數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用

周穎

摘要：伴隨著我國商業(yè)信息以及數(shù)據(jù)等方面的飛速增長，電子商務(wù)經(jīng)營人員現(xiàn)階段最為重視的熱點(diǎn)在于怎樣才能將商業(yè)信息以及商業(yè)數(shù)據(jù)這些信息進(jìn)行更加高效的應(yīng)用，從而將其中所存在的聯(lián)系關(guān)鍵點(diǎn)進(jìn)行分析，為經(jīng)營活動(dòng)提供更加高質(zhì)量的服務(wù)體系。本篇文章針對(duì)數(shù)據(jù)挖掘的來源以及其根本性能、數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的高效應(yīng)用等進(jìn)行了簡要的概述。

關(guān)鍵詞：數(shù)據(jù)挖掘；數(shù)字挖掘技術(shù)；電子商務(wù)

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）24-0191-03

數(shù)據(jù)挖掘技術(shù)是一項(xiàng)高新科技的處理流程，即從海量的信息數(shù)據(jù)庫中提取出相應(yīng)可靠并創(chuàng)新、高效且能夠被人們充分理解的一種高級(jí)模式，又被稱為是“數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)”。

1數(shù)據(jù)挖掘技術(shù)的來源

1.1數(shù)據(jù)挖掘的產(chǎn)生的緣由

人們通常會(huì)在平時(shí)的生活中遇到大大小小類似的狀況，比如商場會(huì)將具有關(guān)聯(lián)性的商品放在一起、保險(xiǎn)公司會(huì)設(shè)計(jì)出精致的理賠條款等，這些數(shù)據(jù)信息的挖掘是傳統(tǒng)數(shù)據(jù)分析工具難以完成的。隨著科技的發(fā)展，信息量不斷擴(kuò)大，人們希望通過對(duì)數(shù)據(jù)的挖掘獲得有價(jià)值的信息。由此數(shù)字挖掘技術(shù)便應(yīng)運(yùn)而生，并成為一種綜合性的數(shù)據(jù)分析技術(shù)。

1.2數(shù)據(jù)挖掘技術(shù)的功能分類

1.2.1分類方面

在對(duì)事物的具體描述工程中對(duì)描述對(duì)象的具體屬性以及主要特性等進(jìn)行不同方式的組類，比如在劃分網(wǎng)絡(luò)上的文章的過程中，主要是根據(jù)其中內(nèi)容的關(guān)鍵詞語為根本依據(jù)進(jìn)行劃分、整理。

1.2.2聚類方面

針對(duì)被分析事物中所隱藏的深層內(nèi)容進(jìn)行有效的識(shí)別、認(rèn)知，同時(shí)根據(jù)這些深層內(nèi)容把被分析事物劃分為不同的類別。比如在商場對(duì)商品進(jìn)行聚類的同時(shí)，要針對(duì)“用戶喜歡什么樣的促銷模式”這種問題進(jìn)行全面的考量，并且將購物習(xí)慣性思維較為相近的用戶劃分在一起，依照不同的習(xí)慣性思維將商品有效的劃分為不同的類別，并且要針對(duì)不同類型的用戶所喜歡的促銷模式進(jìn)行具體的深入調(diào)查和研究工作。

1.2.3關(guān)聯(lián)規(guī)則方面

在某一對(duì)象在出現(xiàn)某種狀況的同時(shí)會(huì)相應(yīng)的引發(fā)其他對(duì)象發(fā)生相似狀況的密切聯(lián)系屬于關(guān)聯(lián)規(guī)則。比如在商場購買面包的用戶同時(shí)購買牛奶的幾率性就格外大，并且每一天購買面包的用戶里面又有幾個(gè)是同時(shí)購買牛奶的，其中所占的比例到底是多少，這些問題都是可以根據(jù)關(guān)聯(lián)規(guī)則的支持程度以及可信程度來進(jìn)行實(shí)際、具體的描繪的。但是序列規(guī)則卻是縱向思維下的聯(lián)系模式，和關(guān)聯(lián)規(guī)則的聯(lián)系模式大大不同。

1.2.4預(yù)測方面

要想提高預(yù)測的高效性能就必須要對(duì)預(yù)測模型進(jìn)行有效的構(gòu)建。預(yù)測的主要任務(wù)在于對(duì)分析對(duì)象的發(fā)展規(guī)則進(jìn)行高效的分析處理，并且能夠?qū)⑵浒l(fā)展趨勢進(jìn)行預(yù)測性的研究分析，比如針對(duì)電子商務(wù)未來的發(fā)展趨勢而做出的相關(guān)分析工作和預(yù)測工作。

1.2.5偏差的檢測工作方面

在描述分析極少數(shù)的對(duì)象和個(gè)別案例的同時(shí)，對(duì)其深層面的原因以及規(guī)則進(jìn)行具體的研究分析工作。例如銀行在開展近一百萬筆的金錢交易業(yè)務(wù)中，總會(huì)個(gè)別的存在著近五百筆的金錢欺詐案例，所以銀行就需要針對(duì)業(yè)務(wù)經(jīng)營的穩(wěn)定性發(fā)展而采取相關(guān)的對(duì)策，針對(duì)這五百筆的金錢欺詐案例所包含的內(nèi)在要素進(jìn)行具體的分析發(fā)現(xiàn)，使得銀行在經(jīng)營過程中的風(fēng)險(xiǎn)性降到最低。在這一過程中需要被關(guān)注的則是：在數(shù)據(jù)挖掘技術(shù)中的各種功能并不是單一性的存在的，其中存在著必然性的聯(lián)系，因此在開展數(shù)據(jù)挖掘的分析過程時(shí)，一定要對(duì)其中的內(nèi)在聯(lián)系進(jìn)行分析，進(jìn)而將數(shù)據(jù)挖掘技術(shù)的高效功能進(jìn)行最大程度的發(fā)揮。

2數(shù)據(jù)挖掘技術(shù)的主要工具以及運(yùn)行方式

2.1數(shù)據(jù)挖掘技術(shù)運(yùn)行的主要方式

第一，數(shù)據(jù)挖掘在運(yùn)行過程中需要對(duì)大量的信息數(shù)據(jù)進(jìn)行處理分析，同時(shí)這也是數(shù)據(jù)挖掘技術(shù)得以產(chǎn)生的主要原因；第二，數(shù)據(jù)的不完全性是必然存在的，其主要的特征就在于其隨機(jī)方面以及噪音方面，同時(shí)其信息數(shù)據(jù)的組織結(jié)構(gòu)也是繁瑣復(fù)雜，維數(shù)過于大；第三，數(shù)據(jù)挖掘技術(shù)是各種不同領(lǐng)域的科學(xué)性知識(shí)的整合，其中針對(duì)數(shù)學(xué)以及計(jì)算機(jī)、統(tǒng)計(jì)學(xué)等各方面進(jìn)行了全面系統(tǒng)的應(yīng)用，是各個(gè)領(lǐng)域的交叉內(nèi)容。其中普及程度最為廣泛的算法以及模型主要?jiǎng)澐譃橐韵聨追矫妫?/p>

2.1.2傳統(tǒng)的統(tǒng)計(jì)方式

在常用的統(tǒng)計(jì)方式中應(yīng)用程度較為普及的主要是抽樣技術(shù)，在分析處理大量的信息數(shù)據(jù)的過程中，并沒有可能以及必要性來對(duì)全部的信息數(shù)據(jù)進(jìn)行具體的分析，因此要充分的結(jié)合理論性的指導(dǎo)內(nèi)容來將抽樣技術(shù)逐漸的科學(xué)合理化。之后再對(duì)多元統(tǒng)計(jì)分析方式以及因子分析方式、回歸分析方式、聚類分析方式和時(shí)間序列的分析方式等進(jìn)行逐一的整合，并加以應(yīng)用。

2.1.3可視化技術(shù)的應(yīng)用

在直觀表現(xiàn)信息數(shù)據(jù)主要特性的過程中充分的結(jié)合圖標(biāo)的形式，尤其是直方圖的直觀表達(dá)，在這一過程中所需要應(yīng)用的描述統(tǒng)計(jì)方式也是極其豐富多元化，其中可視化技術(shù)的高效應(yīng)用現(xiàn)階段中的關(guān)鍵問題在于如何將高維數(shù)據(jù)實(shí)現(xiàn)最大程度的可視化。

2.1.4決策樹

決策樹主要是對(duì)大量的數(shù)據(jù)庫根據(jù)相關(guān)規(guī)則進(jìn)行有效的歸納，將樹狀圖進(jìn)行構(gòu)建，一般情況下都會(huì)在分類工作和預(yù)測工作中得到高效的應(yīng)用。其中CART、CHAID、ID3、C4.5、C5.O等計(jì)算方法都是在這一工作過程中應(yīng)用頻率最高的。

2.1.5神經(jīng)網(wǎng)絡(luò)方面

神經(jīng)網(wǎng)絡(luò)技術(shù)可以針對(duì)人們的神經(jīng)元功能進(jìn)行高效率的模擬實(shí)現(xiàn)，同時(shí)針對(duì)輸入層以及隱藏層、輸出層等方面經(jīng)過，使得能夠直觀的調(diào)整、計(jì)算相關(guān)的信息數(shù)據(jù)，使得其計(jì)算結(jié)果精確度能夠得到全面性的提高，常常用在分類方面以及回歸方面。

2.1.6遺傳算法方面

遺傳算法主要是根據(jù)自然進(jìn)化的相關(guān)理論知識(shí)為重要基礎(chǔ)，進(jìn)一步的優(yōu)化對(duì)基因的聯(lián)合以及突變、選擇等進(jìn)行高效的模擬。

2.1.7關(guān)聯(lián)規(guī)則的挖掘計(jì)算方法

關(guān)聯(lián)規(guī)則通常情況下是根據(jù)數(shù)據(jù)之間聯(lián)系的規(guī)則性內(nèi)容進(jìn)行具體的分析，其中對(duì)大型數(shù)據(jù)的項(xiàng)集進(jìn)行計(jì)算和充分的利用大數(shù)據(jù)項(xiàng)集來將其中的關(guān)聯(lián)性規(guī)則形成，是關(guān)聯(lián)規(guī)則中主要的兩大過程。同時(shí)粗集計(jì)算方法以及模糊集合計(jì)算方法、最近鄰計(jì)算方法和Bayesian Belief Netords等也都是關(guān)聯(lián)規(guī)則挖掘算法中最為常見的計(jì)算方法。

3數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的各項(xiàng)應(yīng)用實(shí)際案例

用戶是在進(jìn)行電子商務(wù)活動(dòng)中數(shù)據(jù)挖掘的主要分析對(duì)象。數(shù)據(jù)挖掘技術(shù)能夠?qū)⒂脩糁g的共性以及個(gè)性方面的知識(shí)進(jìn)行有效的分析研究，同時(shí)能夠?qū)⑵渲R(shí)內(nèi)容中的必然性和偶然性以及獨(dú)立性和關(guān)聯(lián)性、現(xiàn)實(shí)性和預(yù)測性等進(jìn)行高效率的發(fā)現(xiàn)。并且這些知識(shí)的發(fā)現(xiàn)層次和概念也是完全不同的，可以從微觀層面逐一地上升到宏觀層面，并且可以對(duì)用戶的消費(fèi)行為進(jìn)行直觀的統(tǒng)計(jì)分析，尤其是在其消費(fèi)心理以及消費(fèi)能力、消費(fèi)動(dòng)機(jī)、消費(fèi)需求、消費(fèi)潛能等方面的統(tǒng)計(jì)、分析更為精確。使得電子商務(wù)的經(jīng)營人員可以充分的結(jié)合這些分析內(nèi)容來開展相關(guān)的決策工作，使得消費(fèi)人員的需求能夠得到最大程度的滿足。

3.1分類方法和預(yù)測方法在電子商務(wù)中的高效應(yīng)用

分類工作在電子商務(wù)的活動(dòng)過程中占據(jù)著關(guān)鍵性的地位，同時(shí)其應(yīng)用頻率也是最高的。分工工作的主要任務(wù)就是在于將分類函數(shù)以及分類模型等進(jìn)行高效的構(gòu)建，一般情況下都被稱為“分類器”。其中統(tǒng)計(jì)法以及機(jī)器學(xué)習(xí)法、神經(jīng)網(wǎng)絡(luò)法是分類器中經(jīng)常會(huì)用到的構(gòu)建方法，這些不同的方法可以將信息數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)項(xiàng)目映射到指定的類別中，增加預(yù)測工作中的便利性大大的增強(qiáng)，在這一基礎(chǔ)之上能夠?qū)ξ磥淼男畔?shù)據(jù)進(jìn)行行之有效的分析。

3.2聚類分析方法在電子商務(wù)中的高效應(yīng)用

聚類可以針對(duì)組類中的個(gè)體根據(jù)類似性的規(guī)律將其進(jìn)行科學(xué)合理的劃分。對(duì)于電子商務(wù)而言，針對(duì)用戶的有效聚類能夠強(qiáng)有力的支持市場化的細(xì)分理論規(guī)律。但是傳統(tǒng)模式下的市場細(xì)分理論在對(duì)市場策略的具體制定過程中依然占據(jù)著關(guān)鍵性的地位，市場細(xì)分可以借助不同類別的用戶群體進(jìn)而細(xì)分市場，其主要任務(wù)就在于將同一范圍內(nèi)的用戶個(gè)體以及市場進(jìn)行最大程度的拉近工作，同時(shí)使得不同領(lǐng)域內(nèi)的個(gè)體之間的區(qū)別逐漸地增大，因而能夠借助聚類分析方法來對(duì)用戶群體的主要特性進(jìn)行高效的劃分，使得用戶在使用電子商務(wù)互聯(lián)網(wǎng)站的過程中可以享受到個(gè)性化的優(yōu)質(zhì)服務(wù)。

其中統(tǒng)計(jì)法以及機(jī)器學(xué)習(xí)法、神經(jīng)網(wǎng)絡(luò)法等都屬于聚類分析方法的具體范疇之內(nèi)。

3.3數(shù)據(jù)抽取方法在電子商務(wù)中的高效應(yīng)用

和傳統(tǒng)模式下的商務(wù)活動(dòng)相比較而言，電子商務(wù)活動(dòng)充斥著各種不穩(wěn)定的因素。比如用戶群體的消費(fèi)心理以及消費(fèi)能力等方方面面，因此數(shù)據(jù)挖掘技術(shù)的關(guān)鍵任務(wù)就是在于要從海量的信息數(shù)據(jù)中尋找出有具體價(jià)值意義、有序的相關(guān)數(shù)據(jù)。其中數(shù)據(jù)抽取方法是其中的關(guān)鍵方式之一，能夠從廣泛的視角中對(duì)數(shù)據(jù)進(jìn)行高效的分析整合，因此其主要的針對(duì)目標(biāo)就在于電子商務(wù)活動(dòng)過程中的用戶群體的信息數(shù)據(jù)化大倉庫。并且在具體的運(yùn)作過程中計(jì)算量過于高，可以將其中的結(jié)果進(jìn)行提前的計(jì)算并進(jìn)行有效的存儲(chǔ)工作，增強(qiáng)工作過程中的工作質(zhì)量。

3.4數(shù)據(jù)挖掘技術(shù)在電子商業(yè)中的具體應(yīng)用案例

第一，數(shù)據(jù)挖掘技術(shù)可以應(yīng)用與電子商業(yè)營銷中。市場營銷就是以對(duì)市場進(jìn)行細(xì)分為基礎(chǔ)的，按照營銷學(xué)的相關(guān)理論可知，消費(fèi)者現(xiàn)在的消費(fèi)行為將決定他們以后的消費(fèi)趨勢。因此，要收集大量和消費(fèi)者行為有關(guān)的數(shù)據(jù)信息，并要對(duì)這些數(shù)據(jù)信息進(jìn)行進(jìn)一步的處理，主要的工序包括對(duì)數(shù)據(jù)信息進(jìn)行分類、分析研究以及再加工等。首先，根據(jù)產(chǎn)品的銷售情況和消費(fèi)者對(duì)產(chǎn)品需求的反饋信息對(duì)產(chǎn)品的生命周期進(jìn)行分析；其次，是對(duì)市場進(jìn)行細(xì)分。需要使用到客戶聚類分析法，找出客戶之間的關(guān)系，即有何相同的消費(fèi)行為。根據(jù)客戶群對(duì)市場進(jìn)行進(jìn)一步的細(xì)分。然后，進(jìn)行產(chǎn)品定價(jià)。產(chǎn)品定價(jià)需要使用關(guān)聯(lián)分析，主要分析消費(fèi)者對(duì)于某些品牌的忠誠度、價(jià)格接受情況等。最后，就是進(jìn)行營銷。根據(jù)上述的工作結(jié)果確定最終的營銷策略；

第二，數(shù)據(jù)挖掘技術(shù)可以應(yīng)用在電子商務(wù)廣告宣傳方面。所有瀏覽網(wǎng)絡(luò)廣告的客戶都有可能成為潛在的客戶，所以很多商家都選擇在網(wǎng)絡(luò)上做廣告。但選擇做廣告的網(wǎng)絡(luò)平臺(tái)就需要使用到數(shù)據(jù)挖掘技術(shù)。一方面要選擇點(diǎn)擊率比較高的網(wǎng)站，另一個(gè)方面還要選擇具有針對(duì)性的網(wǎng)站。而這些數(shù)據(jù)信息都被保存在數(shù)據(jù)庫中，需要利用專業(yè)的數(shù)據(jù)挖掘知識(shí)對(duì)其進(jìn)行加工處理使之成為有價(jià)值的信息。

4總結(jié)

隨著現(xiàn)代化信息高新技術(shù)的高效發(fā)展，電子商務(wù)的出現(xiàn)是必然性的趨勢推動(dòng)而生成的，其代表了未來的商業(yè)運(yùn)作的主要形式。因此要將信息網(wǎng)絡(luò)化的基礎(chǔ)設(shè)備的建設(shè)進(jìn)一步的加強(qiáng)，將企業(yè)中的電子商務(wù)化活動(dòng)進(jìn)行正確積極的推動(dòng)，同時(shí)將電子商務(wù)中的安全運(yùn)行機(jī)制以及物流配送的機(jī)制進(jìn)行進(jìn)一步的改善，使得電子商務(wù)的發(fā)展環(huán)境能夠被優(yōu)化，進(jìn)而將企業(yè)的管理方式進(jìn)行改革創(chuàng)新工作，推動(dòng)企業(yè)的進(jìn)步發(fā)展。

參考文獻(xiàn)：

[1] 戴菲.數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2011，7（21）：5043-5044.

[2] 鄧霆.數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J].中國電子商務(wù)，2012（4）：31-31.

[3] 王磊.數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J].青春歲月，2011（8）：358.