖掘(WebUsageMining)、Web结构挖掘(WebStructureMining)。Web页面信息挖掘是指从页面的内容中或者网页描述中收集有用信息进行挖掘,根据类型不同,可以分为文本挖掘、图片挖掘和视频挖掘等。Web用户记录挖掘是当用户访问页面时,记录用户访问页面的信息,根据用户在页面的停留时间,访问的产品等等进行信息挖掘,运用一些数学方法建立用户兴趣和关注模型,不断的跟踪用户完善模型,预计猜测用户行为,从而可以对用户进行分类,为不同用户量身制作自身最感兴趣的产品信息,从而对不同用户动态更新个性化产品展示和相关广告,取得利益最大化。Web结构挖掘是指从Web网页之间的关联性进行挖掘,如分析一个网页链接和被链接数量来建立Web自身链接的结构模式。将相似产品网页归类,将关联产品进行整合。使得用户非常容易的找到相关产品,类似产品的信息。

3电子商务中Web数据挖掘的步骤

数据挖掘的步骤:确定数据挖掘的对象,确定电子商务网站应用主题,确定网站业务对象;其次收集数据源,数据的真实性、全面性直接影响到后续工作。数据源主要有服务器端/客户端数据、中间数据等;收集完数据后,需要对其进行预处理,一般包括用户识别、格式化等阶段,删除无用无关的信息,以提高挖掘效率;之后运用机器学习及其数学统计方法对这些数据进行挖掘和分析,找到相同想去的用户群,对用户群构建兴趣模型。最后用已知的数据对兴趣模型进行反复测试和不断分析,再次应用兴趣模型得到最终挖掘的信息。具体步骤如图1所示。下面对几个重要步骤进行更详尽的分析。

3.1电子商务中Web数据挖掘的数据源选定

在电子商务中,Web数据源的选定的准确性、全面性直接关系到整个数据挖掘流程,所谓重中之重。这些数据都有量大类多的特点,归纳一下主要有以下几种数据,如图2所示。①日志数据。当用户访问网页时,Web网页会记录一些日志文件,这些文件通常以文本形式存储在服务器上,比如cookies日志文件、错误日志文件等。②用户喜好信息。指的是用户经常访问的一些产品信息,用户感兴趣的产品等等。③搜索查询数据。这类数据是电子商务网站中比较常见的而且很典型的数据。当用户用Web网页中的搜索引擎搜索需要的产品信息或广告信息时,Web网页需要记录必要的搜索信息,保存到服务器上,这些数据对之后数据挖掘建模有重要作用。④在线浏览,用户购买信息。产品浏览量信息,用户购买信息等等。⑤产品信息。各个产品的属性信息。⑥客户端的客户信息数据。即用户注册登录时,存储到数据库中的姓名,职业,email等等信息。在Web的数据挖掘中,用户注册的ID等信息需要和一些搜索查询数据信息结合起来使用,用来提高数据挖掘的精准度,使得能够更进一步地了解具体客户的具体需求。

3.2Web数据挖掘如何建立数据模型

一般情况下,运用Web数据挖掘可以在站点上挖掘出来的兴趣模型有以下几种:①分析频繁路径。可以根据一个Web站点中最频繁的网页路径得到重要的网页,从而根据这一信息对网页结构进行改进。②序列模式分析。序列模式分析即在有序的时间戳事务集中,寻找那些“一些事务跟随另一些事务”的序列事务模式。如购买自行车的客户中,有70%的客户会在一个月之内购买打气筒。③聚类分析。聚类分析可以对Web网站中的用户进行分类,找到具有相似需求的客户。可以对这类客户进行针对性的区别服务。如发送特定产品的销售邮件及其推荐产品。对电子商务来说,将客户分类可以对市场细分理论提供更加有力的理论数据支持。④关联规则。可以找到用户购买产品的相关性。如笔记本需要有好多配件,有耳机,麦克,电源,电池,鼠标,键盘膜等等其他构件。利用这些相关性,可以更好的设计具体产品页面的关联产品信息,实施有效的市场策略,增加交叉产品的销售额,能够让用户快速找到所需要的产品信息。⑤异常检测。异常检测的前提是假设入侵者行为有别于正常用户的行为。根据这一前提,建立用户正常活动的活动档案,将当前用户的活动行为与活动档案相比较,当发现有别于统计规律时,认为该行为可能是“入侵”行为。

4结论

随着电子商务的发展,电子商务领域正在迅速地扩大。由于电子商务的跨地域性,信息快速获取性等等特点,各大企业竞相开展电子商务模式。运用Web数据挖掘技术,可以对电子商务中的各种繁杂的无头绪的信息进行整合、删选、归并及其分析处理,从而更好地反馈到网站供用户访问。数据挖掘技术把这些高深复杂的数学统计方法、人工智能等技术封装起来,使人们不用自己掌握这些技术也能完成同样的功能,将更多的时间和精力放在自己所要解决的问题上,使得企业利益快速达到最大化。