数据挖掘技术在电子商务中的应用

数据挖掘技术在电子商务中的应用摘要：随着互联网的普及和电子商务业务的发展，电子商务平台的产品和用户数量呈几何倍数的增长，电子商务以其独特的优势已成为新世纪经济增长的引擎。现代社会生活节奏越来越快，中国已经是一个发展中的强国，偏远地区的经济发展也以肉眼可见的速度飞速向前，电子商务的轻松便捷更加满足了人民日益增长的经济需求，数字化的交易模式已渗透在各个行业，这也让各个网购平台储存了大量的客户交易数据，提高企业的经济效益与这些大数据密不可分。商家如果充分利用这些数据来促进产业的发展？比如从客户购物模式，分析并设定商品的推荐；比如从客户的评价信息，改善或创造购物条件等，本文从数据挖掘技术在电子商务的应用进行了探讨，并以淘宝网为例做了简单的分析。关键词：数据挖掘技术电子商务第一章绪论1.1研究背景及意义随着互联网的飞速发展和社会信息化水平的不断提高，互联网逐渐成为全球通信与交易的最主要媒体，如今，我们生活的各个领域都充斥着互联网，刚开始它也只是简单的应用在生活当中，比如观看新闻、电影、电视，代替写信功能的网络聊天、传送电子邮件等。而现在。电子商务已成为了互联网的主要应用。它以其独特的优势已成为新世纪经济增长的引擎，已经成为一种信息时代国际通行的商务模式。电子商务网站的普及和推广，已经变成中国企业提高核心竞争力的必然趋势。它以高效率、低成本和不受时空闲置的特点成为企业商务活动发展的必然趋势。电子商务发展的基础和动物离不开广大的消费群体以及殷实的消费实力。中国的8亿网民贡献了巨大的力量。以为网购的低价和表里，网店席卷了众多实体店铺的经济效益。据调查分析表明，我国现价段的电子商务的发展十分迅速。目前，电子商务网站积累了大量的客户交易数据。网络购物已成为人们喜爱的购物方式之一。互联网场景下，用户量和商品存量激增，甚至呈几何倍数的增长，生成大量的数据。我们该如何利用这些数据，分析客户的购物习惯，进而对客户进行个性化服务，推荐到客户想要的商品，提供更高质量的服务，使企业的经济效益得到提高？随着数据挖掘技术的广泛应用，给人们从海量数据中提取知识信息提供了方向。大数据因其强大的数据处理能力能够从海量的数据获取到有用的知识，帮助决策者根据所提取的知识做出正确的决策。数据挖掘技术从词层面讲，就是针对解决这些问题而提出的，在大量的数据中，抽取出潜在的、有价值的信息，从而达到利益最大化的效果。1.2研究内容及结构主要内容：随着Internet和电子商务网站的飞速发展，网络购物已经成为大众习惯的购物方式之一。如何从这些海量的数据中找到有用的数据，如何发现用户的兴趣，为客户提供个性化的服务成为目前电子商务网站发展的关键。数据挖掘技术就是在现如今购物状态下和电子商务结合在一起。本文简单介绍了数据挖掘技术和电子商务基本概念，并主要介绍了数据挖掘技术在电子商务中应用，并以淘宝网为例做分析，阐述了把数据挖掘技术应用到商品推荐等一系列与电商相关的解决方法和重要意义。本文结构：第一章绪论，阐述了数据挖掘应用到商品推荐中的重要意义，交代本文的主要研究内容与研究成果，表明此研究在网购平台的必要性。1.数据挖掘的概述，阐述了数据挖掘的基本概念、数据挖掘技术以及应用范围领域，陈述了数据挖掘技术在互联网时代的重要性。2.电子商务中数据挖掘技术的应用，此章节以电子商务和网络店铺为叙述主体，以淘宝网为例，阐述了数据挖掘技术在电子商务中的应用。3.系统的设计与搭建，本章设计了一个以数据挖掘技术为基底的电子商务推荐系统构架，阐述了系统设计的思路与目标以及具体实现过程中所涉及的主要问题和方法。4.总结，概括了数据挖掘技术在电子商务中的重大意义，并对此技术做出了进一步展望。1.3研究结果本文首先阐述了数据挖掘的基本概念，数据挖掘技术在电子商务中的应用作为文章的重点叙述，概述了电子商务网站在商品推荐方面的技巧，并以淘宝网为例，做出一方面的分析，客观说明了数据挖掘技术运用在电子商务中解决问题的方法以及重要意义，设计了一个基于数据挖掘技术的电子商务推荐系统框架，并对设计与实现过程中涉及的主要问题和解决方法进行了详细地叙述。1.数据挖掘概述2.1数据挖掘的概念数据挖掘，英文是DataMining，简称DM。所谓数据挖掘，就是从大量数据中提取有效的、未知的、易于理解的、有依据的信息，并据此做出商务决策的过程。它是指从存放在数据库、数据仓库或其它信息大库中挖掘个人或企业所需要的信息的过程，从大量的数据中提取出隐含的、有价值的信息，用来指导所需者意向进行的活动。2.2数据挖掘的技术数据挖掘聚集了众多不同领域的知识，数据库、数理统计、人工智能等。它是一项应用技术广泛的交叉科学，不仅能对特定数据库进行简单查询检索，还可以对固定的数据进行不同层面、角度的分析、统计、推理和综合，得到问题的答案，以及发现事件之间的某种联系，也可以对还未发生的活动进行预测。本文之中，数据挖掘是一种商业信息处理技术。企业商业数据库中存在大量的业务数据，这些都需要进行处理。提取重要数据、数据格式转换、数据分类分析、数据拟化建模等，用这些方法摘取到有用的重要的数据，为商业决策提供帮助，从而使利益最大化。2.3数据挖掘的过程数据挖掘的过程可以划分为数据准备、数据挖掘、模式发现和模式处理。1、数据准备：首先确定研究对象，划分范围，有一个明确的选取目标。具体情况具体分析，一个企业网络后台获得的数据，部分不完整，也有模糊不清的，甚至大部分是重复多余的。所以数据挖掘技术是针对潜在数据信息，接着用一种比较简单的方法去获得简洁、准确的数据。2、数据挖掘：确定研究对象之后，就要明白数据挖掘的目标和挖掘的类型以及这次挖掘是为了完成什么任务，根据数据挖掘的类型选择合适的挖掘方法，并实施挖掘操作，从数据库中抽取此次挖掘所需的信息。3、模式发现：利用数据挖掘技术，挖掘出对企业有用的和可以理解的知识及信息。例如关联分析、聚类分析、路径选择、序列分析等。4、模式处理；通过挖掘技术结果的分析，将可能存在的冗余或无关的知识剔除，并对挖掘的知识进行解释，得到有效的结论，将其转换为易于用户理解的方式，供用户所用。1.电子商务中数据挖掘技术的应用3.1电子商务的定义电子商务是网络平台开展商务活动。交易双方在网络进行交易。视频、图文、音乐、交流等都采用电子化的形式，通过不见的方式在浏览器或服务器应用的网络环境下，进行商业贸易交易。消费者在足不出户、不用面谈的情况下，通过电子支付完成买卖交易活动。电子商务是一种新型运营模式的商务活动。目前，电子商务已席卷全球，以其独特的优势成为新世纪经济增长的引擎。3.2电子商务中数据挖掘技术的应用我国经济发展正处在完善阶段，市场经济不断上升，越来越多的企业需要数据挖掘技术的支持。数据挖掘技术能发现电子商务客户的共性和个性、必然性和偶然性、独立性和关联性、现实和预测等知识，所有的这些相关内容经过分析，能对客户的消费行为的购买心理、消费能力、消费动机、消费需求、等做出精准的统计和正确的分析，为相关人员提供决策依据，为企业达到目的起一个向导性的作用。1、企业资源优化：企业在任何方面存在的的浪费、过度消耗，投资中投入资金与生产输出的占比等，这些利用数据挖掘技术都得得到结果，这样就能从结果分析，给出一个合理、科学的调整解决方案。比如物资采购管理中，从归纳的数据分析，库存、库龄等，做出相应的调整方案，如闲置物资合理分配使用，降低库存，处置淘汰物资。通过数据挖掘技术，企业可以时刻把握市场动态，创造更多的收益。2、客户资料管理：通过对客户各种信息的精准掌握，为客户提供私人定制似的服务，比如性别、个人喜好、从事职业等基本信息，根据不同客户的不同需求，优化网络结构，推出个性化服务，一方面提高本身潜在用户的消费能力，一方面吸引更多客户的关注。通过数据挖掘的电子商务系统推荐，对客户的访间行为、访问频次、访问内容等信息进行分析，提取客户的相关特征，获取客户访问模式。据此创建客户的个性化服务，比如选取消费者更容易接受的价格，配套可能相关联的商品、主动推荐客户感兴趣的商品等等。3.3淘宝网的模式分析淘宝网成立于2003年5月10日，由阿里巴巴集团投资创办，是目前中国最大的购物零售平台，同时也是亚洲第一大网购零售商。网络营销是建立在对市场了解和分析的基础上，这就需要提前收集、整理大量的数据信息，进行数据分析，再开展下一步的营销活动。淘宝商家在产品上新之前一定要做好市场分析，将风险降到最低。以客户信息为例，从数据挖掘的角度多方面进行分析。从淘宝首页搜索栏入手，首先得到客户所需要的商品，然后根据需求商品，推荐商品的大类，网页从大类再细化小类。这样得到一个笼统的大数据，由大数据进行分析，得到客户所需要的具体的商品。可根据客户的访问兴趣、访问频率、访问时间、动态的调整页面结构，迎合每个客户的浏览兴趣。从客户购买的商品进行确定用户所需物品，购物车只能体现买家的需求，并不是真正的购买，只是需要先了解产品信息，时机到了才会成交。物品成交时，就可以推荐配套使用的物品。也可以根据用户在网页停留的时间做分析，用户在一个网站平均停留的时间和每个用户对网站的平均贡献是成正比的。在淘宝网页面就会看到“根据浏览，猜我喜欢”，根据客户的浏览痕迹,推荐客户可能感兴趣的相关产品，以期将浏览者转变为购买者。在客户评价中挖掘有用的信息，提高客户的满意度也是一个关键的因素。分析客户对产品和服务的满意度，可以帮助企业了解客户的想法、需求和期望，发现企业在产品和、服务和管理上的不足，进而为企业改善经营策略、提高客户忠诚度。淘宝店铺在交易结束后，都有商品评价，买家根据实际情况所处评价，一是给卖家提出意见，哪里需要改进，二是给其他购买用户提供一个参考。1.系统设计与搭建本章主要探讨了电子商务平台推荐系统的设计。设计了一个基于数据挖掘技术的点在商务推荐系统架构，阐述了在设计和实现的过程中所设计的主要问题及其解决方法。随着网络购物的不断发展，电子商务的带了较快的发展。在电子商务平台上积累了大量的用户、商品数据以及客户行为数据，这些数据不仅没有得到很好的利用，反而不断增多的数据影响了内存的利用，占用大量的储存空间。再者，随着大数据技术的不断发展，客户服务水平不断提升，如何留住客户也变成需要解决的重要问题。把数据挖掘技术应用到电子商务的商品推荐中，可以使网站从大量的客户购买历史记录、用户注册信息和网页访问时间等，提取出隐含的有价值的知识、模型或规则，帮助和指导着网站的商品推荐等工作。顺利的完成购买，才是商家追寻的最终利益目的所在，提高服务质量、提高客户忠诚度度等都是达到目标的途径之一。4.1系统设计思路与目标根据项目的要求，收集某个范围内的数据，在系统设计阶段，确定系统的实施方案，即确立系统的物理模型。在研究过程中，系统设计应遵循一定的原则，主要包括：开放性、适应性、完整性、安全性、相关性、经济性。意思就是系统支持多种协议、标准和接口，当外界条件发生变化事，也能很多的适应，保持资源共享，克服信息分散，系统软硬件设备可靠稳定，满足需求的前提下，尽量减少开发和使用费用。在系统的需求分析完成之后，进入系统框架的设计，并使设计适合用于实施环境，方便系统的应用实现。此设计主要是一个商务贸易平台。它作为商业交易平台，用户可以通过它提供的用户商务中心便捷高效地发布商机、安全交易、建立合作伙伴、降低成本；作为商业资讯平台，既向用户提供最新的行业动态，也提供大量的商机信息，并提供了市场预测信息，用户可根据商业资讯，做出正确的决策。4.2系统具体实现探讨电子商务平台推荐系统实现的系统环境，以及各个功能模块的实现。然后，确定了系统的评估指标，对系统的性能展开评估，分析得出本系统存在的问题以及如何解决。4.2.1功能模块的实现1、客户端模块的实现：客户端动态模型包括注册与登录、浏览商品、推荐商品、订购商品、后期评价等功能。系统会自动审核注册信息的合法性以及用户名是否重复，对于符合系统要求的注册信息系统提示“注册成功”；用户打开网站首页，系统自动推送与消费者行为相匹配的商品信息，用户可以点击商品图片、链接，进入到商品详情页，用户可以查看商品的价格、商品描述等与商品相关的信息；户查看完感兴趣的商品详情页面后，可以将感兴趣的商品加入购物车，进入购物车界面，勾选需要购买的商品点击购买并结算；收到货物检查完毕后进入商品评价界面完成评价。2、管理员模块的实现：包括商品管理、用户信息管理、订单处理等。商品管理可以对其进行分类管理、按品牌管理和物品类型管理等。也可以执行添加商品信息等等操作，便于管理员商品，做好商品信息服务；查看会员列表、会员等级和会员注册项，做好人员分类，便于推荐合适的商品；查看订单列表，按照收款单、退款单、发货单、退货单等方式以分页列表形式显示订单信息。4.2.2存在的问题以及如何解决1、如何吸引一个从未来过或者很少来的客户？解决方式：在每个浏览的地方，广泛的推荐物品清单。2、当客户有喜欢的新产品或者其他网站打折力度打的时候，如何拉回老客户？解决方式：提高服务态度，及时通知最新商品消息。3、与客户怎么做到长时间的联系，获得长期合作关系？解决方式：深度个性化的服务，针对性的定期询问，做合适的建议性推荐。4、怎样提高商务网站的可信度？解决方式：建立一个客户专门的交流群，让客户之间交流沟通，互相传达自己的购买心得。5、有些推荐形式过于单一，大众化的推荐不适应个别群体。解决方式：运用数据挖掘技术，丰富推荐形式化，有多种网页浏览形式，使客户可以自由选择。1.结论及展望5.1结论在21世纪的今天，我们所生活的时代已然是信息时代，电子商务的迅速发展，网络购物从开始的单一化逐渐趋于多种化、精细化，现在连不易保存运输的瓜果、蔬菜、冰鲜产品，甚至活物，都可以在网上交易。小到个人买卖，大到集团公司，如中国石油集团公司，也在2019年开始与电商合作，由刚开始的只与京东一家电商合作，现在也发展成六家社会电商，各个油田下发地区管理权限，每个分公司到每个公司里的各个单位，都已配置采购权限。在疫情的影响下，物资的保供显得极为重要，电商采购不仅缩短了