淺析電子商務(wù)中的ＷＥＢ數(shù)據(jù)的挖掘

[摘要] 本文立足于WEB數(shù)據(jù)挖掘技術(shù)，從個(gè)性化網(wǎng)站的設(shè)計(jì)、CRM中的應(yīng)用和推薦系統(tǒng)中的應(yīng)用三個(gè)角度，分析了電子商務(wù)中的WEB數(shù)據(jù)挖掘應(yīng)用。

[關(guān)鍵詞] 電子商務(wù) WEB 數(shù)據(jù)挖掘

電子商務(wù)改變了人們傳統(tǒng)的商務(wù)模式，同時(shí)，也改變了商家與顧客之間的關(guān)系。客戶選擇余地的擴(kuò)大使得他們更加關(guān)注商品的價(jià)值，而不象以前首先考慮品牌和地理因素。因此對(duì)銷售商而言盡可能的了解客戶的愛好、價(jià)值取向，才能在競(jìng)爭(zhēng)中立于不敗之地。數(shù)據(jù)挖掘技術(shù)可以有效地幫助銷售商理解客戶行為，提高站點(diǎn)的效率。在電子商務(wù)網(wǎng)站的設(shè)計(jì)、客戶關(guān)系管理(CRM)、網(wǎng)絡(luò)營銷等方面得到廣泛的應(yīng)用。

一、數(shù)據(jù)挖掘在電子商務(wù)網(wǎng)站設(shè)計(jì)中的應(yīng)用

數(shù)據(jù)挖掘可以得出諸如：什么客戶喜歡這個(gè)站點(diǎn)、客戶通過什么訪問路徑達(dá)成交易，以及客戶訪問站點(diǎn)的頻率等信息，從而優(yōu)化網(wǎng)站的結(jié)構(gòu)提高網(wǎng)站的訪問量，吸引更多的客戶。對(duì)于改進(jìn)網(wǎng)站設(shè)計(jì)、定制個(gè)性化頁面、判斷站點(diǎn)效率有著重要幫助。

利用WEB數(shù)據(jù)挖掘技術(shù)，個(gè)性化電子商務(wù)系統(tǒng)的實(shí)現(xiàn)過程包括信息采集、信息分析和個(gè)性化服務(wù)三個(gè)主要步驟：

1.信息采集。收集客戶個(gè)人信息是提供個(gè)性化服務(wù)的基礎(chǔ)。收集個(gè)人信息主要有兩種方式。第一種方式是通過客戶注冊(cè)來獲得，這種方式可以得到客戶的性別、出生日期、最高學(xué)歷、家庭收入、婚姻狀況、職業(yè)等；第二種是通過客戶在網(wǎng)站上的行為來判斷個(gè)人的興趣愛好等特點(diǎn)，從而獲得客戶個(gè)人信息。如果客戶經(jīng)常瀏覽某類產(chǎn)品或相關(guān)廣告，我們就可以知道客戶對(duì)這類產(chǎn)品感興趣。

2.信息分析。一個(gè)成功和完善的個(gè)性化電子商務(wù)網(wǎng)站應(yīng)該能夠在對(duì)客戶透明的情況下，對(duì)客戶的資料、行為進(jìn)行分析，并盡量不影響客戶的頁面處理時(shí)間，對(duì)于耗時(shí)較多的分析、分類處理應(yīng)放在系統(tǒng)相對(duì)空閑和客戶退出網(wǎng)站等時(shí)間處理，減少客戶等待時(shí)間。信息分析過程如下:(1)將網(wǎng)站客戶群進(jìn)行分類，然后按照客戶群興趣特點(diǎn)進(jìn)行內(nèi)容設(shè)計(jì)，并且將內(nèi)容相應(yīng)歸類;(2)定義客戶類別所對(duì)應(yīng)的內(nèi)容，即某類客戶最需要看到什么內(nèi)容;(3)分析客戶的行為和登錄資料，判別客戶所屬的類別;(4)客戶瀏覽網(wǎng)站不同頁面時(shí)，以及提交購買定單時(shí)，修改相應(yīng)行為資料。

3.個(gè)性化服務(wù)。根據(jù)客戶類別顯示相應(yīng)的內(nèi)容給客戶，達(dá)到個(gè)性化服務(wù)的目的。為了使分類更具有可信性和穩(wěn)定性，對(duì)注冊(cè)時(shí)間較長(zhǎng)，瀏覽及購買行為相對(duì)穩(wěn)定的客戶優(yōu)先抽樣。

二、數(shù)據(jù)挖掘在CRM中的應(yīng)用

1.客戶的獲取。在大多數(shù)的商業(yè)領(lǐng)域中，業(yè)務(wù)發(fā)展的主要指標(biāo)包括新客戶的獲取能力。企業(yè)的市場(chǎng)部門人員可以采用傳統(tǒng)的方法來發(fā)展新客戶，如開展大規(guī)模廣告活動(dòng)；也可以根據(jù)所了解的目標(biāo)客戶群，將他們分類，然后進(jìn)行直銷活動(dòng)。但是當(dāng)數(shù)據(jù)量增大時(shí)，即使有豐富經(jīng)驗(yàn)的市場(chǎng)人員想要選擇出相關(guān)的人口調(diào)查屬性的篩選條件也會(huì)變得很困難，隨客戶數(shù)量不斷增長(zhǎng)和每位客戶的細(xì)節(jié)因素增多，要得出這樣的行為模式的復(fù)雜度也同樣增大。而數(shù)據(jù)挖掘技術(shù)可以幫助完成潛在客戶的篩選工作。首先從一份潛在的客戶名單開始，列出可能對(duì)企業(yè)的產(chǎn)品或服務(wù)感興趣的消費(fèi)者的信息，通過調(diào)查和處理對(duì)這些信息進(jìn)行數(shù)據(jù)擴(kuò)展，并和一些外部信息匹配，使之更適合數(shù)據(jù)挖掘分析。然后進(jìn)行市場(chǎng)試驗(yàn)活動(dòng)，根據(jù)所需要預(yù)測(cè)的客戶行為在一定范圍內(nèi)對(duì)客戶進(jìn)行試驗(yàn)，記錄下客戶的反饋，稱之為“反應(yīng)行為模式”。剔除無反應(yīng)行為和反應(yīng)行為類別中重復(fù)的數(shù)據(jù)后，在確定細(xì)節(jié)粒度的基礎(chǔ)上，利用數(shù)據(jù)挖掘技術(shù)構(gòu)建出N元反應(yīng)行為預(yù)測(cè)模型。根據(jù)這個(gè)模型，可以將潛在的客戶排序，以便找出那些對(duì)企業(yè)的產(chǎn)品或服務(wù)最感興趣的客戶。

2.客戶的保持。隨著行業(yè)中的競(jìng)爭(zhēng)愈來愈激烈和獲得一個(gè)新客戶的開支愈來愈大，保持原有客戶的工作也愈來愈有價(jià)值。在CRM的實(shí)施中，企業(yè)通過預(yù)測(cè)，找出可能會(huì)流失的客戶，并分析出主要有哪些因素導(dǎo)致他們想要離開，在此基礎(chǔ)上，有針對(duì)性地挽留那些有離開傾向的客戶。

利用數(shù)據(jù)挖掘技術(shù)，可以通過挖掘大量的客戶信息來構(gòu)建預(yù)測(cè)模型，較準(zhǔn)確地找出易流失客戶群，并制定相應(yīng)的方案，最大程度地保持住老客戶。數(shù)據(jù)挖掘技術(shù)中的決策樹技術(shù)能夠較好地應(yīng)用在這一方面。

3.客戶的細(xì)分。細(xì)分是指將一個(gè)大的消費(fèi)群體劃分為一個(gè)個(gè)細(xì)分群體的動(dòng)作，同屬一個(gè)細(xì)分群的消費(fèi)者彼此相似，而隸屬于不同細(xì)分群的消費(fèi)者被視為不同的。通過CRM的實(shí)施，將產(chǎn)生細(xì)分的客戶群，企業(yè)根據(jù)客戶提出的要求和實(shí)際所做的不斷地改善產(chǎn)品和服務(wù)，從而使企業(yè)不斷提高使該客戶群滿意的能力。

數(shù)據(jù)挖掘技術(shù)中的聚類分析技術(shù)能夠被運(yùn)用來從客戶信息數(shù)據(jù)庫中發(fā)現(xiàn)不同的客戶群，并且用購買模式來刻畫不同客戶群的特征，達(dá)到細(xì)分客戶群的目的。根據(jù)客戶數(shù)據(jù)特點(diǎn)，一般可采用聚類技術(shù)中的K平均算法來進(jìn)行劃分。其原理為將含原始客戶信息的數(shù)據(jù)庫劃分成K個(gè)聚簇，然后采用一定的算法使得同一簇中的對(duì)象是“相似的”，而不同簇中的是“相異的”。

三、推薦系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)

1.貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)技術(shù)利用訓(xùn)練集創(chuàng)建相應(yīng)的模型，模型用決策樹表示，節(jié)點(diǎn)和邊表示客戶信息。模型的建立可以離線進(jìn)行，一般需要數(shù)小時(shí)或數(shù)天，得到的模型非常小，對(duì)模型的使用非?？欤@種方法適合客戶的興趣愛好變化比較慢的場(chǎng)合，推薦精度和最近鄰技術(shù)差不多。

2.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則既可用來分析商品間的參考模式，也可以向客戶推薦商品，提高交叉銷售能力。關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)可以離線進(jìn)行，隨著商品數(shù)目的增加，規(guī)則的數(shù)量呈指數(shù)增加，但通過決策者對(duì)支持度和置信度的選擇，感興趣模式以及算法的選取，也可以高效實(shí)現(xiàn)。推薦精度比最近鄰技術(shù)略差。

3.聚類分析。該技術(shù)將具有相似愛好、購物興趣的客戶分配到相同的族中，聚類產(chǎn)生之后，根據(jù)該族中其他客戶對(duì)某商品的評(píng)價(jià)就可以得到系統(tǒng)對(duì)該商品的評(píng)價(jià)，聚類過程可以離線進(jìn)行，聚類產(chǎn)生之后，性能比較好，但如果某客戶處于一個(gè)聚類的邊緣，則對(duì)該客戶的推薦精度比較低，推薦精度比最近鄰技術(shù)略差。

4.推薦系統(tǒng)要兼顧準(zhǔn)確性和實(shí)時(shí)性。一個(gè)好的系統(tǒng)可能是多種方法和技術(shù)的結(jié)合，取長(zhǎng)補(bǔ)短。譬如，可以把聚類分析作為最臨近算法的預(yù)處理，即通過聚類分析來減小候選集，最臨近算法就可以在一個(gè)較小的數(shù)據(jù)集合中進(jìn)行，從而提高了實(shí)時(shí)性。

參考文獻(xiàn):

[1]周彥暉:電子商務(wù)與web數(shù)據(jù)挖掘.計(jì)算機(jī)應(yīng)用.2006(5)

[2]董逸生:WEB挖掘研究綜述.計(jì)算機(jī)科學(xué)，2006(11)