数据挖掘技术在电子商务中的应用研究

国锋

摘要：随着现在社会科技的进步，数据挖掘技术也在不断地进步，目前数据挖掘涉及的领域非常广泛，其中在电子商务领域也得到了广泛的运用。这一篇文章主要是从数据挖掘的概念以及实际工作中的操作方法这些方面展开讨论，通过一些案例来分析电子商务中该技术的使用情况，从而得出一定的结论，即二者的结合能够有效的促进电商的发展。这一项技术能够深入的分析和处理数据信息，高效的抽取出有用的信息，方便电商行业的快速迭代和变更，有利于促进公司营业额的增长，并且通过对信息的处理能够分析出用户的喜好，方便公司为未来的发展做出有效的计划安排，同时也为大家的生活提供了更加便捷的方式。

关键词：数据挖掘;电子商务;数据处理;应用研究

中图分类号：G424    文献标识码：A

文章编号：1009-3044（2019）24-0280-02

开放科学（资源服务）标识码（OSID）：

当今社会是信息化的社会，伴随全球科技的不断进步，信息化也在不断地提高，关于计算机几乎已经普及到了各家各户，关于网络也早已深入到各行各业各个领域，现在人们的工作和生活都离不开信息体系。各种各类的数据每天都在不断地增加和变更，而且数据信息在增长的速度方面也是非常迅速的，如果只是依靠个人来收集和处理这些大批量的数据，几乎是跟不上节奏的，所以有必要结合时代的先进技术，利用数据的挖掘技术来帮助我们处理这样量大且复杂的数据。把数据进行整理也可以说是把数据进行挖掘，利用更加合理更加高效的办法处理这些数据。目前，在电子商务中已经运用该技术的实际例子也有不少了，比如说采集客户的信息、分析用户的喜好、有效散发网络广告等，在电子商务领域运用好该技术，将会产生非常大的正向作用。在当今的这个环境背景之下，该技术在飞速地进展着，目前已经进展到了相对完善的程度。电商的工作量在不断地增加，这也意味着挖掘技术在该领域还有些非常大的运用空间。因为各类电商平台在用户使用过程中都会留下数据信息，为了促进公司的发展，可通过对用户留下的信息分析挖掘，有针对性的满足用户，提供有效的服务。公司要继续努力，让该技术充分地展现出其优势，促进电商行业的进步。

1 有关理论知识描述

1.1数据挖掘技术

1.1.1数据挖掘的概念

数据挖掘过程是一种新型的数据整合过程，能够从大批量的数据中筛选出有用的数据，并且对这样数据进行再次转化，成为方便阅读者理解的数据的一种过程。不同的公司各自的需求不一样，为了让公司达到一对一的针对性服务，帮助他们搭建起具有自己的优势平台，通过利用数据挖掘技术，提升公司在市场上的竞争力。

1.1.2数据挖掘的技术

数据挖掘是面向大批量数据进行数据分析的技术，最常见的是对商业数据的挖掘和应用。对数据再次整合的内容包括抽取关键数据、把抽取出来的信息二次转化、分析这些信息以及对这些数据根据具体需求构建数学模型等的工作，进而为公司的市场需求和计划提供有效信息，方便做出未来的工作计划。

数据挖掘和AI有些一定的关联，二者相互作用，AI作为基础，数据挖掘运用AI中部分算法。早在2013年，美国一位女明星能够红遍全球也是利用了数据挖掘技术，通过对网络上追星族的数据进行收集分析和处理，计划出最有效的宣传，吸引到上百万的人去关注，从而让她迅速地取得了成功。

挖掘的过程运用了一种算法，叫作预测算法，预测的目标结果是通过对当前现有的数据估算出将来很可能出現的数值。在实际的工作中，可以根据预测的结果和企业或者个人所能提供的支持，涉及出合适的预测模型，这种模型和统计模型相比存在着很大的优势，这种模型运用了假设的方法，事先假设购买者在平时的购物中都有自己的习惯并且还会二次消费，采集所有购买者的消费信息，网页浏览的个人喜好等来估算出顾客的购买行为。

1.2电商目前的状况

1.2.1电子商务的描述

电子商务一般指的是在网上进行买卖交易的一种购物活动。商家和顾客都是通过互联网进行操作，互相看不到对方，借助电子金钱，在网站或者手机应用软件上来完成交易，顾客网络购买的一种消费活动，是近几年新出现的运营类型。电商根据公司对顾客可以分为多种模式，比如B2B，B2C等，目前最常见的是B2B。商家要想增加效益，必然的也需要增加顾客量，让更多的人了解商量，需要进行推广和宣传，把潜在的用户挖掘出来，转化为真正的消费者，就必须采取一定的手段。比如在与用户直接交互的页面进行美化，吸引用户，简化操作流程，留住用户，让这些潜在客户变为真正的客户。另外，商家也需要不断地完善自己的产品，做到真正的物美价廉，并且可以制定正确的营销方案，优化营销的最后结果。

1.2.2我们国家电商的进展现状

2003年我们国家第一次批准了关于怎样利用研发数据的课题。国家的多个研发部门和部分大学也展开了对数据进行挖掘相关的理论知识和运用等的研究。当前发展进度已经由理论转化为实践运用阶段，目前我们国家的经济还是发展中，更多的公司对数据挖掘技术有着需求，从而促进公司更好的发展。数据挖掘和各种知识相互融合促进后，该技术在各行各业中的运用效果越来越显著。

在二十一世纪初期的时候，我们的国家为了完善数据中心，在该工程中投入了将近五亿元作为经济支持，与此同时，搭建了信息数据的服务平台，建立了人口信息的处理和备份中心。现在的电商都采用数字化方式进行交易，买卖者也是借助于网络平台进行沟通，不仅购物方面，其他多行多业也都在与电子技术联合使用。

2 数据挖掘面对的挑战和可行性分析

当今是信息化的社会，各个公司都在搭建自己的电子商务平台。电商平台当前主要待解决的问题就是，怎么样把网站上大批量的不够准确清晰的数据利用起来，与用户交互的页面得到优化，分析出顾客有倾向的物品以及不同顾客在购物方面存在的差异，为用户尽可能地提供一对一的定制服务。数据挖掘能够通过算法和技术从海量的浏览记录中寻找到潜在的顾客，根据已经存在的个人预览信息，推测出下一次的购物可能。这些有效的信息，能够帮助公司做出执行计划，促进公司的盈利。

数据挖掘在商业的决策方面的具有可行性。企业制定出活动方案，需要定位实施的目标人员，采集大批量的对象信息进行分析，从中找到潜在的规律并且对这一规律构建模型。数据挖掘在商业的应用方面也具有可行性。对大批量的数据进行处理，在此过程中挖掘数据与数据之间存在的关联，常常用在服务类信息方面的分析和处理，是一种新类型的电子商务活动模式。

数据的挖掘是对数据库中的信息进行筛选，得到的最后数据能够让使用者满意。筛选可以不止一次地进行，多次循环反复得到更精准的数据。挖掘过程有初步处理、数据的深入挖掘以及分析这三个步骤构成。

3在电商中的运用和实施方案

当今社会是个飞速发展的社会，各行各业都在追求效率的提高，不管是企业还是个人，都会考虑到速度这一个概念。尤其是电子商务领域，伴随网络化的迅速发展，更是要讲究速度，追求效率，这就更加的需要数据挖掘来作为发展的支持动力。

3.1  运用在网站的设计上

浏览访问网线就会留下浏览的信息，浏览者的这些信息中部分有可能是潜在的消费信息，可以辅助的添加一些吸引人的内容或者活动获取浏览者的关注。比如说，在给顾客以优质的服务的同时，要善于不断地完善网站，对不同的用户不同的喜好做出归纳分层。让只要浏览访问该网站的客户能可以发现他们自己喜欢的商品，根据他们的喜好以及访问的频繁程度，对网站与用户交互的页面做出结构上的迎合，尽可能多的满足顾客的不同需求。一个网站的直接面向对象是消费者，如果外观上不好看，那么将会直接影响消费者的购物愿望。可以通过运用数据挖掘，把顾客们的喜好风格进行数据采集，综合的设计出尽可能多的人喜欢的网站。

对网站的完善可以是以下几个方面：

（1）快捷方面的完善。对用户一对一的追踪，把该用户平日里最常访问的网络页面进行整理，对这些页面进行分析和处理，找出有什么共同之处，然后做出相应的调整。比如说网站页面上颜色的相同之处等，然后对网站做出优化。

（2）连接方面的完善。每个人搜索信息的方式和爱好都不太相同，对这些偏好进行采集处理，数据量要尽可能得多，例如广大用户经常使用的浏览器有哪些等等，可以针对使用量最多的浏览器投入有效的连接，这样被潜在客户看到的机率就会大大增加，从而促进电商公司提高收益。

（3）站点方面的完善。选择站点的位置也是非常重要的，应该通过分析处理找到更加方便有效的位置让它显示出来，并且与真实的地址互联。

3.2运用在用户关系中

电商平台设立的目的是为了方便网站的管理和运行。站点对通过这一平台来追踪和记录浏览者的浏览足迹以及有关的兴趣偏好等等，除此之外，该平台还能够和顾客进行交流，對顾客的要求加强了解，从很大一定程度上促进管理人员的管制和计划的定制，促进电商行业的快速进步。

对用户关系的完善可以是以下几个方面：

（1）使用聚类分析技术。这一项技术能够把繁杂的数据信息进行整理归类。比如说性别一样的，居住城市一样的。根据这些相同的特征制定推送的方案。除此之外，还能方便公司筛选出更为重要的顾客，为有非常大额度非常频繁的顾客定制有针对性的服务，从而更加保留顾客。

（2）使用自定义分析技术。公司可以根据具体的情况自己定义一套适合的测量方案。产品卖出去之后多多少少的都会得到一定的回馈信息。运用数据挖掘，能够对这些回馈信息进行全面的分析总结。在处理数据的时候，还能利用技术把数据按照时间或者其他条件等进行筛选，让分析的最后结果更加方便可观。

4 结束语

这篇文章主要内容是对电商的描述以及数据挖掘在实际的工作中的运用。当今社会是信息化的社会，各种各类的信息飞快地增加，数据挖掘能够从这样大批量的数据中提出去有利于电商发展的数据，该技术凭借自身的优势，将会越来越受到工作者的欢迎，该技术也将会越来越普及。

参考文献：

[1] 瞿爱珍，庄天戈. 计算机辅助医学诊断系统的数据挖掘和知识发现研究[D]. 硕士学位论文. 上海：上海交通大学，2014.

[2] 黄玲. 在电子商务中应用Web数据挖掘的研究[D]. 硕士学位论文.湖南：湖南大学， 2014.

[3] 卢辉. 数据挖掘数据化运营实战：思路、方法、技巧与应用[M]. 北京：机械工业出版社， 2013.

[4] 张云. 贝斯算法在垃圾邮件过滤中的应用研究[D].硕士学位论文.昆明：云南大学， 2012.

[5] 段晓华. 数据挖掘技术在电子商务客户关系管理中的应用研究.湖南文理学院学报（自科版）， 2010 ， 22 （2） ：90-94.

【通联编辑：闻翔军】