浅谈基于数据挖掘的电子商务发展
- 格式：pdf
- 大小：219.24 KB
- 文档页数：2
进行 预测 。
３ ． 分类。是一种建立在关联规则挖掘基础上的新的分类计数 ， 把无规 律的事物按照不同的特点分为有规律 的、可被使用的数据 的过程 。
４ ． 预测。是基于已有的知识和经验 ， 对未知的模式 和数据进行预测。 ５ ． 估值。 是基于历史经验对已有数据和事物发展趋势进行估值的一种
大数据时代下 ， 客户在电子商务网站中产生的数据信息量 日益庞大。 而如何利用数据挖掘技术挖掘出这些大数据中隐藏的关于客户的需求 、 客户体验等高价值信息，对推动电子商务 的发展和促进 电子商务 制度 的 完善至关重要 。使用数据挖掘技术可以挖掘很多消费者 的行为规律和消 费者对电子商务体验的满意度。而对这些数据的二次利用可以使信息 的 价值增大、可 以更好地完善 电子商务 的客户体验和以客户为中心的服务 理念 ， 从而更好地推动电子商务的繁荣和发展。 （ 一） 数据标准化 在电子商务中的应用 与传统商务活动相 比， 基于互联网技术的电子商务 ，需要利用聚类 、 分类 、 关联规则等技术对客户进行分析 ，从而充分地利用企业的资源 ， 根据客户价值大小服务好每一类客户，从而使企业 总体利润最大化 。但 是互联环境下 ，企业所拥有 的只是关于客户的一堆数据 ，有些数 据并不 具备线性比较性 。比如 ： 客户的年龄、客户浏览某个商品和某个 网页 的 时间等。这些数据是不具备 比较性的，甚至有些数据是存在误差 的。此
方式 。
６ ． 可视化。是对数据挖掘结果可视地表示方式 ，主要用于方便管理者 进行决策 。
聚类是把一组具有相似性的事物聚成一类 。 在电子商务 中， 聚类 的 个典型应用是对 目 标消费者的聚类分析。 对商家来说客户一般分为 “ 黄 金客户” 、“ 白金客户” 、“ 铁质客户 ” 、“ 铅质客户” ，但在互联网环境下 ，
时 ，数据标准化的作用是将客户的相关数据标准化处理 ，使处理的结果 更好的被用来聚类 、分类等计算 ， 从而更精确化地将客户分类 ，商家更 好地给客户提供个性化的服务。 （ 二 ）聚类在 电子商务中的应用
（ 一 ）数据 挖 掘 的 基 本概 念
数据挖掘 （ Ｄ ａ ｔ ａ Ｍ ｉ ｎ ｉ ｎ ｇ ， Ｄ Ｍ） ， 是指从数据库的大量数据中揭示出隐 含的 、 先前未知的并有潜在价值的信息 的非平凡过程。数据挖掘是一种 决策支持过程 ，它主要基 于人工智能 、机器学习 、模式识别 、统计学 、
大数据时代的到来 ，尤其是近几年移动互联网的快速发展使与电子 商务有关 的数据急速增加 ，而如何从这些庞大的数据中，挖掘出对商务 发展有用 的高价值 、精准化信息 ，不仅仅成为电子商务经营者共同关注 的问题 ，也成为从事数据挖掘的研究人员亟待解决的问题ｌ ｌ ｌ ｏ 目 前 国内外相关电子商务从业者对大数据关注度很高 、依赖性强 。 但 目前数据挖掘技术在电子商务 中的应用仍处于初步阶段 。对于大数据 更是没有一款很好的数据挖掘技术能够从大数据中挖掘 出非常数据挖掘技术以及数据挖掘技术如何 在电子商务 中得到很好地应用 、如何推动 电子商务的快速发展。同时 ， 对数据挖掘技术在电子商务 中的应用做 了简单分析。最终 ，我们得出大 数据时代下 ，数据挖掘技术对推动电子商务的进一步发展起着至关重要
浅谈基于数据挖掘的电子商务发展
单国厚 王 欣 合肥工业大学 安徽 合肥 ２ ３ ０ ０ ０ ９
【 摘 要 】伴随着大数据 时代 的到来，商业信 息和商业数据急剧增加。而如何有效地从这些庞大的数据 和冗杂的信 息中，挖掘 出 对 商务发展有用 、 有效的 高价值、精 准化信 息， 从 而为经 营活动提供服务成为 电子商务经营者共 同关注和亟待解决的问题 。本论 文深入 分析 了基 于 ｗ ｅ ｂ的数据挖掘技 术以及如何利用数据挖掘 技术推 动电子 商务 的发展 。 【 关键词 】数据挖 掘 电子商务 大数据 精 准化信 息 中图分类号 ：ＴＰ ３ ９ ３文献标识码：Ａ 文章编号：１ ０ ０ ９ — ４ ０ ６ ７ （ ２ ０ １ ３ ） １ ９ — ３ ２ — ０ ２ 引 言
数据库、可视化技术等 ，高度 自动化地分析企业的数据 ，做出归纳性 的
推理 ， 从 中挖掘出潜在的模式 ，帮助决策者调整市场策略 ，减少风险， 做出正确的决策 。 。
（ 二 ）技 术 简 介
１ ． 聚类。将对像集 合分成为多个类 （ Ｃ ｌ ｕ ｓ ｔ ｅ ｒ ） 的过程 。 ２ ． 关联规则 。 反映一个事物和其他事物之间依赖或关联 的知识。 如果 两个 事物之 间存在关联 ， 那么就可以基于一个事物对另一个事物的取值
的作 用 。
一
根据某一特定兴趣找到指定用户的相似用户 ， 综合这些相似用户对某一 信息的评价 ，形成系统对该指定用户对此信息的喜好程度预测 。 ３ ． 基于 Ｗｅ ｂ ３ １ 志的聚类算法 ：聚类分析是把具有相似特征的用户或 数据项归类 。 。在 ｗ ｅ ｂ 环境下 ， 对 网站用户浏览网站等在网站产生的一切 记录 （ 以日 志形式保存在第三方服务器 ） 进行聚类分析 ，从而将消费者 聚成个不同类型的客户。根据其在网站某一处所停 留的时间长短和所进 人的网页页面深度 以及在 网站的交易行为等 ，将客户分为 ，访 客、游客 、 驻客 、 顾客 。基于 Ｗｅ ｂ日 志的聚类算法 ， 就是通过聚类技术对客户在 网 站 的行为进行分析 ，从而为客户进行分类 ，为每类客户提供相应精确化 服务 ， 最终实现将浏览者 由访客到顾客的转变。
监督学习。亦称有导师学习。是指在互联网环境下 ，根据客户在 网 站 中的行为 ，基于 Ｗｅ ｂ 数据挖掘技术对已知类别 的样本调整分类器的参
数 ，使其达 到所要求性能 的过程。最终得到的模 型是用于更好 地服务 电 子商务的发展。
、
电子商务中的数据挖 掘
三 、数 据 挖 掘在 电 子 商务 中 的应 用
３ ． 分类。是一种建立在关联规则挖掘基础上的新的分类计数 ， 把无规 律的事物按照不同的特点分为有规律 的、可被使用的数据 的过程 。
４ ． 预测。是基于已有的知识和经验 ， 对未知的模式 和数据进行预测。 ５ ． 估值。 是基于历史经验对已有数据和事物发展趋势进行估值的一种
大数据时代下 ， 客户在电子商务网站中产生的数据信息量 日益庞大。 而如何利用数据挖掘技术挖掘出这些大数据中隐藏的关于客户的需求 、 客户体验等高价值信息，对推动电子商务 的发展和促进 电子商务 制度 的 完善至关重要 。使用数据挖掘技术可以挖掘很多消费者 的行为规律和消 费者对电子商务体验的满意度。而对这些数据的二次利用可以使信息 的 价值增大、可 以更好地完善 电子商务 的客户体验和以客户为中心的服务 理念 ， 从而更好地推动电子商务的繁荣和发展。 （ 一） 数据标准化 在电子商务中的应用 与传统商务活动相 比， 基于互联网技术的电子商务 ，需要利用聚类 、 分类 、 关联规则等技术对客户进行分析 ，从而充分地利用企业的资源 ， 根据客户价值大小服务好每一类客户，从而使企业 总体利润最大化 。但 是互联环境下 ，企业所拥有 的只是关于客户的一堆数据 ，有些数 据并不 具备线性比较性 。比如 ： 客户的年龄、客户浏览某个商品和某个 网页 的 时间等。这些数据是不具备 比较性的，甚至有些数据是存在误差 的。此
方式 。
６ ． 可视化。是对数据挖掘结果可视地表示方式 ，主要用于方便管理者 进行决策 。
聚类是把一组具有相似性的事物聚成一类 。 在电子商务 中， 聚类 的 个典型应用是对 目 标消费者的聚类分析。 对商家来说客户一般分为 “ 黄 金客户” 、“ 白金客户” 、“ 铁质客户 ” 、“ 铅质客户” ，但在互联网环境下 ，
时 ，数据标准化的作用是将客户的相关数据标准化处理 ，使处理的结果 更好的被用来聚类 、分类等计算 ， 从而更精确化地将客户分类 ，商家更 好地给客户提供个性化的服务。 （ 二 ）聚类在 电子商务中的应用
（ 一 ）数据 挖 掘 的 基 本概 念
数据挖掘 （ Ｄ ａ ｔ ａ Ｍ ｉ ｎ ｉ ｎ ｇ ， Ｄ Ｍ） ， 是指从数据库的大量数据中揭示出隐 含的 、 先前未知的并有潜在价值的信息 的非平凡过程。数据挖掘是一种 决策支持过程 ，它主要基 于人工智能 、机器学习 、模式识别 、统计学 、
大数据时代的到来 ，尤其是近几年移动互联网的快速发展使与电子 商务有关 的数据急速增加 ，而如何从这些庞大的数据中，挖掘出对商务 发展有用 的高价值 、精准化信息 ，不仅仅成为电子商务经营者共同关注 的问题 ，也成为从事数据挖掘的研究人员亟待解决的问题ｌ ｌ ｌ ｏ 目 前 国内外相关电子商务从业者对大数据关注度很高 、依赖性强 。 但 目前数据挖掘技术在电子商务 中的应用仍处于初步阶段 。对于大数据 更是没有一款很好的数据挖掘技术能够从大数据中挖掘 出非常数据挖掘技术以及数据挖掘技术如何 在电子商务 中得到很好地应用 、如何推动 电子商务的快速发展。同时 ， 对数据挖掘技术在电子商务 中的应用做 了简单分析。最终 ，我们得出大 数据时代下 ，数据挖掘技术对推动电子商务的进一步发展起着至关重要
浅谈基于数据挖掘的电子商务发展
单国厚 王 欣 合肥工业大学 安徽 合肥 ２ ３ ０ ０ ０ ９
【 摘 要 】伴随着大数据 时代 的到来，商业信 息和商业数据急剧增加。而如何有效地从这些庞大的数据 和冗杂的信 息中，挖掘 出 对 商务发展有用 、 有效的 高价值、精 准化信 息， 从 而为经 营活动提供服务成为 电子商务经营者共 同关注和亟待解决的问题 。本论 文深入 分析 了基 于 ｗ ｅ ｂ的数据挖掘技 术以及如何利用数据挖掘 技术推 动电子 商务 的发展 。 【 关键词 】数据挖 掘 电子商务 大数据 精 准化信 息 中图分类号 ：ＴＰ ３ ９ ３文献标识码：Ａ 文章编号：１ ０ ０ ９ — ４ ０ ６ ７ （ ２ ０ １ ３ ） １ ９ — ３ ２ — ０ ２ 引 言
数据库、可视化技术等 ，高度 自动化地分析企业的数据 ，做出归纳性 的
推理 ， 从 中挖掘出潜在的模式 ，帮助决策者调整市场策略 ，减少风险， 做出正确的决策 。 。
（ 二 ）技 术 简 介
１ ． 聚类。将对像集 合分成为多个类 （ Ｃ ｌ ｕ ｓ ｔ ｅ ｒ ） 的过程 。 ２ ． 关联规则 。 反映一个事物和其他事物之间依赖或关联 的知识。 如果 两个 事物之 间存在关联 ， 那么就可以基于一个事物对另一个事物的取值
的作 用 。
一
根据某一特定兴趣找到指定用户的相似用户 ， 综合这些相似用户对某一 信息的评价 ，形成系统对该指定用户对此信息的喜好程度预测 。 ３ ． 基于 Ｗｅ ｂ ３ １ 志的聚类算法 ：聚类分析是把具有相似特征的用户或 数据项归类 。 。在 ｗ ｅ ｂ 环境下 ， 对 网站用户浏览网站等在网站产生的一切 记录 （ 以日 志形式保存在第三方服务器 ） 进行聚类分析 ，从而将消费者 聚成个不同类型的客户。根据其在网站某一处所停 留的时间长短和所进 人的网页页面深度 以及在 网站的交易行为等 ，将客户分为 ，访 客、游客 、 驻客 、 顾客 。基于 Ｗｅ ｂ日 志的聚类算法 ， 就是通过聚类技术对客户在 网 站 的行为进行分析 ，从而为客户进行分类 ，为每类客户提供相应精确化 服务 ， 最终实现将浏览者 由访客到顾客的转变。
监督学习。亦称有导师学习。是指在互联网环境下 ，根据客户在 网 站 中的行为 ，基于 Ｗｅ ｂ 数据挖掘技术对已知类别 的样本调整分类器的参
数 ，使其达 到所要求性能 的过程。最终得到的模 型是用于更好 地服务 电 子商务的发展。
、
电子商务中的数据挖 掘
三 、数 据 挖 掘在 电 子 商务 中 的应 用
