《2022年电子商务中的数据挖掘 .pdf》由会员分享，可在线阅读，更多相关《2022年电子商务中的数据挖掘 .pdf（10页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、关于数据挖掘与电子商务摘要 电子商务正处在蓬勃发展的大好时期，它所产生的丰富的信息资源，为数据挖掘的应用开辟了广阔的应用舞台。本文通过优化企业资源、管理客户数据、评估商业信用、确定异常事件四个方面来阐述数据挖掘在电子商务中的应用，揭示了数据挖掘在电子商务中的广阔的应用前景。关键词 数据挖掘电子商务目录名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 10 页 - - - - - - - - - 1. 数据挖掘的简介2. 电子商务的简介3. 数据挖掘在电子商务的应用4. 在电
2、子商务中数据挖掘的过程5. 电子商务中数据挖掘的技术与方法6. 数据挖掘在电子商务的应用方面遇到的问题7. 电子商务中挖掘信息的目标8. 结语1. 数据挖掘的简介数据挖掘 (Data Mining) 就是从大量的、不完全的、有噪声的、模糊的、随机的原始数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。或者说名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 10 页 - - - - - - - - - 是从数据库中发现有用的知识(KDD) ，并进行
3、数据分析、数据融合(Data Fusion)以及决策支持的过程。数据挖掘是一门广义的交叉学科，它汇聚了不同领域的研究者，尤其是数据库、人工智能、 数理统计、可视化、并行等方面的学者和工程技术人员。数据挖掘是通过挖掘数据仓库中存储的大量数据，从中发现有意义的新的关联模式和趋势的过程。从商业的角度定义，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、 转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘最吸引人的地方是它能建立预测模型而不是回顾型的模型。利用功能强大的数据挖掘技术，可以使企业把数据转化为有用的信息帮助决策，从而在市场竞争中获得
4、优势地位。数据挖掘与传统的数据分析的不同是在没有明确假设的前提下去挖掘信息、发现知识。 数据挖掘所得到的信息应具有先前未知、有效和可实用3 个特征2. 电子商务的简介电子商务是指个人或企业通过Internet 网络，采用数字化电子方式进行商务数据交换和开展商务业务活动。目前国内已有网上商情广告、电子票据交换、网上订购、网上银行、网上支付结算等多种类型的电子商务形式。电子商务正以其成本低廉、方便、快捷、安全、可靠、不受时间和空间的限制等突出优点而逐步在全球流行。服务范围可归类为：商业一商业(B2B) ，商业一消费者(B2C)，商业一政府(B2G) 。随着网络技术和数据库技术的成熟，全球传统商务正
5、经历一次重大变革，向电子商务全速挺进。 电子商务是商业领域的一种新兴商务模式，它是以网络为平台，以现代信息技术为手段， 以经济效益为中心的现代化商业运转模式，其最终目标是实现商务活动的网络化、自动化与智能化。 电子商务的产生改变了企业的经营理念、管理方式和支付手段，给社会的各个领域带来了巨大的变革。随着网络技术的迅猛发展和社会信息化水平的提高，电子商务显示出巨大的市场价值和发展潜力。当电子商务在企业中得到应用时, 企业信息系统将产生大量数据 ,并且迫切需要将这些数据转换成有用的信息和知识，为企业创造更多潜在的利润，数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘是一种新的商业信息处理技术，
6、其主要特点是对商业数据库中的大量业务数据进行抽取、转换、 分析和其他模型化处理，从中提取辅助商业决策的关键性数据。利用功能强大的数据挖掘技术，可以使企业把数据转化为有用的信息帮助决策，从而在市场竞争中获得优势地位。电子商务的发展的带动了商务市场的繁荣，大量的商品、信息在现有的网络平台上得以交易，大大简化了传统的交易方式，节约了时间，提高了效率，但电子市场繁荣背后隐藏的问题，也成为人们关注的焦点，突出表现在海量信息的有效利用上，如何更加有效的管理利用潜在信息，使他们的最大效用得以发挥， 成为人们现在研究的重点，数据挖掘技术的产生，在一定程度上解决了这个问题，但它也存在着问题，需要不断改善。3.
7、数据挖掘技术在电子商务的应用一.数据挖掘在客户关系管理（CRM ）中的应用1.潜在客户的获取名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 10 页 - - - - - - - - - 在大多数的商业领域中，业务发展的主要指标包括新客户的获取能力。企业的市场部门人员可以采用传统的方法来发展新客户，如开展广告活动； 也可以根据所了解的目标客户群，将他们分类，然后进行直销活动。但是，随客户数量不断增长和每位客户的细节因素增多，要得出选择出相关的人口调查属性的筛选条件也会变得很
8、困难。而数据挖掘技术可以帮助完成潜在客户的筛选工作。在对Web 的客户访问信息的挖掘中, 利用分类技术可以在Internet 上找到未来的潜在客户。使用者可以先对已经存在的访问者根据其行为进行分类,并依此分析老客户的一些公共属性, 决定他们分类的关键属性及相互间关系。对于一个新的访问者 , 通过在Web 上的分类发现, 识别出这个客户与已经分类的老客户的一些公共的描述, 从而对这个新客户进行正确的分类。然后从它的分类判断这个新客户是有利可图的客户群还是无利可图的客户群,决定是否要把这个新客户作为潜在的客户来对待。客户的类型确定后 , 可以对客户动态地展示Web 页面 , 页面的内容取决于客户与
9、销售商提供的产品和服务之间的关联。若为潜在客户, 就可以向这个客户展示一些特殊的、个性化的页面内容。2. 客户的保持随着行业中的竞争愈来愈激烈和获得一个新客户的开支愈来愈大，保持原有客户的工作也愈来愈有价值。在CRM 的实施中，企业通过预测，找出可能会流失的客户，并分析出主要有哪些因素导致他们想要离开，在此基础上，有针对性地挽留那些有离开倾向的客户。客户常会迷失在复杂的网站和众多的商品信息中。这就要求电子商务网站应当“以客户为中心” 。 在电子商务中 , 传统客户与销售商之间的空间距离已经不存在, 在 Internet 上, 每一个销售商对于客户来说都是一样的, 那么使客户在自己的销售站点上驻
10、留更长的时间, 对销售商来说则是一个挑战。为了使客户在自己的网站上驻留更长的时间, 就应该全面掌握客户的浏览行为 , 知道客户的兴趣及需求所在, 并根据需求动态地向客户做页面推荐, 调整Web 页面 , 提供特有的一些商品信息和广告, 以使客户满意 , 从而延长客户在自己的网站上的驻留的时间。实施CRM 战略，为客户提供与众不同的个性化服务。基于数据挖掘的电子商务推荐系统通过对客户的访间行为、访问频度、 访问内容等信息进行挖掘，提取客户的特征 获取客户访问模式。据此创建个性化的电子商店，主动向客户提供商品推荐，帮助客户便捷地找到感兴趣的商品。这是一种全新的个性化购物体验。不仅容易使访问者转变成
11、购买者，而且可根据客户当前购物车中的物品，向客户推荐一些相关的物品，提高站点企业的交叉销售量，甚至还可以根据需求动态地向客户做页面推荐，提供个性化的商品信息和广告，提高客户对访问站点的兴趣和忠诚度，防止客户流失。3. 客户的细分细分是指将一个大的消费群体划分为一个个细分群体的动作，同属一个细分群的消费者彼此相似，而隶属于不同细分群的消费者被视为不同的。通过CRM 的实施，将产生细分的客户群， 企业根据客户提出的要求不断地改善产品和服务，从而使企业不断提高使该客户群满意的能力。4. 管理客户数据随着“以客户为中心”的经营理念的不断深入人心, 分析客户、了解客户并引导客户的名师资料总结 - - -
12、精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 10 页 - - - - - - - - - 需求已成为企业经营的重要课题。基于数据挖掘技术，企业将最大限度地利用客户资源，开展客户行为的分析与预测，对客户进行分类。有助于客户盈利能力分析，寻找潜在的有价值的客户，开展个性化服务，提高客户的满意度和忠诚度。通过Web 资源的挖掘，了解客户的购买习惯和兴趣，从而改善网站结构设计，推出满足不同客户的个性化网页。利用数据挖掘可以有效地获得客户。比如通过数据挖掘可以发现购买某种商品的消费者是男性还是女性,学
13、历、收入如何, 有什么爱好 ,是什么职业等等。甚至可以发现不同的人在购买该种商品的相关商品后多长时间有可能购买该种商品, 以及什么样的人会购买什么型号的该种商品等等。在采用了数据挖掘后, 针对目标客户发送的广告的有效性和回应率将得到大幅度的提高, 推销的成本将大大降低。同时，在客户数据挖掘的基础上，企业可以发现重点客户和评价市场性能，制定个性化营销策略，拓宽销售渠道和范围，为企业制定生产策略和发展规划提供科学的依据。通过呼叫中心优化与客户沟通的渠道，提高对客户的响应效率和服务质量，促进客户关系管理的自动化和智能化。成功案例 :美国的读者文摘(Readers Digest)出版公司运行着一个积累
14、了40 年的业务数据库，其中容纳有遍布全球的一亿多个订户的资料，数据库每天24 小时连续运行，保证数据不断得到实时的更新，正是基于对客户资料数据库进行数据挖掘的优势，使读者文摘出版公司能够从通俗杂志扩展到专业杂志、书刊和声像制品的出版和发行业务，极大地扩展了自己的业务。二. 改进系统各项性能，增强系统安全性对电子商务网站各种数据的统计分析有助于改进系统性能，增强系统安全性并提供决策支持。 Web 服务的性能和其他服务质量是衡量客户满意度的关键指标旧。数据挖掘可以通过客户的拥塞记录发现站点的性能瓶颈，以提示站点管理者改进Web 缓存策略、网络传输策略、 流量负载平衡机制和数据的分布策略。此外，
15、还可通过挖掘分析网络的非法人员数据找到系统弱点并改进，提高站点可靠性，保证电子商务的正常开展。三. 进行市场预测及实现企业资源优化通过Web 数据挖掘 , 可以分析顾客的将来行为, 容易评测市场投资回报率, 得到可靠的市场反馈信息。不仅大大降低公司的运营成本, 而且便于经营决策的制定。制定产品营销策略，优化促销活动通过对商品访问和销售情况进行挖掘，企业能够获取客户的访问规律，针对不同的产品制定相应的营销策略。如利用数据挖掘技术可实现不同商品优惠策略的仿真。根据数据挖掘模型进行模拟计费和模拟出账，其仿真结果可以揭示优惠策略中存在的问题。并进行相应的调整优化，以达到促销活动的收益最大化。节约成本是
16、企业盈利的关键。基于数据挖掘技术，实时、全面、准确地掌握企业资源信息，通过分析历史的财务数据、库存数据和交易数据, 可以发现企业资源消耗的关键点和主要活动的投入产出比例, 从而为企业资源优化配置提供决策依据, 例如降低库存、提高库存周转率、提高资金使用率等。通过对 Web 数据挖掘，快速提取商业信息，使企业准确地把握市场动态，极大地提高企业对市场变化的响应能力和创新能力，使企业最大限度地利用人力资源、物质资源和信息资源，合理协调企业内外部资源的关系，产生最佳的经济效益。促进企业发展的科学化、信息化和智能化。例如 :美国运通公司 (American Express)有一个用于记录信用卡业务的数据
17、库，数据量达到 54 亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 10 页 - - - - - - - - - 定了“关联结算 (Relation ship Billing) 优惠” 的促销策略， 即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。四. 企业安全诚信管理低劣的信用状况是影响商
18、业秩序的突出问题，已经引起世人的广泛关注。由于网上诈骗现象层出不穷， 企业财务 “造假”现象日益严重，信用危机成为制约电子商务发展的重要因素。利用数据挖掘技术对企业经营进行跟踪，开展企业的资产评估、利润收益分析和发展潜力预测， 构建完善的安全保障体系，实施网上全程监控，强化网上交易和在线支付的安全管理。基于数据挖掘的信用评估模型，对交易历史数据进行挖掘，发现客户的交易数据特征，建立客户信誉度级别，有效地防范和化解信用风险，提高企业信用甄别与风险管理的水平和能力。五. 搜索引擎的应用通过对网页内容的挖掘，可以实现对网页的聚类和分类，实现网络信息的分类浏览与检索；通过用户使用的提问式历史记录分析，
19、可以有效地进行提问扩展，提高用户的检索效果；通过运用Web 挖掘技术改进关键词加权算法，可以提高网络信息的标引准确度，改善检索效果。优化网站组织结构和服务方式，提高网站的效率通过挖掘客户的行为记录和反馈情况为站点设计者提供改进的依据。进一步优化网站组织结构和服务方式以提高网站的效率。站点的结构和内容是吸引客户的关健。站点上页面内容的安排和连接如同超市中物品在货架上的摆设一样， 把具有一定支持度和信任度的相关联的物品摆放在一起有助于销售。比如利用关联规则的发现，可以针对不同客户动态调整站点结构使客户访问的有关联的页面之间链接更直接， 让客户很容易访问到想要的页面。这样的网站往往能给客户留下好印象
20、提高客户忠诚度，吸引客户不断访问。六. 优化 Web 站点对 Web 站点的链接结构的优化可从三方面来考虑：（1）通过对Web Log 的挖掘，发现用户访问页面的相关性，从而对密切联系的网页之间增加链接，方便用户使用。（2）利用路径分析技术判定在一个Web 站点中最频繁的访问路径，可以考虑把重要的商品信息放在这些页面中，改进页面和网站结构的设计，增强对客户的吸引力，提高销售量。（3）通过对Web Log 的挖掘，发现用户的期望位置。如果在期望位置的访问频率高于对实际位置的访问频率，可考虑在期望位置和实际位置之间建立导航链接，从而实现对Web 站点结构的优化。七. 增强电子商务安全名师资料总结
21、- - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 10 页 - - - - - - - - - Web 的内容挖掘还包括挖掘存有客户登记信息的后台交易数据库。客户登记信息在电子商务话动中起着非常重要的作用，特别是在安全方面，或者在对客户可访问信息的限制方面。4. 在电子商务中数据挖掘的过程电子商务中的数据挖掘的过程一般由3 个主要的阶段组成：数据准备、 数据挖掘、 结果解释和评价。(1)数据准备数据准备又可分为数据选取、数据预处理。数据选取的目的是确定发现任务的操作对象。 即目标数据，
22、是根据用户的需要从原始数据库中抽取的一组数据。数据预处理一般包括消除噪声、推导计算缺值数据、消除重复记录、完成数据类型转换f 如把连续型数据转换为离散型数据，以便于符号归纳；或是把离散性数据转换为连续型数据，以便于神经网络计算 )以及对数据降维f 即从初始特征中找出真正有用的特征以减少数据挖掘要考虑的变量个数 )。(2)数据挖掘阶段首先要确定数据挖掘的目标和挖掘的知识类型。确定挖掘任务后，根据挖掘的知识类型选择合适的挖掘算法；最后实施数据挖掘操作，运用选定的挖掘算法从数据库中抽取所需的知识。(3)结果的解释和评价数据挖掘阶段发现的知识，经过评估，可能存在冗余或无关的知识，这时需要将其剔除：也有
23、可能知识不满足用户的要求，需要重复上述挖掘过程重新进行挖掘。另外，由于数据挖掘最终要面临用户因此。还需要对所挖掘的知识进行解释，以一种用户易于理解的方式(如可视化方式)供用户所用。可以看出， 以上整个数据挖掘过程是不断地循环和反复的，因而可以对所挖掘出来的知识不断求精和深化。最终达到用户所满意的结果。5. 电子商务中数据挖掘的技术与方法数据挖掘源于人工智能。它利用人工智能中成熟的技术和方法对经过处理的数据进行分析，其利用的技术方法越多，所得到的信息也就越精确。在电子商务中主要应用的数据挖掘技术和方法有：1.聚类分析聚类分析可在电子商务过程中从Web 查找信息中聚集出具有相似特性的客户。划分出客
24、户群后，能够帮助企业开发和执行其市场策略，Web 可根据客户群提供特定的服务。该技术将具有相似爱好、购物兴趣的客户分配到相同的族中，聚类产生之后， 根据该族中其他客户对某商品的评价就可以得到系统对该商品的评价，聚类过程可以离线进行，聚类产生之后， 性能比较好， 但如果某客户处于一个聚类的边缘，则对该客户的推荐精度比较低。2.关联规则关联规则挖掘是发现大量数据库中集之间的关联关系，这些关联关系可以帮助许多商务决策的制定。关联规则既可用来分析商品间的参考模式，也可以向客户推荐商品，提高交叉销售能力。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - -
25、 - - - 名师精心整理 - - - - - - - 第 7 页，共 10 页 - - - - - - - - - 3.分类规则分类是找出一个类别的概念描述，它代表了这类数据的整体信息，一般用规则或决策树模式表示。其目的是把新的记录分配到预先定义好的类中。分类技术主要是根据用户群的特征挖掘用户群的访问特征。在Web 数据挖掘中，分类规则的发现就是给出识别一个特殊群体的公共属性的描述，这个描述可以用来分类新的项，例如：在/class/book3 进行过在线定购的顾客中有66是 25-35 岁生活在北方的年轻人。得到这一分类后，就可以进行适合这一类客户的商务活动4.时间序列模式的发现按时间顺序查
26、看时间事件数据库，从中找出另一个或多个相似的时序事件， 通过时间序列搜索出重复发生概率较高的模式。发现序列模式便于进行电子商务组织预测客户的查找模式，从而对客户进行针对性的服务。在时序模式中， 一个重要影响的方法是相似时序。序列模式挖掘就是挖掘出交易集之间有时间序列关系的模式，在Web 日志中发现所有满足用户规定的最小支持度的大序列模式。序列模式的发现就是在时间戳有序的事务集中，找到那些“一些项跟随另一个项”的内部事务模式。5.偏差分析描述和分析数据的异常或极端现象，包括不规则数据、反常实例和观测结果与期望值的偏离等。主要用于分析客户异常行为、信用欺诈甄别和数据质量控制。以及网络安全管理和故障
27、检测等领域。6.预测与评价对历史数据进行综合分析和归纳推理出数据分布的时效性和规律性，从而对未来事件发展的趋势和结果进行预测和评估。电子商务的角度出发，进行Web 上的数据挖掘， 主要就是进行客户访问信息的挖掘，得到客户端浏览行为和访问模式，从而找到有用的市场信息。在Web 数据挖掘的模式发现中，常有以下几种数据挖掘技术的使用：7.路径分析：使用路径分析技术进行Web 使用模式挖掘，最常用的就是网站结构图。它可以被用于判定在一个web 站点中最频繁访问的路径，还有一些其他的有关路径的信息通过路径分析可以得出。8.贝叶斯网络：贝叶斯网络技术利用训练集创建相应的模型，模型用决策树表示，节点和边表示
28、客户信息。模型的建立可以离线进行，得到的模型非常小，对模型的使用非常快，这种方法适合客户的兴趣爱好变化比较慢的场合。6. 数据挖掘在电子商务的应用方面遇到的问题1 数据挖掘分析变量的选择数据挖掘的基本问题就在于数据的数量和维数，数据结构显的非常复杂，数据分析变量即是在数据挖掘中技术应用中产生的，选择合适的分析变量，将提高数据挖掘的效率，特别适用于电子商务中大量商品以及用户信息的处理。针对这一问题， 我们完全可以用分类的方法，分析出不同信息的属性以及出现频率进而抽象出变量，运用到所选模型中，进行分析。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - -
29、 - - - - 名师精心整理 - - - - - - - 第 8 页，共 10 页 - - - - - - - - - 2 数据抽取的方法的选择数据抽取的目的是对数据进行浓缩，给出它的紧凑描述，如求和值、平均值、方差值、等统计值、 或者用直方图、 饼状图等图形方式表示，更主要的是他从数据泛化的角度来讨论数据。 数据泛化是一种把最原始、最基本的信息数据从低层次抽象到高层次上的过程。可采用多维数据分析方法和面向属性的归纳方法。在电子商务活动中，采用维数据分析方法进行数据抽取，他针对的是电子商务活动中的客户数据仓库。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量
30、特别大，可把汇集操作结果预先计算并存储起来，以便用于决策支持系统使用3 数据趋势的预测数据是海量的， 那么数据中就会隐含一定的变化趋势，在电子商务中对数据趋势的预测尤为重要， 特别是对客户信息以及商品信息合理的预测，有利于企业有效的决策，获得更多地利润。 但如何对这一趋势做出合理的预测，现在还没有统一标准可寻，而且在进行数据挖掘过程中大量数据形成文本后格式的非标准化，也给数据的有效挖掘带来了困难。针对这一问题的产生，我们在商务中可以应用聚类分析的方法，把具有相似浏览模式的用户集中起来， 对其进行详细的分析，从而提供更适合、更令用户满意的服务。聚类分析方法的优势在于便于用户在查看日志时对商品及客
31、户信息有全面及清晰的掌控，便于开发和执行未来的市场战略，包括自动给一个特定的顾客聚类发送销售邮件，为一个顾客聚类动态地改变一个特殊的站点等，这无论对客户和销售商来说都是有意义。4 数据模型的可靠性数据模型包括概念数据模型、逻辑数据模型、 物理模型。 数据挖掘的模型目前也有多种，包括采集模型、 处理模型及其他模型，但无论哪种模型都不是很成熟存在缺陷，对数据模型不同采用不同的方式应用。可能产生不同的结果，甚至差异很大， 因此这就涉及到数据可靠性的问题。数据的可靠性对于电子商务来说尤为重要作用。针对这一问题， 我们要保障数据在挖掘过程中的可靠性，保证它的准确性与实时性，进而使其在最后的结果中的准确度
32、达到最高，同时在应用模型过程中要尽量全面的分析问题，避免片面，而且分析结果要由多人进行评价，从而最大限度的保证数据的可靠性。5 数据挖掘涉及到数据的私有性和安全性大量的数据存在着私有性与安全性的问题，特别是电子商务中的各种信息，这就给数据挖掘造成了一定的阻碍，如何解决这一问题成为了技术在应用中的关键。为此相关人员在进行数据挖掘过程中一定要遵守职业道德，保障信息的机密性。6 数据挖掘结果的不确定性名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 9 页，共 10 页 - - - - -
33、- - - - 数据挖掘结果具有不确定性的特征，因为挖掘的目的不同所以最后挖掘的结果也会千差万别，以因此这就需要我们与所要挖掘的目的相结合，做出合理判断，得出所需要的信息，便于企业的决策选择。进而达到提高企业效益，获得更多利润的目的。数据挖掘可以发现一些潜在的用户， 对于电子商务来说是一个不可或缺的技术支持，数据挖掘的成功要求使用者对期望解决问题的领域有深刻的了解，数据挖掘技术在一定程度上解决了电子商务信息不能有效利用的问题， 但它在运用过程中出现的问题也亟待人们去解决。相信数据挖掘技术的改进将推进电子商务的深入。7. 电子商务中挖掘信息的目标1.帮助企业确定营销机制在电子商务中，商业信息来自
34、各个渠道，这些数据信息经过数据挖掘处理技术进行处理后，可从中得到用于特定消费群体或个人定向营销的决策信息，以确定电子商务的营销机制。基于数据挖掘的电子商务营销，常常可以向消费者发出与以前的消费行为相关的推销材料，数据挖掘的电子商务营销对于我国当前情况下的市场竞争具有启发意义。 经常可以看见繁华商业街上一些厂商对行人不分对象的散发大量商品宣传广告。其结果是不需要的人随手丢弃，而需要的人未必能够得到。如果家电维修服务公司向在商店中刚购买家电的消费者邮寄维修服务广告。药品厂商向刚在医院门诊就医的特定病人邮寄广告，其效果肯定比漫无目的的营销效果要好很多。2.帮助电子商务网站创造效益建立一个电子商务网站
35、并不困难，困难在于如何让电子商务网站创造效益。要想有效益就必须吸引客户，增加客户的忠诚度。电子商务业务的竞争比传统业务的竞争更为激烈，原因有很多方面其中一个因素就是客户从一个电子商务网站转换到竞争对手那边只需要点击几下鼠标即可。网站的内容和层次、用词、 标题、 奖励方案、服务等都有可能成为吸引客户或失去客户的因素。电子商务网站每天都可能有上百万次的在线交易。 生成大量的记录文件和登记表，如何对这些数据进行分析和挖掘充分了解客户的喜好、 购买模式，设计出满足不同客户群体需要的个性化网站，进而增加其竞争力，变得势在必行。8. 结语随着电子商务发展的势头越来越强劲，电子商务的数据挖掘将是一个非常有前景的领域。它将数据转化为知识，是数据管理、 信息处理领域研究、开发和应用的最活跃的分支之一。 它帮助决策者寻找数据问题潜在的关联，发现被忽略的因素，因而被认为是解决当今时代所面临的数据爆炸而信息贫乏问题的一种有效方法。它能自动预侧客户的消费趋势、市场走向，指导商家提高销售额，改善企业客户关系，提高网站运行效率，改进系统性能，具有良好的发展和应用前景。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 10 页，共 10 页 - - - - - - - - -