【数据挖掘在电子商务中应用的实例研究10000字】

第1章绪论3数据挖掘在电子商务中应用的实例研究TOC\o"1-2"\h\u32126第1章绪论 1201931.1研究背景 16921.2研究目的和意义 2163741.3研究方法与思路 219441第2章电子商务概论 2130392.1电子商务概述 268021.2电子商务的优势 355031.3电子商务的发展现状 314378第3章电子商务与数据挖掘技术 4233063.1数据挖掘在电子商务中的作用 4169503.2电子商务中数据挖掘的技术过程 530693.3数据挖掘在电子商务应用中的关键技术 69396第4章数据挖掘在电子商务中应用的实例研究 9237084.1关联分析法模型原理 9169394.2电子商务网站样本、指标及数据 1228507向量分析——偏好排序 1632030第5章总结与展望 19181905.1总结 19138335.2展望 1920325参考文献 20第1章绪论1.1研究背景在大数据不断完善聚集的今天，以阿里巴巴为首的电子商务在经过数年的发展已经趋于更加规范化和制度化，越来越规范与制度的电商门槛也就越来越高越来越不能普遍的让一些人更加容易的去进行创业，所以在以腾讯为首的微信平台下就有了微商这个行业的出现，越来越多的人进入到了微商这个行业，并在其中以自身拥有的资源进行交易和买卖获得收益，移动社交软件的兴起，智能手机的普及程度也让手机上网成为了主流，据2016年的统计数据来看移动互联网网民与PC端的网民占比达到了72%比28%,这是一个非常巨大的对比，微商也就在这个大背景下应运而生的一个产物，巨大的流量和大比例的使用人群，就拥有了巨大的商机和利益的产生，更多的人加入到了微商的行列中去，使得微商更加频繁的出现在世人的眼中，相对于传统它更加的新颖，相对与阿里巴巴淘宝，它的门槛更低，于是就有了现在所说的微商时代的到来，人们迫切想要改变运营模式的单一性，同时也想要使得运营模式更加简便化，所以我们看到了大数据时代的今天微信的猛烈发展。1.2研究目的和意义在信息化高度发展的今天，网络使我们更加容易的获取我们所需要的知识和所想了解的东西，甚至可以在很快的时间买到我们所需要的产品，但是在这个复杂的背景背后,蜂拥而至的营销混入人们的眼球，各种平台各种产品琳琅满目的摆放在周围 。为了适应新时代的来临，网络进程的快速发展使得电子商务网站的不断出现，企业开展电子商务活动需要一个高品质的平台网站，然而我们需要科学客观的去评价和分析这一类的商务网站为消费者和投资者们提供有价值的决策。一方面，通过对网站的研究分类和评价使得消费者们能够在众多商务网站中挑出符合自己满意度的网站；另一方面，投资者们也可以通过对网站的探究发现网站的价值，对投资经营做出重要的决策和调整。1.3研究方法与思路本文采用关联分析的基本原理，从站长之家和Alexa数据仓库数据，运用统计学的处理方法，通过网站的基本属性的对应关系，对中国电子商务网站进行评价，以期望能够发现各个网站的优缺点，并为中国电子商务网站的发展建设和定位提供更好的信息服务。第2章电子商务概论2.1电子商务概述电子商务一般是指通过信息的技术手段来买卖商品为主要目的的商务流动,是古老商业活动各流程的网络化、电子化、信息化;它的英文名称为ElectronicCommerce,简称EC。也能够认为是互联网、企业内部网和增值网上以电子交易模式进行买卖流动和相干服务的商务流动。电子商务是时代的产物，是一种新型商业模式。各企业在发展业务的过程中没有局限于传统模式，而是借助网络平台进行现实及虚拟层面上的业务合作。在整个供应链上，各个企业都可以作为一个合作整体，而其员工也能参与至其中。零售商作为销售终端，其可以直接跳过中间环节，即不需要通过采购环节，而是直接与供应商进行衔接，当采购订单通过自动确认之后，则可以安排进行发货。而在企业方面，也可以对服务模式进行优化，并结合企业的实际需要为其提供针对性的高质量服务，而在过去，只有大企业才能提供这方面的服务。随着网络技术渗透面的扩大，即使是中小企业也能提供该服务模式，并与世界范围内的供应商建立合作关系。[1][2]电子商务是在网络环境中，买卖双方在世界任何角落都能进行商业活动，而且买卖双方不需要见面就能够通过网上电子支付和在线交易在实现各种金融、商贸等一系列相关的综合商业模式。电子商务一般分为一下几种运营模式：商家和商家之间的贸易活动，B2B；商家对消费者的商业活动，B2C；个人对商家的商业活动，C2C；企业对政府，B2G；线上线下的商业活动，O2O；还有消费者对企业之间商务活动，C2B。1.2电子商务的优势电子商务不仅带来的是一种新的技术变革,还来了一种通过技术手段的引导、辅助、支持来实现商务活动本身发生的革命运动。不但改变了传统的交易方式,还变换了消费者的生活方式和消费观念,也改变了人与人之间的关系。具体有如下几个优点:[3]1.消费者和商家之间击碎了传统的电子商务活动的时间和空间的限制，可以出现在世界的任意一个地方，任意时间内完成交易。2.卖家和卖家双方不用出门见面，不需要浪费不必要的时间，就可能以一种相对自由且不受任何约束的方式完成商品流动。在英特网的环境中，买家和卖家之间能够进行直接或者间接的洽谈，交换，签订合同。买家用户也能把自己所提出来的意见传递给公司或者卖家的网站，而卖家或者企业则要根据买家的建议及时的去研究产品种类、质量和服务品质，做到及时优化。3.电子商务将原本的贸易活动电子化、数字化，替代了实物流，另一方面使供应链的缩短，各个层次的管理成本得到大幅度的降低。4.电子商务拥有不受地域限制的特点，为商家直接或者间接的创造了更多的商务机会。1.3电子商务的发展现状随着中国的总体经济的强势增长和英特网的发展,中国电子商务贸易市场得到了飞快的发展。其中,中国市场中占主要地位的是B2C平台网站,根据艾瑞咨询统计数据显示网购占比持续加大,在2015年通过对电子商务市场进行细分,可以得知在行业结构中,企业间电子商务整体所占的比重最大,具体为75.7%,而在交易额上,中小企业B2B电子商务所占比例几乎达到一半,具体占到的比例为46.5%;网络购物交易规模占比由2014年的18.5%增长到2015的21.8%。根据各个细分的电子商务网站市场来看,中小型的企业对企业的电子商务网站需要积极寻找新的盈利和创新模式来改变现状，才能够促进行业发展的稳定,才能使得电商市场有着不会退烧的发展热度，企业的快速发展所保留的大量用户资源和电商发展的迅速，在全球化合作上得到了完善的整合，并且在移动互联网端的快速发展支持下，旅游行业的发展也得到了壮大。4第3章电子商务与数据挖掘技术3.1数据挖掘在电子商务中的作用3.1.1优化企业资源企业能不能够赚钱的关键在于减少不必要的开支。而在缺乏数据方面的支持下，企业在资源利用上无法做到最大化，反之，企业则能在数据的支撑下对相应的数据进行分析，做到明确了解企业资源的主要耗费的关键点和关键活动投入生产输入的比例,给企业资源的合理利用做出了决策的根据。[4]例如对库存周转率的提升、库存的减少、提高了资金的周转率等。通过对数据挖掘技术,提取商业活动中的商业信息的速度得到大幅度提升，让企业能够精准的掌控市场的发展方向,企业对市场变化的创新能力和响应的能力得到显著提高,使企业在利用物质资源和信息资源、人力资源能够最大限度的发挥,在协调企业内部外部资源的关系中有着很好的解决方法,得到最大化的经济利益。促进企业发展的科学化、信息化和智能化。3.1.2管理客户数据以客户为核心的理念被已经深入人心,目前企业的其中一项课题就是去分析消费者，认识消费者和引导消费者的需要。数据挖掘技术的运用,企业利用客户的资源得到最大化,开展对消费者行为的分析与预测,把消费者通过分析分类。对消费者的盈利能力进行分析比较,挖掘出有潜在价值的消费全体,个性化服务的提供,消费者的忠诚度和满意度得到提高。电子商务数据的挖掘引导下,了解消费者的购买兴趣和购买习惯，优化网站结构层次的结构,设计出满足不同消费者需求的个性化网页。[5]在数据挖掘中还可以有效地得到消费者。例如使用数据挖掘能够挖掘在购买某种物品的消费者的性别,学位、工资情况,有什么样的兴趣爱好,是什么工作等等。甚至可以挖掘出差异的人之间在买卖这个物品和相关联的物品在过了多久之后会继续去买这种物品,以及购买这些物品的品牌和型号人的差异。数据挖掘的利用后,对特定目标的消费者发送的推广广告的反馈率和有效性将得到大幅度的提升,推销促销等广告的成本将大大降低。与此同时,在消费者数据挖掘的基础上,企业可以继续发现评析市场的作用和重要的消费者,制订专门的营销策略,拓宽销售渠道和销售幅度,为企业建立生产策略和发展规划有效的提供科学的依据。53.1.3评估商业信用影响商业秩序的重要问题是恶劣的信用状况,也已受到了各方人士的广泛关注。诈骗现象在网上层出不穷,企业在自己的财务状况上弄虚作假的情况也日益加深,阻碍电子商务发展的就是信用危机。跟踪企业的经营可以使用数据挖掘技术,挖掘技术就能够有效的跟踪并且在开展企业的盈利分析上、资产评估和发展潜力预测中建立有效的体系保障，网上全程实时监控能够得到很好的实施,增强在线支付和网上交易的安全管理方针。通过数据挖掘中的信用评估模型来对以往的数据进行分析评估，通过消费者的信用评估，制订一套级别制度作为消费者信用基准，能够化解和预防企业和消费者的信任危机，在对企业的信用鉴别和风险评估的管理上有着强化作用。3.1.4确定异常事件在许多的商业环境中，异常的事情往往有着明显的商业价值，如消费者的丧失、网络欺诈、手机话费的拖欠等。要快速的精确地鉴别这些异常事件可以使用数据挖掘技术中的奇异点分析,为企业在做决策时有着数据支持,让企业不需要受到不该失去的损失。3.2电子商务中数据挖掘的技术过程逻辑数据库被选择的数据预处理后的数据被转换的数据被抽取的信息被同化的知识逻辑数据库被选择的数据预处理后的数据被转换的数据被抽取的信息被同化的知识选择预处理分析和同化转换挖掘掘选择预处理分析和同化转换挖掘掘图3.1数据挖掘的技术过程电子商务中的数据挖掘过程一般包括5个要的阶段：如图3.1数据选择和准备、数据处理和挖掘、分析和同化。63.2.1确定业务对象能够明确的而有效的找出业务中所存在的主要问题，而对数据挖掘的目标进行明确定位，这是进行数据挖掘的关键步骤。关于最终的分析结果，则无法预知。而对于需要研究的问题，确实会所有意识，如果仅仅出于为了数据挖掘而进行该行为，则其盲目性非常明显，势必很难获得成功。

3.2.2数据准备数据的选择:找出要探究的业务对象的所有内外部之间数据信息在从里面挑出最合适的数据进行分析预测。

数据的预处理:在做研究之前需要确认数据的质量是否符合标准，提高数据的质量和分析的准确性。然后确定要进行的挖掘操作的类型。数据的转换:数据的转换实际上就是转换成各种各样的分析模型，都是根据精细的算法建立出来的结。首要的关键基础是需要一个可以有着合理的分析模型进行计算。

数据的挖掘:把收集到的数据并且转换到能够进行数据挖掘分析。在加上合理的算法后，就能够让系统软件自动化的进行数据分析。结果的分析:分析数据后的结果对其解释和评估。通常在分析方法加入一些能够运用图表显示出来的技术，使分析结果更加直观。知识的同化:将分析所得到的知识集合到业务信息系统的组织构造中去。3.3数据挖掘在电子商务应用中的关键技术进行数据挖掘，其首要任务是先从数据中发现相应的模式。之后，则根据所挖掘任务的情况进行数据挖掘。数据挖掘可分为这些方面：一是概念方面的描述；二是进行聚集发现；三是关联规则发现；四是关于分类发现；五是关于回归发现；六是序列模式发现等方面。不同的数据挖掘技术，在具体功能上也不同，因此，在对数据挖掘技术进行选择之前，需要对进行问题转化，也就是把存在的商业问题进行转化成，即转化为相应的数据挖掘的任务，之后，再根据该任务的具体情况进行挖掘技术的选择。下面具体的分析每一种挖掘任务应使用哪些挖掘技术手段。[5]3.3.1分类分类主要是通过对已知的数据库进行数据的寻找分析，并把具有共同特点的数据7进行分类，进行分类旨在对某个给定的类别进行界定。之后，则可以在客户分析领域中进行使用，如客户主要有哪些类型，客户是否对服务满意等，在做好这些方面的分析之后，则可以实施针对性的服务模式。如一个汽车零售商为了提升业绩，则可以根据对汽车的喜好进行客户分类，并在这基础上提供针对性服务措施，从而能使得商业机会获得提升。3.3.2回归分析回归分析方法在很多研究中获得运用，主要对事务数据库中的属性值在某个时间段内的特征进行反映，形成一个关联的函数，在从中发现它们之间关联，主要的研究包括对数据序列的趋势特征进行研究之外，还对数据序列的预测进行研究，此外还有对数据间的相关关系等进行分析。可以把该分析方法运用到市场营销领域，具体来说，可以对客户寻求及销售趋势预测等进行分析。3.3.3聚类所谓的聚类分析，简单来说，就是对一组数据进行细化，如可以按照相似性或者差异性等进行划分，进行该类划分的目的在于使得把属于同一类别的数据间的这种相似性进行放大。在运用实践中，可以在客户群体的分类及客户背景分析方面进行运用，此外，还能运用在客户购买趋势预测及市场细分等方面。3.3.4关联规则关联规则描述的是数据库中的数据项之间存在的一种规则，简单来说，可以理解为根据一个事务中的某些项推出该项有可能也在另一事务中出现的现象，实际上是隐藏在数据之间的一种关联。在实践中，在进行客户管理中，可以通过该方法进行相应分析，并在这基础上进行市场定位，进而可以为相应的市场定位决策做参考。3.3.5特征特征分析则是对数据库中的一组数据进行解读，并从中提取出某些相应的特征属性，而该特征式实际上就是该数据集的总体特征展示。如分析人员在对流失的客户进行分析之后，则能对其因素的特征进行分析收集，之后则可以以此作为根据做好客户流失的防控工作。3.3.6变化和偏差分析偏差在现实生活出现的频率较高，其主要包括一些很大的例外等，如在进行分类中的一些反常实例，此外还有模式的例外等，以及通过观察结果对期望之后得出的一些偏差等。进行偏差分析主要是为了对观察结果与参照量之间存在的差别进行分析，8并为管理者提供危机预警警示作用。3.3.7Web页挖掘伴随着英特网的快速发展，在加上web页技术的普及，让web页上的信息数据量变得丰富起来，利用数据挖掘技术对web上的数据进行分析挖掘，挖掘分析关于政治上、经济上和政策等有关的信息资源，加大力度从对自身有着较大影响的内部影响和外部影响中挖掘出对企业有着重要的外在价值或者潜在价值，通过挖掘出的分析结果进行预处理，找出可能对企业存在的不利因素，并且对这些信息进行管理，评价，和分析出对企业有利的决策。[11]第4章微信朋友圈营销未来发展趋势分析与建议9第4章数据挖掘在电子商务中应用的实例研究4.1关联分析法模型原理关联分析：叫做对应分析法，也可以称为R-Q型因子分析，21世纪70年代的时候由一个法国人所提及出来的一种技术手段，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。[6]它是一种视觉化的数据分析方法，可以将几组看似没有什么关联的数据，通过可视化的技术手段定位图展现出来。在市场的细分，[7]质量检测等多种领域都有涉及这些技术。[8]关联分析法一种多元统计分析方法，是在R型和Q型因子分析的基础上演变出来的，也可以称作是R-Q型因子分析。在R-Q型分析中，要研究的对象是样品，就采用Q型的因子分析；对象是变量，就用R型因子来作分析。可是它们之间却是对立的关系，需要对它们所处理的对象进行分开处理。因此，分析对象之间的内在联系就是一件相对困难的事情，对象本身的属性是个变量，而对象却是是个固定量。对应分析就由此而产生。解决了上面所提及的不足之处，对应分析法把R因子和Q因子分析的方法结合起来，并将它们统一起来使得由R型的分析结果很容易得到Q型的分析结果，解决了Q因子分析中计算了过大的问题；更重要的是可以把变量和样品的载荷反映在相同的公因子轴上，这样就可以把对象和属性之间联系起来利于分析利用。通过行和列中的元素和属性的结构分布，在用二维的坐标轴所表现出来，这是作为对应分析法的一个主要思想方针。对应分析法最大的优势就是能够把所有的属性和事物都在一张图表上表现出来，对象的类别和属性能够很直观的看出来。[9]对应分析方法的解决过程主要可以分为图表和关联图来组成。在对应分析表中由行和列组成的一个二维表。并且每一个行都有一个代表事物的属性，列则代表着不同事物,它由样本集合构成,排列顺序并没有特别的要求。在关联图上,各个样本都浓缩为一个点集合,而样本的属性变量在图上同样也是以点集合的形式显示出来。[10][11]对应分析法的基本步骤如下：[6]（1）设总共有n个样品，每个样品观测p个指标，原始数据矩阵为：10（4.1）（2）对数据矩阵先分别按行和列求和，再求总和，即有：行求和：（4.2）列求和:（4.3）列求和：（4.4）（3）计算中心-对称矩阵： （4.5）（4）进行R型因子分析：计算协方差矩阵的特征值，按其累计百分比，取前m个特征值，，，，并计算相应单位特征向量第4章微信朋友圈营销未来发展趋势分析与建议11，，，，从而得到型因子载荷矩阵：(4.6)（5）进行Q型因子分析：对（4）中的前m个特征根计算相应于矩阵的单位特征向量，从而得到型因子载荷矩阵：(4.7)（6）在二维因子轴上作图。第4章微信朋友圈营销未来发展趋势分析与建议124.2电子商务网站样本、指标及数据4.2.1评价网站样本选择为了较好地反映我国电子商务网站的建设现状，并达到网站评价研究的目的，本案例选取iWebChoice在2016年近三月排行的结果。iWebChoice网站建设于2007年，作为一家数据服务商，主要提供的是对在互联网上的细分市场的行业网站的先后排名情况。排名数据主要是从Alexa网站上提供的，在通自身的技术手段对Alexa数据分析出更直观的清晰的数据排名以及网站情况。在排名规则上，iWebChoice秉承公平公开的原则，所有排名数据都可以在Alex官网进行追溯。本案例选择网站流量排名靠前的30个电子商务网站来进行对应分析。[12]4.2.2评价指标变量在对电子商务网站所具有影响力的各因素进行综合分析之后，本案例在对电子商务网站评价标准的界定上，结合研究需要从这选出七个指标变量作为该指标标准，具体为：第一个指标变量为网站流量排名；第一个指标变量为每百万人中访问该站的人数；第二个指标变量为反向的链接数；第三个指标变量为近三月的日均IP量；第四个指标变量为访问的速度；第五个指标变量为平均每个访问者浏览的页面数；第六个指标变量为搜索引擎的收录数量等。在本文中，相应的研究数据主要取自Alexa网站，而网站的流量排名定位上，则主要是通过对网站访问的用户数量进行计算的结果，出于避免分析出现重复性的需要，网站的流量排名仅作为分析的一种参考，而不是作为一种指标变量。[13][14]4.2.3评价原始数据收集及处理本案例对相应数据进行收集得知，每百万人中的这个七个指标数据都是从网络数据仓库Alexa网站以及iWebChoice中进行获取。其中主要通过的是根据用户浏览指定网站的概率来制定网站的流量排名，用户访问网站的人数越多，被浏览的概率也就越高，网站的流量排名也就越高。每百万人中访问该站的人数，是指每一百万个用户数量中装了Alexa的工具条的使用者浏览了到了指定的网站的用户数。使用者浏览指定网站的平均网页数就是平均每个访问者浏览的页面数，主要反馈的是网站的建设的完整度，包括提供的服务和信息质量的保证。网站流量排名、每百万人中访问该站的人数和平均每个访问者浏览的页面数这三个变第4章微信朋友圈营销未来发展趋势分析与建议13量数据，本案例均取三个月平均值。本案例的反向链接在新的文档中发送一条指令信息，在通过指令把旧的文档通过新的相关文档的链接来补充完整，每个旧的文档都会得到更新。主要是通过其他方的网站访问然后发送新的链接指令在注入到自己的网站中来。在电子商务网站中，要获得好的搜索引擎排名，反向链接是一个不可或缺的重要手段之一。反向链接的优劣也影响到了网站的搜索引擎排名情况也影响到了从搜索引擎获取的流量情况。近三个月日均IP用户量是指最近三个月平均每日访问特定网站的IP用户的数量，ip用户数量的增加也就意外着该网站受到的关注的越来越大，可能存在更多的潜在价值，访问速度表示用户打开该网站网页时所需的平均时间。信息资源内容的查找和获取关系到了网站的价值体现，网站的数据丰富程度通过搜索引擎的收录数量也能够体现出来，本案例搜索引擎收录数量指标采用百度收录数量，数据来自于百度网站，收集方式为百度搜索引擎上输入“site：+网址”。在大的搜索引擎网站中，和一些当下流行的门户网站中，用户的访问数量是巨大无穷的，但它们却与用户访问电子商务网站的关联度不高，减小数据误差以及异常等不确定因素，本案例把一些不确定因素的电商网站和搜索引擎下的门户网站进行排除。Alexa是通过对整个互联网的用户数据进行挖掘分析，一些信息数据太小的网站，不具备数据挖掘也被排除在外，流量小的网站在排名上也会出现隐患因素。[12[15]]4.2.4电子商务网站对应分析评价本案例采用了spss统计软件,数据的统计功能十分全面，包括常规的集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t检验和非参数检验；也包括近期发展的多元统计技术，如多元回归分析、聚类分析、判别分析、主成分分析和因子分析等方法，并能在屏幕（或打印机）上显示（打印）如正态分布图、直方图、散点图等各种统计图表。从某种意义上讲，SPSS软件还可以帮助数学功底不够的使用者学习运用现代统计技术。14表4.1对应表根据表4.1对应表所反映了29家电子商务网站的每百万人访问人数 、每百万次浏览页面中的访问页面数、平均每个访问者页面浏览数、访问速度、搜索引擎收录数量、反向链接、近三月日均ip访问量和流量排名情况。15图4.2维度惯性从图4.2维度惯性可以看出，行列维度最小值减1的维度，第一维度的就能够解释列链表58.8%，第二维度解释了列链表的26.9%，说明两个维度就能够说明数据的85.6%，这是较为理想的解释率。从卡方检验的结果来看，卡方值为30446，p<0.001，这说明计算精度高，本次计算结果具有较高的相关性。16图4.3对应分析图总体观察：我们从图4.3对应分析图上左边是近期排名靠前的电子商务企业，而右边则是近期排名较后的电子商务企业。靠近上部的是比较看重百万人浏览数量和百万人访问的企业，而靠近下部的是较为看重搜索引擎收录数量较多、访问速度的企业。观察邻近区域：我们从图4.3对应分析图上可以看出，淘宝、天猫、京东和亚马孙中国等几家企业比较看重百万人浏览数量、每百万人访问数量和近三月日均ip访问情况。而支付宝、易迅网和一呼百应比较看重搜索引擎收录数量。为为网、阿里巴巴、当当网和品众批发网比较看重访问速度和平均每个访问者页面浏览数量。向量分析——偏好排序我们可以从中心向任意点连线-向量，例如从中心向近三月日均IP访问量作直线，然后在向量及延长线上作垂线，垂点越靠近向量正向的表示越偏好这种方法。本次分17析以近三日日均访问IP数量作为参考点，通过上图可以看出淘宝网在近三月日均IP访问量的位置几乎重合，天猫、京东、亚马孙中国、返利网国美等属于较为靠近这个线的企业，而凡客、为为网、当当网、阿里巴巴、东方网上购网属于位置距中心线稍远的位置，苏宁、银泰位置属于三环以外的部分，支付宝、一呼百应和易迅网属于较外围的电子商务企业。图4.4对应分析图根据图4.4对应分析图上述对应分析计算结果，在二维坐标上生成属性点与样本18点的对应分析图，如图4.4对应分析图所示，该对应分析图反映了电子商务网站建设与定位的状况，其结果呈现一定的聚类特征，样本网站可聚集成三类。第一类为淘宝、天猫、京东商城、亚马孙中国、返利网、当当网和阿里巴巴等几家企业，其优势主要体现在“每百万人中访问该站的人数”、“每百万次浏览量”、“反向链接”和“近三月日均IP量”这四个指标变量，因而，第一类网站主要是有大量的人访问和多数的访问，从而可以看出第一类网站的推广率和社会认识度强，网站的流量是这类网站的主要根基，与其他类别的网站相比较，这些网站的优势在电子商务网站中是很明显的。第二类网站为苏宁易购、银泰网、国美在线、美国购物网、工厂店和为为网等多家企业为主，其主要优势体现在“访问速度”、“平均每个访问者页面浏览数”和“流量排名”这四个指标变量，可以发现这类网站是较第一类网站来说竞争力相对弱的一部分网站，这部分网站在访问人数和次数上要大大低于第一类网站。从企业来看苏宁、银泰和国美均拥有线下实体店铺，线上销售是近年来发展的新型方向，相对于老牌的电商企业来说，其竞争力较弱。第二类网站中还有很多是一些目前发展势头略逊于第一类网站的企业，这类企业在“每百万人中访问该站的人数”、“每百万次浏览量”、“反向链接”和“近三月日均IP量”的表现要落后于第一类企业。第三类网站为支付宝、一呼百应和易迅网，他们三个主要靠搜索引擎收录数量作为优势指标，这三家企业具有自己独特的竞争力，与其他电子商务企业相比，更加看重搜索引擎收录数量这个指标。这类网站在“近三月日均IP量”、“每百万人中访问该站的人数”、“每百万次浏览量”、“反向链接”、“访问速度”、“平均每个访问者页面浏览数”、“流量排名”等指标上远远落后于大多数企业，这可能是因为支付宝的功能主要在于支付交易，用户停留时间较短，而一呼百应则更多是搜索功能，用户将其作为工具使用，停留时间也通常较短。易迅网的营业范围较狭窄，故而顾客停留时间，访问次数都不多。第5章总结与展望19第5章总结与展望5.1总结此次，本文研究的重点是通过数据挖掘技术探究电子商务网站的基本属性所具有的相对优势和劣势，采用了相关技术的理论模型，运用了数据挖掘技术方法中的对应分析法，对电子商务网站规划探究，为了得到完整的实时数据，主要是从Alexa数据仓库收集来的数据指标，对电子商务网站的优、劣势进行分析比较时有着比较完整的数据支持。经过软件分析的图表可以看出，它们出现了不同的聚类和定位是由于这些网站的指标和属性的侧重点的不同。不同的网站之间具有自己不同的优势。老牌的电子