探讨数据挖掘技术及其在电子商务中的应用
来源:用户上传
作者:
【摘 要】当今时代背景下，通过有效利用数据技术，不仅能够利于企业的发展，也有助于推进社会的进步发展。这就需要企业技术人员加强对数据技术的了解，以能更好地利用数据技术，发挥出数据挖掘技术的作用。论文对数据挖掘技术进行阐述，并对该技术在电子商务中的应用进行论述，希望能够为有关企业提供参考。
【Abstract】Under the current background， the effective use of data technology can not only benefit the development of enterprises， but also promote the progress and development of the society. This requires the enterprise technical personnel to strengthen the understanding of data technology， so as to make better use of data technology， give play to the role of data mining technology. This paper expounds the data mining technology， and discusses the application of this technology in electronic commerce， hoping to provide reference for relevant enterprises.
【關键词】数据挖掘技术;电子商务;企业
【Keywords】data mining technology; electronic commerce; enterprise
【中图分类号】F724.6;TP311.1 【文献标志码】A 【文章编号】1673-1069（2020）08-0174-02
1 引言
随着时代的发展，各个行业的发展过程中都在不断与数据技术结合，并取得了较大进步。数据技术的应用，通常需要大量数据信息的支持，以能够达到有效利用大数据技术的目的。而为了获得更多的数据信息，则可以通过使用数据挖掘技术。数据挖掘技术即根据网络中信息的特点，实现对类似信息的搜集，再做出针对性的分析。技术人员可以将数据挖掘技术与电子商务有机结合，从而推动我国电子商务企业的发展。
2 数据挖掘技术的概述
在电子商务中，客户浏览信息被Web服务器自动收集并保存在访问日志、引用日志和代理日志中，其中日志文件又可以分为service logs、errorlogs cookielogs。
在电子商务中运用数据挖掘技术的思路，采用相关技术对用户的访问行为等进行数据分析，并利用数据挖掘思路和相关方法对数据进行一系列处理加工，来得到访问用户群体的相关信息，根据这些相关信息，可以展开针对性的营销措施，把具有群体相似性的客户特征，加以利用，制定更具针对性的商务活动，会取得更好的经济效益。
通过数据挖掘技术可以让相关企业能够准确地定位市场，并根据市场特征进行调整和改进，这样不仅可以更好地定位市场目标，也会有效地提升企业在行业中的竞争力。例如，通过数据挖掘技术可以更系统地分析出客户群体对于某个网站或者某个产品的喜好程度，也可以通过客户访问的频率和访问来源获知宣传渠道的效果，这样可以更好地优化宣传渠道，也可以针对用户的交易情况，优化宣传的侧重点，来强化营销策略，取得更好的经济效益。
3 电子商务推荐系统
电子商务推荐系统，即利用电子商务网站向客户提供商品信息，帮助客户了解更多内容，为客户提供更多选择参考，这种方式可以充当模拟销售人员的作用，帮助客户做出是否购买的决定。具体应用过程中，客户访问网络站点过程中，商务推荐系统便会对客户进行识别，分析客户的购买行为习惯，再给予用户类似商品的推广，一般用户对于推荐商品都会感兴趣，提升购买意愿。现阶段而言，商务推荐系统主要功能有，对数据给予大范围检索推荐、人工选择推荐、数据统计分析推荐、属性推荐、物品关联性推荐等方式。
3.1 电子商务推荐系统应用的主要技术
电子商务系统推荐技术，主要是指数据挖掘技术的运算方法，系统运输的准确度、效率将直接影响推荐系统的服务质量。当前而言，为了能够有效确保推荐系统的可靠应用，保证系统的实时性，数据挖掘技术研究人员研究了聚类、关联规则、协同过滤等技术。基于电子商务推算的方法主要可以分为2类技术，即基于模型的推荐算法与基于内存的推荐算法。基于模型的推荐算法，即根据用户数据建立模型，具体应用过程中，需要将建立的模型调入内存中。模型推荐算法可以通过各种技术建立模型，如可以根据Bayesian技术、聚类技术等;给予内存的推荐算法，即在运行过程中，需要将整个用户的数据调入内存库，然后根据用户浏览商品网站所留下的数据，给予个性化的数据推荐。这种技术的运算原料可以依靠为协同过滤算法、关联推荐算法等。
3.2 改进的k-平均聚类算法
电子商务推荐系统中，协同过滤技术是应用较为广泛的技术。协同过滤算法中，聚类算法，即k-平均聚类技术，k-means算法。该方法既能够保障应用过程中的计算准确，也能够保障效率。但在该聚类算法中，结果与k值的选取有较大关联，k值的不同，造成多次迭代后的结果也不同。 4 数据挖掘技术在电子商务中的应用
4.1 电子金融方面
当今时代而言，电子金融是十分发达的产物，如人们可以通过微信、支付宝等软件实现消费、理财等金融实现。基于人们利用电子货币进行消费的记录，数据挖掘技术则可以有效预测人们的消费趋势。有关企业通过对消费记录的预测，便能够提供更为完善的服务，进而刺激人们的消费，推动企业的发展。另外，作为银行信用卡、保险行业等，也可以通过网络中的消费者的消费情况，利用数据挖掘技术，预测人们的存贷款趋势，然后再优化存贷款策略，以提升企业的业务量，使企业获得更多盈利。
4.2 客户关系管理方面
电子商务的经营过程中，需要与客户紧密的联系，而只有工作人员加强对客户的了解，才能够处理好与客户的关系，为客户提供更好的服务，增加营业额度。具体而言，基于电子商务模式下，工作人员可以利用数据挖掘技術，分析顾客使用电子软件的特点，了解顾客的行为，这便利于企业为顾客推荐针对性的商品，使客户关注更多感兴趣的产品，以使顾客能够提升消费意愿。而正确分析顾客的生活规律，则利于企业处理好与顾客的关系，最终推动企业的成长。
4.3 电子商务营销方面
电子商务模式下，企业一般都会以网页或软件APP方式推销商品，这不仅方便了人们的生活，也成为现阶段人们普遍认可的购物渠道。而为了更好地营销，使企业获得发展，企业在使用软件APP渠道营销时，则可以利用数据挖掘技术对顾客的购买意愿进行分析。例如，利用数据挖掘技术可以对顾客购物车中的物品进行分析、对顾客关注的产品进行信息搜集，然后再向顾客推荐类似的商品，这既能够利于顾客对比同等商品，也利于企业盈利。另外，由于电商企业不时会推出一些活动，此时，电子商务企业的营销部门也可以适时向消费者推荐一些活动，这势必也能够利于电子商务过程的成交数量增多。
4.4 商务数据分析方面
电子商务营销过程中，作为消费者一般会重点关注单个商品的营销量，并乐于购买销量较多企业的产品。例如，消费者在购买某一产品时，多会按照销量访问销售商家的网络店铺，再决定是否购买。此时，则需要电子商务软件的负责单位，使用数据挖掘技术，以能够实现对类似产品的销售数据分析。而只有电子商务企业提供足够好的服务，才能够使顾客满意，增加业务量，最终使电子商务企业更好、更快地发展。
4.5页面结构应用方面
从WWW的组织结构、Web文档结构及其链接关系中推导知识的方式被称为Web结构挖掘，其挖掘的目的是发现Web结构和页面机构及其蕴含在这些结构中的有用模式，对页面及其链接进行分类和聚类，找出权威页面，为人们服务。有关这方面研究的算法有Page Rank方法和Hub/authority方法等。
5 数据挖掘技术的发展趋势
从数据挖掘技术的本质上来看，其实质即一种信息处理技术。数据技术的应用过程中，即实现对人们的应用数据收集、运算、查找关联信息的操作。将挖掘技术应用于电子商务中，可以提高人们的购买决策效率，进而提升电子商务过程的质量，推动电子商务的发展。结合当前形式来看，电子商务正处于蓬勃发展的阶段，大量商业数据在不断形成，数据库也在不断建立，但如何更高效地进行数据观察、进行数据宏观分析、推理，是数据挖掘技术的辅助趋势。现阶段而言，电子商务越来越迫切地需要个性化服务，通过数据挖掘可以促进电子商务网站的开发以及运行效率。相信在不久的将来，数据挖掘技术在电子商务领域中的应用将越来越广泛。
6 结语
当今时代是信息技术十分发达的时代，企业发展中，信息技术的应用具有重要意义。管理者应当掌握足够的数据信息，再利用大数据挖掘技术加以分析，从而帮助管理者制定科学的决策，使企业健康地发展。为获得大量数据信息，则需要企业管理者认识到数据挖掘技术的重要作用，尤其是在电子商务模式越来越流行的背景下，企业若能够有效利用数据挖掘技术对市场信息进行挖掘、分析，势必利于企业制定更好的营销计划，最终使电子商务企业的发展与时代发展相契合。
【参考文献】
【1】吴桂贤，高祥民.Web数据挖掘技术在电子商务中的应用研究[J].成都航空职业技术学院学报，2018，34（01）：35-36+44.
【2】杨金劳.Web数据挖掘技术在电子商务中的应用研究[J].电子技术与软件工程，2018（2）：188.
【3】王小鸥.数据挖掘技术在电子商务管理中的应用探讨[J].活力，2018（24）：74.
【4】琚慧婷.在电子商务中应用Web数据挖掘技术分析[J].传播力研究，2018，2（31）：242-243.
转载注明来源:https://www.xzbu.com/4/view-15322793.htm
