&>&基于web日志数据挖掘的电子商务推荐系统实现
基于web日志数据挖掘的电子商务推荐系统实现
上传大小：5.28MB
在本文中依据效率和准确性，建立了一个推荐系统模型，并对系统中各个模
块功能及它们之间相互协调工作做了详细的描述;深入研究了电子商务推荐系统
所使用的推荐算法，重点讨论了目前使用最为广泛的协同过滤推荐算法:在上述
研究的基础上设计了基于聚类的协同过滤推荐系统，并对k一eans聚类算法进行
了改进;最后利用实际网站数据对基于聚类的协同过滤推荐系统的聚类算法进行
了实现，给出了系统试验结果，并对结果做出解释和评价。
综合评分：4（56位用户评分）
下载个数：
{%username%}回复{%com_username%}{%time%}\
/*点击出现回复框*/
$(".respond_btn").on("click", function (e) {
$(this).parents(".rightLi").children(".respond_box").show();
e.stopPropagation();
$(".cancel_res").on("click", function (e) {
$(this).parents(".res_b").siblings(".res_area").val("");
$(this).parents(".respond_box").hide();
e.stopPropagation();
/*删除评论*/
$(".del_comment_c").on("click", function (e) {
var id = $(e.target).attr("id");
$.getJSON('/index.php/comment/do_invalid/' + id,
function (data) {
if (data.succ == 1) {
$(e.target).parents(".conLi").remove();
alert(data.msg);
$(".res_btn").click(function (e) {
var parentWrap = $(this).parents(".respond_box"),
q = parentWrap.find(".form1").serializeArray(),
resStr = $.trim(parentWrap.find(".res_area_r").val());
console.log(q);
//var res_area_r = $.trim($(".res_area_r").val());
if (resStr == '') {
$(".res_text").css({color: "red"});
$.post("/index.php/comment/do_comment_reply/", q,
function (data) {
if (data.succ == 1) {
var $target,
evt = e || window.
$target = $(evt.target || evt.srcElement);
var $dd = $target.parents('dd');
var $wrapReply = $dd.find('.respond_box');
console.log($wrapReply);
//var mess = $(".res_area_r").val();
var mess = resS
var str = str.replace(/{%header%}/g, data.header)
.replace(/{%href%}/g, 'http://' + window.location.host + '/user/' + data.username)
.replace(/{%username%}/g, data.username)
.replace(/{%com_username%}/g, data.com_username)
.replace(/{%time%}/g, data.time)
.replace(/{%id%}/g, data.id)
.replace(/{%mess%}/g, mess);
$dd.after(str);
$(".respond_box").hide();
$(".res_area_r").val("");
$(".res_area").val("");
$wrapReply.hide();
alert(data.msg);
}, "json");
/*删除回复*/
$(".rightLi").on("click", '.del_comment_r', function (e) {
var id = $(e.target).attr("id");
$.getJSON('/index.php/comment/do_comment_del/' + id,
function (data) {
if (data.succ == 1) {
$(e.target).parent().parent().parent().parent().parent().remove();
$(e.target).parents('.res_list').remove()
alert(data.msg);
//填充回复
function KeyP(v) {
var parentWrap = $(v).parents(".respond_box");
parentWrap.find(".res_area_r").val($.trim(parentWrap.find(".res_area").val()));
评论共有27条
N连杆柔性机械臂PDE建模及自适应边界控制理论研究
是一篇论文，大家下载时注意了
是一篇论文，看看也好。
xiaojin995
综合评分：
积分/C币：3
综合评分：
积分/C币：3
综合评分：
积分/C币：3
xiaoy_2002
综合评分：
积分/C币：3
综合评分：
积分/C币：3
大家马年行大运
综合评分：
积分/C币：3
综合评分：
积分/C币：3
changyou1004
综合评分：
积分/C币：3
综合评分：
积分/C币：2
综合评分：
积分/C币：3
VIP会员动态
CSDN下载频道资源及相关规则调整公告V11.10
下载频道用户反馈专区
下载频道积分规则调整V1710.18
spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip
资源所需积分/C币
当前拥有积分
当前拥有C币
输入下载码
为了良好体验，不建议使用迅雷下载
基于web日志数据挖掘的电子商务推荐系统实现
会员到期时间：
剩余下载个数：
剩余积分：0
为了良好体验，不建议使用迅雷下载
积分不足！
资源所需积分/C币
当前拥有积分
您可以选择
程序员的必选
绿色安全资源
资源所需积分/C币
当前拥有积分
当前拥有C币
(仅够下载10个资源)
为了良好体验，不建议使用迅雷下载
资源所需积分/C币
当前拥有积分
当前拥有C币
为了良好体验，不建议使用迅雷下载
资源所需积分/C币
当前拥有积分
当前拥有C币
您的积分不足，将扣除 10 C币
为了良好体验，不建议使用迅雷下载
你当前的下载分为234。
你还不是VIP会员
开通VIP会员权限，免积分下载
你下载资源过于频繁，请输入验证码
您因违反CSDN下载频道规则而被锁定帐户，如有疑问，请联络:!
若举报审核通过，可返还被扣除的积分
被举报人：
panxuesong925
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
基于web日志数据挖掘的电子商务推荐系统实现　　[摘 要]近年来，随着电子商务和社会经济的发展，人们的生活习惯发生了较大变化，购物习惯也因此而发生变化，商家只有摸清人" />
免费阅读期刊
论文发表、论文指导
周一至周五
9：00&22：00
用于电子商务平台精准营销的数据挖掘算法需求综述
　　[摘 要]近年来，随着电子商务和社会经济的发展，人们的生活习惯发生了较大变化，购物习惯也因此而发生变化，商家只有摸清人们的购物习惯变化，并采用相应的营销策略，才能留住老客户和发现新客户，本文对目前电子商务平台中精准营销的数据挖掘需求及其算法进行了综述，希望能对相关研究给予一定帮助，最后本文对未来进行了展望，认为随着电子商务和数据挖掘技术的继续发展，用户的需求会越来越丰富，精准营销理论也会随之愈加深化，国内外学者对电子商务平台中精准营销的业务理解和分析思路也会更加精确和成熟。 中国论文网 http://www.xzbu.com/2/view-6735057.htm　　[关键词]精准营销；数据挖掘；电子商务 　　[DOI]10.13939/j.cnki.zgsc. 　　1 前 言 　　近年来，随着电子商务和社会经济的发展，人们的生活习惯有了较大变化，越来越多的企业通过电子商务进行交易、结算等商务活动，在网上进行消费、投资活动的人群也逐年增多，人们的日常活动，包括食品、衣物、旅行、票务预订、教育等活动都可以通过网络得到满足，电子商务越来越紧密的和消费者结合。截至2014年6月，中国电子商务交易额超过5.8万亿元，互联网用户超6.7亿，网购用户数量超过3.1亿人。但是虽然每天都有数以亿计的消费者在网络中进行购物活动，但网络中亦有数以万计的商家在网络中从事商业活动，对于每一个商家而言，如何对市场进行划分，精准的进行产品、市场进行定位，抓住老客户，发现新客户，在众多的商家中脱颖而出成为摆在每个商家面前的问题。[1] 　　2005年，菲利普?科特勒提出了精准营销的概念，并首次提出了基于互联网的精准营销理论，他认为：“日新月异的科技使一些公司勇于从传统的大众传媒沟通方式转移到更加有针对性目标市场的互动模式，以此来不断提高沟通的效果和效率。”随着技术的不断发展，数据挖掘成为网络中精准营销的重要抓手，消费者在网络中购物、浏览网页等活动中留下了大量的交易数据、Web数据等信息，这些数据中隐藏着巨大的商业价值，对其进行研究和挖掘，具有重要意义，消费者可以获得更满意的购物体验，商家可以获得更公平的流量分配，电子商务平台也可以因提供精准营销服务而获得更多商家入驻和获得新的赢利点，以及更多消费者的关注。 　　2 精准营销和数据挖掘相关理论研究 　　精准营销是指在恰当的时间，提供恰当的产品，用恰当的方式，送到恰当的顾客手中，恰当到一定程度，称之为精准，这是国内学者对精准营销的描述。在实际研究中，也有学者认为精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析，根据他们不同的消费心理和行为特征，采用有针对性的现代技术、方法和指向明确的策略，实现对目标市场不同消费者群体强有效性、高投资汇报的营销沟通。其特征主要体现在目标对象的选择性、沟通策略的有效性、沟通行为的经济性、沟通结果的可衡量性和精准程度的动态性五个方面，其所包含的理论包括顾客让渡价值理论、市场细分理论和4C理论，精准营销实施的策略和途径包括邮件、呼叫中心、短信等基于数据库的精准营销方法，门户网站广告、关键词搜索等基于互联网的营销方法和借助拥有共同客户群商家的基于第三方渠道营销方法三种，精准营销是对经典营销的延伸和发展，其主要集中在挖掘客户、客户沟通、信息传播和增值服务等方面。 　　数据挖掘从广义上来讲又称数据库中的知识发现，是从数据库中大量数据中发现隐含的、未知的有价值信息的过程。[2]数据挖掘是目前数据库和人工智能领域研究的热点问题，目前已广泛应用到各个领域和行业，包括商业领域中产品生产、市场营销、客户关系管理等，金融领域中投融资评估、股票交易等；物流领域的路线规划、天气预测等；教育领域的高中生管理、毕业生就业分析有情。数据挖掘需要的原始数据可以是结构化的数据，也可以是半结构化的数据，如图形、图像、文本等数据；也可以是网络中异构数据，在数据挖掘中采用的算法包括分类分析、回归分析、聚类分析、Web页挖掘、预警分析等，它们模拟人们的归纳、演绎等思维逻辑，从不同的角度对数据进行挖掘，满足客户细分、客户行为预测、特征发现、风险预警等方面的信息需求。 　　3 用于电子商务平台精准营销的数据挖掘需求分析 　　当消费者在电子商务网站上有了浏览、购买、评价行为后，该用户就成网站的价值客户，其相关数据被电子商务网站和商家的数据库所记录，电子商务数据分为前端行为数据和后端商业数据两类，前端行为数据包括浏览量、访问量、点击量及搜索关键词等用户行为数据；后端商业数据包括交易信息、购买商品、支付金额、购买数量等信息。对这些数据进行分析可以帮助商家了解用户行为习惯、客户群细分、发现高价值客户、维持客户关系、发掘潜在客户等，总的来说，可以将其需求划分为以下三个方面： 　　3.1 客户前端行为习惯 　　客户行为习惯的分析主要源自对前端行为数据的分析，其分析的关键即对用户的转化流程的分析，用户转化流程主要包括浏览过程、购买流程、注册流程、互动流程等，其目的是使用户心情愉悦的进行操作，并较快地找到想要的结果，从而达成交易。客户行为习惯分析包括两个内容：一是分析特定用户群在网页上流转的规律和特点，发现频繁访问的路径模式，提炼出该用户群体的主流路径和浏览特征，对网页优化和改版、对用户下一个浏览页面进行预测；二是对搜索关键词进行分析，在对大量用户检索行为分析的基础上，得出最有效的关键词组合，优化广告发布页面的相关性，提高转化率。[3] 　　3.2 客户后端购买行为分析 　　电子商务客户后端购买行为在精准营销方面的需求主要有目标客户特征分析、客户分类、保留和延长客户生命周期和利润贡献、商品智能推荐等，其目的主要是通过挑选指标变量进行数据挖掘，以便运营团队提供精细化、个性化运营和服务，从而实现特定营销目的。 　　3.2.1 目标客户特征分析 　　目标客户特征分析是精准化营销的第一步，因为在精准营销之前，第一步就是要找准目标客户和受众，特别是当企业刚推出新产品的时候，产品运营团队尤其需要一个对目标客户特征的初步描述，这个时候需要依据产品设计初衷、产品定位及运营团队初步的理想化的猜测，从历史数据中挖掘出目标客户典型特征；在该产品试运营之后，再根据收集到的用户资料对目标客户特征进行修正。
　　3.2.2 客户分类 　　客户分类主要是精准要求的必然要求，目的是针对不同客户群体采用不同的营销方式，从而提高运营团队的运营效率和付费转化率，在实际操作中主要是通过分析数据库中的交易数据，按照各个客户指标（如自然属性、交易额、价值度等）对客户进行分类，确定各类客户行为模式，运营团队据此采取相应营销措施实现企业利润最大化。 　　3.2.3 保留和延长客户生命周期和利润贡献 　　当客户在商家购买东西后，商家就会有需求来保留和延长客户生命周期和利润贡献，为实现这个需求商家一般会有两种策略，一是保留客户，通常是建立客户流失预警模型提前锁定有价值的客户，对其进行客户关怀；二是通过交叉消费等手段，让客户消费更多商品和服务，挖掘客户利润，这都依赖于数据挖掘的实施。 　　3.2.4 商品智能推荐 　　在电子商务网站中，经常需要针对不同的客户进行商品推荐，缩减客户搜索成本，提高客户体验，提高网站流量的转化率，提高营收。根据商品推荐的对象来分，可以分为面向浏览用户的推荐和面向登录用户的推荐两种，面向浏览用户的推荐往往是常规推荐，其指的是符合常规商品关联逻辑的一些推荐，面向登录用户的推荐往往是个性化推荐，是指基于购买行为间关联性归纳出的商品推荐。 　　3.3 指标异常检测 　　孤立点和异常值是与整体数据行为特征不一致的数据，孤立点和异常值在数据挖掘中通常表现为分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等，对这些偏差进行检测很有意义，在电子商务数据挖掘的一些业务中其能反映出外界市场变化的客观反应，如当网站PV减少的时候需要对搜索来源、直接访问量、搜索关键词等进行分析，及时发现市场变化，做出相应调整。 　　4 用于电子商务平台精准营销的数据挖掘算法研究 　　目前在电子商务平台精准营销中应用的数据挖掘算法基本覆盖了数据挖掘算法中的聚类算法、分类和预测算法、关联规则算法这三个类别，本文对其概念、使用范围和算法进行了综述和分析。[4] 　　4.1 聚类算法 　　聚类分析是精准营销中比较基础和比较重要的算法之一，聚类算法可以实现针对目标群体的多指标群体划分，这些分类往往是精准营销的基础和核心，只有正确地进行分类，精准营销的业务需求才能有效地开展，其业务场景主要如下：一是目标客户群的分类；二是不同产品的价值组合（交叉销售）；三是孤立点、异常值的探测和发现。该算法可以分为划分方法、层次方法、基于密度的方法和基于网格的方法及数据来源。 　　4.2 分类和预测算法 　　分类和预测是数据分析的两种形式，主要用来抽取能够描述重要数据集合或预测未来数据趋势，分类算法主要用来预测数据对象的离散类别，预测方法用于预测数据对象的连续取值。分类算法主要应用的业务范围包括：一是按照既定的标签或目的对客户进行分类以便寻找不同种类用户的特征；二是利用分类算法得出的反常实例揭示异常现象，常用算法包括决策树、KNN法、SVM法、VSM法、贝叶斯法、神经网络等，预测算法主要应用的业务范围是预测客户访问行为、商品销售小预测等，算法主要包括线性回归、多元回归、非线性回归等。 　　4.3 关联规则算法 　　关联分析，关联规则算法主要是发现不同项之间的相关性，利用关联规则可以发现存在在数据库中的可被发现的两个或多个变量取值之间存在的规律性。在电子商务精准营销中，其业务场景主要如下：一是发现访问页面之间的关联规则；二是找出客户可能会感兴趣的商品推荐；三是商品智能推荐。关联规则算法在精准营销中应用较为广泛的是Apriori算法、协同过滤算法等。 　　5 结 论 　　随着电子商务和数据挖掘技术的继续发展，用户的需求会越来越丰富，精准营销理论也会随之愈加深化，国内外学者对电子商务平台中精准营销的业务理解和分析思路也会更加精确和成熟，满足精准营销需求的数据挖掘的研究算法也会更加灵活，在应用中对业务提升的效果也将愈加显著。 　　参考文献： 　　[1]李维胜，蒋绪军.电子商务精准营销对策研究[J].开发研究，2013（2）：46-49+96. 　　[2]刘金勇.Web数据挖掘在电子商务中的研究应用[J].网络安全技术与应用，2013（9）：25-26. 　　[3]谭恒松.中小企业移动电子商务精准营销策略研究[J].中国商贸，2013（28）：87-88. 　　[4]张鸽.论精准营销在电子商务中的应用[J].长沙民政职业技术学院学报，2013（4）：45-46.
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
数据挖掘技术对电子商务平台的作用.doc 20页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
数据挖掘技术对电子商务平台的作用
你可能关注的文档：
··········
··········
数据挖掘技术对电子商务平台的作用
———以京东为例的数据挖掘应用分析
作者：史俊禺
班级：12计1
指导老师：郑琪
完成时间：
1.1背景资料分析………………………………………………………………………………3
1.2数据挖掘应用对电子商务领域的意义……………………………………………………4
1.3数据挖掘过程………………………………………………………………………………4
1.4数据挖掘主要方法…………………………………………………………………………5
1.5数据挖掘系统体系结构……………………………………………………………………7
1.6数据挖掘在电子商务中的应用流程………………………………………………………8
以京东为例的数据挖掘应用分析
2.1数据挖掘在电子商务中的应用分析——客户获得………………………………………9
2.11客户获得的定义………………………………………………………………………9
2.12数据挖掘可以对客户获得产生的作用………………………………………………9
2.13客户获得的步骤………………………………………………………………………9
2.2数据挖掘在电子商务中的应用分析——客户流失预测…………………………………11
2.21客户细分的定义……………………………………………………………………11
2.22客户流失预测步骤…………………………………………………………………13
2.3数据挖掘在电子商务中的应用分析——客户消费特征…………………………………14
2.31 客户消费特征定义及背景…………………………………………………………14
2.32 京东建立客户消费特征的过程……………………………………………………14
2.33 RSS技术在电子商务平台的应用…………………………………………………16
2.34 建立客户消费特征之后可应用的数据模块………………………………………17
结语……………………………………………………………………………………………18
在电子商务平台日益发展的今天，数据分析作为一种科学的手段，可以起到规范市场、节约成本、保护在线交易安全，而数据挖掘这门技术可以从大量繁杂数据中提取有用的信息，并发现特定的规律，为商家对客户的需求信息和行为预测提供可能性。
本篇报告是作者在对数据挖掘课本学习的前提下，以京东商城为例，从互联网上搜集各类数据并进行分析，从客户获得、客户流失预测、客户消费特征这三个方面进行分析，最后归纳出数据挖掘在电子商务应用上的必然性和重要性。
1.1 背景资料分析
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。电子商务的发展促使公司内部收集了大量的数据，并且迫切需要将这些数据转换成有用的信息和知识，为公司创造更多潜在的利润。数据挖掘(Data Mining)，又称数据库中的知识发现(Knowledge Discovery in Database, KDD)，是从大量的、不完全的、有噪声的、模糊的和随机的数据中，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。
⑴数据挖掘有助于发现电子商务业务发展的趋势，帮助电子商务企业做出正确的决策，使企业处于更有利的竞争位置。商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择，同时也为商家提供了更加深入地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。
⑵数据挖掘客户关系管理，起着的作用。数据挖掘主要是找寻隐藏在数据中的信息，例如发现趋势、特征及相关性的过程，也就是从数据中发掘出信息或知识。客户需求进行深入分析以满足企业对个体细分市场的客户关系管理需求。
⑶数据挖掘可以促进电子商务平台的发展，加强企业电子商务平台应用的普及度。采用数据挖掘技术将电子商务中丰富的数据源信息进行有效组织利用对电子商务的具有巨大的应用价值。同时数据挖掘对于电子商务平台信息的挖掘分析可以帮助检验电子商务平台的性能，促进电子商务平台的智能化，帮助企业打造更具可操作性及吸引力的消费平台，为消费者提供更便利的消费环境。
⑷数据挖掘有利于企业资源优化，合理分配资源以实现资源价值最大化。数据挖掘进行有效的统计分析挖掘，可以指导营销的组织和分配，让企业在市场竞争中处于有利位置抢占先机。通过数据挖掘可以发现消费者的消费特性，从而帮助制定个性化服务，极大地吸引顾客，既避免资源浪费，又为企业带来巨大的价值。
1.3 数据挖掘过程 　挖掘数据
正在加载中，请稍后...博客访问： 1587
博文数量： 1
注册时间：
ITPUB论坛APP
ITPUB论坛APP
APP发帖 享双倍积分
IT168企业级官微
微信号：IT168qiye
系统架构师大会
微信号：SACC2013
分类： 数据仓库与数据挖掘 10:02:50
数据挖掘在电子商务领域应用现状及前景分析
【摘要】伴随着因特网的越来越普及大众化，电子商务的发展也越来越受到很多研究人员、学者的注意，并希望能够借着这股东风，能够充分的发挥它的优势，从而来获得更多的经济效益。可以说网络已经成为了企业开展电子商务的基础了。如今的数据挖掘思想的方法应用到电子商务中去，能够帮助电子商务的经营者从繁多的信息当中得到自己想要的有价值意义的信息和知识，从而来引导他们任何进行决策。那么怎样才能够不被网上的信息所淹没呢？只有将数据的挖掘技术同网络相结合起来，进行数据的挖掘。在这样的背景下，web数据的挖掘就这样诞生了。在这个背景下，本文通过对数据挖掘技术在电子商务领域的应用现状进行调研，通过数据和调研资料的呈现，让更多的人关注数据挖掘技术，了解数据挖掘技术，进而实时应用数据挖掘给企业带来经济效益，促进社会的发展。
【关键词】数据挖掘技术&
电子商务& 现状调研& 应用前景
电子商务已然成为了信息时代的国际通行的一个商务模式了，它的深入发展已经引发了自工业革命以来的在经济领域中的一次最最深刻、广泛的变革。这些年来，我国的电子商务发展势头良好，很多的企业都意识到了“若是不开展电子商务，以后就无商务”，工作的热情度高了，并且也越发的务实了，努力地进行着企业信息网的建设工作，可以说电子商务的推广到普及是中国企业发展以及提高各项竞争力的必然趋势。
Web的数据挖掘在电子商务中的研究和应用，已经受到了学术界以及实业界的越来越多的重视和关注，它的前景广阔，势头良好。并且经过各类电子商务网站的实践以及经验的证明，电子商务的优点突出，它不仅价格低廉，而且交易方便，它吸引着无数的消费者。就拿亚马逊、阿里巴巴这类世界著名的电子商务网站来说，它的每天的网上顾客流量就非常之高，当然了若是商家能够依据用户的行为，从而来了解到用户的意图以及个人爱好的话，那就能够依据这些来推出比较实惠的套餐，从而开展各类能够吸引到顾客的促销活动，与此同时，也能够大大的降低人们的时间和精力。对于电子商务网站来说，要了解到顾客的购买意向、吸引顾客的活动、了解顾客的购物行为心理。这些都是当前需要研究的问题。
决这一问题的关键其实就在于数据的挖掘，通过数据的挖掘技术的应用，我们就能够从海量的数据信息当中提取出那些相对来说比较有用的信息，从而来帮助商家对客户进行进一步的理解，从而才能够推出更多更为实惠的商业服务。并且通过数据的挖掘，我们能够瞄准一个客户群体，通过一些比较特殊的信息手段来进行一次宣传工作，以此来更大的对广告的预算以及增加收入进行减少，从而让这一切都能够自行完成。
此次我实践队伍通过将近二十几天的努力，走访厦门软件园二期各大公司如厦门吉联科技有限公司、厦门邦初等公司，完成了对数据挖掘技术在电子商务领域的应用现状的深入调研、另外我们还走访了软件园外的其他地区了解厦门市在其他领域对数据挖掘的应用，同时查询了多类资料，经组员间的一系列的归纳与总结。现得出如下报告：
一、数据挖掘过程
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，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
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、结果解释和评价
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。
二、数据挖掘在电子商务中的作用
　　数据挖掘技术之所以可以服务电子商务，是因为它能够挖掘出活动过程中的潜在信息以指导电子商务营销活动。在电子商务中其作用有4个方面：
　　1、挖掘客户活动规律，针对性的在电子商务平台下以提供“个性化”的服务。
　　2、可以在浏览电子商务网站的访问者中挖掘出潜在的客户。
　　3、优化电子商务网站巾的信息导航，方便客户浏览。
4、通过电子商务访问者的活动信息的挖掘，可以更加深入的了解客户需求。
三、 数据挖掘在电子商务中的应用
　　1.优化企业资源
　　节约成本是企业盈利的关键。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，制定了“关联结算(Relation
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。
　　2.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(Reader‘s
Digest)出版公司运行着一个积累了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。
　　3.评估商业信用
　　低劣的信用状况是影响商业秩序的突出问题，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。
　　4.确定异常事件
　　在许多商业领域中,异常事件具有显著的商业价值,如客户流失、银行的信用卡欺诈、电信中移动话费拖欠等。通过数据挖掘中的奇异点分析可以迅速准确地甄别这些异常事件，为企业采取决策提供依据，减少企业不必要的损失
四、数据挖掘在电子商务中的应用现状分析
电子商务正在企业和商贸领域占据着越来越多的市场份额，数据挖掘主要用于商品的市场定位和消费分析，以辅助制定市场策略，还可以用来分析购物模式，预测销售行情，现在世界上的主要数据厂商，纷纷开始把数据挖掘功能集成到自己的产品中，IBM和Microsoft等大公司都在自己的产品或相应产品上增加了在线分析处理。IBM公司开发的QUEST和Intelligent
系统可以挖掘客户的购物行为模式。Microsoft公司过一个基于XML的数据访问协议，该协议能够使开发商为各类客户和开发平台提供数据分析。随着联机分析处理和OLE
DataMining的发展，该协议支持对Microsoft数据源的访问。我国在这一领域正处在研究发展阶段，应用和产品相对滞后，但正在起步。因为这一新兴领域不但有很好的研究和应用前景，而且有很好的商业机会。
吉联科技有限公司【简称“吉联科技”】是一家由海外留学人士与国内航运领域专家合资的高科技企业，公司也是目前世界上极少数具有能力开发全球航运信息管理系统的专业软件服务提供商之一，专门为国际航运、物流领域的信息系统提供设计、开发、咨询、培训及技术支持服务，公司的愿景是成为全球知名航运物流管理信息系统专业软件服务商。我实践对到该公司进行了调研，并参观了公司的办公环境及听取了工作人员对其公司情况的简单介绍。我们与吉联科技公司技术代表讨论的关于其公司使用数据挖掘的情况现状。他表示，吉联科技成立以来，业务发展迅猛，公司现已建成为一个横跨北美、欧洲、中国三地的市场营销体系，是第一家成功地把航运物流软件产品推向国际主流市场的中国软件公司。基于数据挖掘能给企业带来显著的经济效益，特别它在电子商务中（特别是金融业、零售业、电信业和软件业）的应用也越来越广泛。
在金融领域，管理者可以通过对客户偿还能力以及信用的分析，进行分类，评出等级。从而可减少放贷的麻木性，提高资金的使用效率。同时还可发现在偿还中起决定作用的主导因素，从而制定相应的金融政策。更值得一提的是通过对数据的分析还可发现洗黑钱以及其它的犯罪活动。
在零售业，数据挖掘可有助于识别顾客购买行为，发现顾客购买模式和趋势，改进服务质量，取得更好的顾客保持力和满意程度，提高货品销量比率，设计更好的货品运输与分销策略，减少商业成本。
电信业已经迅速地从单纯的提供市话和长话服务演变为综合电信服务，如语音、传真、寻呼、移动电话、图像、电子邮件、计算机和WEB数据传输以及其它的数据通信服务。电信、计算机网络、因特网和各种其它方式的通信和计算的融合是目前的大势所趋。而且随着许多国家对电信业的开放和新型计算与通信技术的发展，电信市场正在迅速扩张并越发竞争激烈。因此，利用数据挖掘技术来帮助理解商业行为、确定电信模式、捕捉盗用行为、更好的利用资源和提高服务质量是非常有必要的。分析人员可以对呼叫源、呼叫目标、呼叫量和每天使用模式等信息进行分析，还可以通过挖掘进行盗用模式分析和异常模式识别，从而可尽早发现盗用，为公司减少损失。
在软件业的应用则更加广泛，因为数据挖掘的应用是基于网络和数据的，那么，这对于软件行业则提出了更高的要求，我们可以利用数据挖掘技术开发数据挖掘软件供各行各业使用，这也即将作为一个新的市场，进入世界的视线。同时，对企业滋生来说可以对之前的数据进行挖掘，以便企业更加准确的判断市场需求，作出动态的响应和策略的变化。&
五、数据挖掘在电子商务中的应用前景展望
　目前，国外数据挖掘的发展趋势其研究方面主要有：对知识发现方法的研究进一步发展，如近年来注重对Bayes(贝叶斯)方法以及Boosting方法的研究和提高；传统的统计学回归法在KDD（知识发现）中的应用；KDD与数据库的紧密结合。在应用方面包括：KDD商业软件工具不断产生和完善，注重建立解决问题的整体系统，而不是孤立的过程。用户主要集中在大型银行、保险公司、电信公司和销售业。国外很多计算机公司非常重视数据挖掘的开发应用，IBM和微软都成立了相应的研究中心进行这方面的工作，此外，一些公司的相关软件也开始在国内销售，如Platinum、BO以及IBM。
国内从事数据挖掘研究的人员主要在大学，也有部分在研究所或公司。所涉及的研究领域很多，一般集中于学习算法的研究、数据挖掘的实际应用以及有关数据挖掘理论方面的研究。目前进行的大多数研究项目是由政府资助进行的，如国家自然科学基金、863计划、九五计划等，但还没有关于国内数据挖掘产品的报道。一份最近的Gartner报告中列举了在今后3～5年内对工业将产生重要影响的五项关键技术，其中KDD和人工智能排名第一。同时，这份报告将并行计算机体系结构研究和KDD列入今后5年内公司应该投资的10个新技术领域。
　可以看出，数据挖掘的研究和应用受到了学术界和实业界越来越多的重视。进行数据挖掘的开发并不需要太多的积累，国内软件厂家如果进入该领域，将处于和国外公司实力相差不很多的起跑线上，并且，现在关于数据挖掘的一些研究成果可以在Internet上免费获取，这更是一个可以利用的条件。我们希望数据挖掘能够引起国内实业界更多的重视，同时也希望能够有更多的国内软件厂商进入该领域，一起促进数据挖掘技术在中国的应用。
通过对数据挖掘技术的进一步理解和加深，我们深刻地体会到了技术的力量是无穷的，最主要的是要抓住最前沿的技术去创造最高的效益。无论任何行业都可以在数据挖掘的技术领域早到自身的切入点，利用技术去提高行业的整体水平，创造更高的价值。同时，随着电子商务发展的势头越来越强劲，面向电子商务的数据挖掘将是一个非常有前景的领域。它能自动预测客户的消费趋势、市场走向，指导企业建设个性化智能网站，带来巨大的商业利润，可以为企业创建新的商业增长点。但是在面向电子商务的数据挖掘中还存在很多问题急需解决，比如怎样将服务器的客户数据转化成适合某种数据挖掘技术的数据格式，怎样解决分布性、异构性数据源的挖掘，如何控制整个Web上知识发现过程等。利用这些挖掘技术可有效统计和分析用户个性特征，从而指导营销的组织和分配，让企业在市场竞争中处于有利位置抢占先机。
阅读(1152) | 评论(0) | 转发(0) |
上一篇：没有了
下一篇：没有了
相关热门文章
给主人留下些什么吧！~~
请登录后评论。