大數據挖掘在電商市場中分析與決策的應用

文/田亞明

按照CNNIC在2018年發(fā)布的中國電商市場相關購物報告，我國2018年在電商市場中的消費額在社會所有消費額中占據了18.9%的比例，為5.48萬億元，僅B2C交易額就有3.05萬億元。客觀來講，電商市場的飛速發(fā)展和我國的政策存在密切關系。因此，研究電商市場分析與決策應用大數據挖掘的策略具有現實意義。

1 當前大數據挖掘概況

目前，大量學科領域都對數據挖掘技術進行了應用。大數據挖掘這一技術暫時沒有明確的定義，相關學者提出，大數據挖掘是對數據包含的知識進行挖掘，這種表達方法無法將其含義充分表示出來。以廣義角度看，大數據挖掘應是具有一個包含動態(tài)流入系統、Web、數據庫的信息庫，能夠挖掘出海量數據中的趣味模式，找到有趣的知識。以技術角度看，大數據挖掘主要是在模糊的、不完全的、大量的隨機設計中將隱含信息提取出來的過程，這個知識有一定的約束與前提條件，需要在一定環(huán)境領域下才具有相應實際價值。對大數據挖掘主要數據源來講，既可以是非結構數據形式又可以是結構化數據形式，結果能夠充分使用到信息分析、優(yōu)化查詢、過程管控、支持決策等多個方面。以貿易角度看，大數據挖掘的主要分析對象在商業(yè)數據庫中，借助分析、轉化、抽取等多種技術，對關鍵信息進行提取與搜集，提供商業(yè)決策所需的支持。

2 電商市場分析與決策應用大數據挖掘的策略

2.1 大數據挖掘在電商市場分析與決策中的主要功能

通常來講，大數據的主要功能包括關聯分析與概念描述、聚類分析與分類預測、演變分析與離群點分析等。

2.1.1 關聯分析與概念描述

大數據能夠根據挖掘規(guī)則，找到具有依賴性的、符合特定條件的關系，這種分析方法通常應用到電商市場購物籃相關問題，對各種商品間的內在關系進行研究，對用戶平時購買習慣展開分析，找出用戶在購買一種商品時還購買的其它商品，以此來進行電商市場決策的調整。與此同時，概念描述是一種帶有描述性質的數據挖掘，借助數據的分類和特征化進行數據觀點的對比、總結。概念描述并非是一個數據列表，而是要借助對比、匯總等多種方法進行數據概念的描述。數據特征化指的是對特征概要、目標數據進行一般描述，其輸出方式包括線圖、條形圖、餅圖等。除此之外，數據分割指的是總結和剖析目標數據的一般特征。

2.1.2 聚類分析與分類預測

聚類分析并非標記類型的大數據集，其分析不會對類標號進行考慮。通過聚類分析沒有標記類型的數據，能夠獲得組群數據類標號。借助最小化類與最大化的基本相似性原理來進行需求對象的分析，實現對象高相似性的簇聚，并對其它簇的對象進行區(qū)分。分類預測主要基于特定技術的運用來進行未知類標號數據的探究，對數據概念模型的區(qū)分與描述進行辨別，將數據對象預測類標記進行分類，從而實現一些未知數據的預測。

2.1.3 演變分析與離群點分析

演變分析可以描述特定對象伴隨時間變化而產生的行為趨勢與規(guī)律，如序列周期模式匹配、類似性數據分析、時間序列分析等。而離群點分析是一種對大數據集的分析，可以找出對象數據的模型異常、一般行為，離群點的分析和聚類分析具有較高的相關性，但是服務目的有所不同，聚類分析注重多數相似的數據集中模式，按照對象要求進行數據的組織歸為，不過離群點的分析注重偏離多數模式的異?，F象分析。

2.2 應用大數據挖掘的具體策略

大數據挖掘應用到銷售平臺的優(yōu)化、增值業(yè)務的拓展、產品的服務管理、用戶的精準定位、客戶群體的穩(wěn)定、廣告的準確發(fā)布等方面。

2.2.1 銷售平臺的優(yōu)化

在電商市場中，設置電商平臺與網站的頁面極為重要，平臺、網站呈現的內容會對用戶交易、訪問等行為產生直接影響，從這個角度來考慮，將大數據挖掘應用到電商市場中用戶瀏覽、登陸的各種電商平臺，可以對用戶訪問習慣有一個深入地了解，提供給電商市場平臺與網站所需的參考內容。電商網站借助用戶下單、訪問的記錄調整電商網站內容與結構，比如把交易量高、點擊量多的電商產品放在電商市場平臺與網站的首頁，在吸引用戶注意力的同時激發(fā)其想要點進去的欲望。與此同時，利用大數據挖掘用戶的各種電商市場瀏覽數據，能夠充分結合用戶期望值與網頁關聯性，把用戶更期望的導航鏈接添加于界面中，對電商市場的服務器緩存進行科學地安排，使服務器響應所消耗的時間減少，并提升用戶群體的滿意度。

2.2.2 增值業(yè)務的拓展

若電商平臺得到的用戶數據達到一定程度時，能夠構建一個用戶的完整數據庫，對這些電商市場的用戶數據展開分析能夠使商家為用戶針對性的提供相似電商產品，用戶感興趣并購買后就能夠提高商家的收入。目前，很多電商市場的平臺與網站都在借助大數據挖掘來進行新應用的開發(fā)，如淘寶的數據魔方。而一些商家未進行大數據挖掘，使新業(yè)務開發(fā)難度大大增加，如消費信貸，若運用大數據挖掘，找到電商市場中潛在的數據價值，能夠對新業(yè)務展開更有效的開發(fā)，如阿里集團的小額信貸。

2.2.3 產品的服務管理

大數據挖掘能夠為商家在電商市場中進行精準決策與營銷提供方案，借助對應用戶的需求來生成訂單，然后以用戶反饋來改進其電商產品。與此同時，運用大數據挖掘來分析用戶數據可以讓商家對決策與營銷進行合理化改動，如調整庫存、調整價格等。若單家可以準確地分析電商市場中的用戶數據，那么就能根據分析出的用戶需求挖掘潛在的上級，比如對用戶喜好這種潛在信息進行分析時，能夠讓商家的電商服務與產品質量大大提升，使商家在電商市場中提升競爭力。

2.2.4 用戶的精準定位

借助大數據挖掘，能夠對電商市場中各種用戶進行精確地定位，使電商營銷更具針對性。對于電商市場的發(fā)展模式來講，挖掘用戶數據即為精確定位與細化電商市場，通過對用戶的針對性選取來營銷。大數據挖掘會尋找、加工、處理海量用戶在交易過程中產生的各種信息，發(fā)現用戶群體消費習慣與興趣，從而對于用戶群體接下來的消費行為展開推斷與分析，然后制定對這些用戶的電商營銷方案。和原有的營銷方法相比，基于用戶特點的電商營銷可以節(jié)約大量成本，讓電商營銷價值大大提升，將有較高忠誠度的消費者牢牢鎖定，從在電商市場中擴展優(yōu)質電商消費資源。與此同時，對用戶進行大數據挖掘。商家可以對用戶價值高低狀況進行區(qū)分，根據其價值等級進行電商市場決策，并實施不同電商銷售舉措，給商家?guī)砀嗟慕洕б妗?/p>

2.2.5 客戶群體的穩(wěn)定

在電商市場分析和決策中運用大數據挖掘，能夠有效穩(wěn)定相應客戶群。借助大數據挖掘電商用戶，能夠對用戶喜好進行全方位、多角度的分析，從電商平臺中將客戶關系挖掘出來并保持穩(wěn)定，并在各種數據中重點分析客戶資源，把所有用戶按照不同習慣、興趣、交易背景來劃分，以預測用戶行為的方式全面挖掘潛在消費者，及時維護現有的電商市場客戶關系。如果用戶具有價高價值，應適當提供一些額外的附加服務，讓電商市場的客戶源更為穩(wěn)定。通過大數據挖掘來分析、預測用戶十分重要。例如，某用戶購買了一款高檔手表，并對該產品作出了較好的評價，于是會向自己的親朋好友推薦，無論親朋好友是否有興趣，或多或少都會前去瀏覽該商品，從而讓電商市場的客戶群體進一步擴大，獲得了更多的潛在客戶。通過這種客戶群管理，商家可以利用大數據挖掘在電商市場中挖掘到更多客戶，進一步穩(wěn)定和提升與客戶間的關系。

2.2.6 廣告的準確發(fā)布

進行大數據挖掘可以通過電商用戶的各種數據充分分析用戶消費點所在，提供給商家廣告宣傳方向，把廣告投入到電商市場中用戶消費相對較高的部分，讓商家個性化的電商營銷得以實現。應以用戶的數據庫為基礎，構建一個電商市場概率模型，計算用戶交易的概率，然后以廣告獲取情況對潛在客戶、真實客戶進行明確。對用戶的廣告反映進行觀察和分析也能給商家廣告投放時間提供積極參考。借助這樣的概率分析，能夠通過大數據挖掘并計算一個關鍵詞，商家可以按照該關鍵詞來優(yōu)化廣告。

3 結語

總而言之，研究電商市場分析與決策應用大數據挖掘的策略具有十分重要的意義。相關人員應對當前大數據挖掘概況有一個全面的了解，掌握大數據挖掘在電商市場分析與決策中的主要功能，并將大數據挖掘充分應用到銷售平臺的優(yōu)化、增值業(yè)務的拓展、產品的服務管理、用戶的精準定位、客戶群體的穩(wěn)定、廣告的準確發(fā)布等電商市場分析與決策的不同方面，從而促進電商市場的平穩(wěn)發(fā)展。