谈数据挖掘技术在电子商务中的应用

打印本文 - 下载本文〗〖0条评论 - 0推荐〗〖字数:2000字〗

[摘要]电子商务的广泛应用使企业产生了大量的业务数据,按企业既定业务目标对这些数据进行数据挖掘可以帮助企业分析出完成任务所需的关键因素。文章介绍了数据挖掘技术,以实例分析了数据挖掘在电子商务中的应用,并介绍了在电子商务中如何应用数据挖掘技术。

[关键词]电子商务;数据挖掘;路径分析

随着Internet的普及,电子商务的兴起,人们的商务理念正在改变,电子商务的广泛应用使企业产生了大量的业务数据,如何更快、更好地利用各种有效的数据更好地开展电子商务,这是目前电子商务急需解决的问题。

一、数据挖掘技术

20世纪90年代以来,随着信息技术和数据库技术的迅猛发展,人们可以非常方便地获取和存储大量的数据。面对大规模的海量的数据,传统的数据分析工具(如管理信息系统)只能进行一些表层的处理(如查询、统计等),而不能获得数据之间的内在关系和隐含的信息。为了摆脱“数据丰富,知识贫乏”的困境,人们迫切需要一种能够智能地自动地把数据转换成有用信息和知识的技术和工具,这种对强有力数据分析工具的迫切需求使得数据挖掘技术应运而生。人们认识到数据库中存储的数据量急剧增大,在大量的数据背后隐藏着许多重要的信息,如果能把这些信息从数据库中抽取出来,将为公司创造很多潜在的利润。这种从海量数据库中挖掘信息的技术,就称之为数据挖掘。数据挖掘一般有以下四类主要任务:

(一)数据总结

数据挖掘能够将数据库中的有关数据从较低的个体层次抽象总结到较高的总体层次上,从而实现对原始基本数据的总体把握。

(二)分类

分析数据的各种属性,并找出数据的属性模型,确定哪些数据属于哪些组。这样我们就可以利用该模型来分析已有数据,并预测新数据将属于哪一个组。

(三)关联分析

数据库中的数据一般都存在着关联关系,也就是说,两个或多个变量的取值之间存在某种规律性。通过挖掘数据派生关联规则,可以了解客户的行为。

(四)聚类

聚类分析是按照某种相近程度度量方法,将用户数据分成一系列有意义的子集合。每一个集合中的数据性质相近,不同集合之间的数据性质相差较大。

数据挖掘的特点和性质对于企业而言,有助于发现其企业业务发展的趋势,揭示已知的事实,预测未知的结果,并帮助企业分析出完成任务所需的关键因素,以达到增加收入,降低成本,使企业处于更有利的竞争位置的目的。

二、数据挖掘在电子商务中的作用

数据挖掘技术源于商业的直接需求,因此它在各种商业领域都存在广泛的使用价值。电子商务是商业领域的一种新兴商务模式,是指利用电子信息技术开展一切商务活动。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,这些海量数据使数据挖掘有了丰富的数据基础,同时高性能计算机和高传输速率网络的使用也给数据挖掘技术提供了坚实的保障。因此数据挖掘技术在电子商务活动中有了更大的用武之地。下面介绍数据挖掘在以下电子商务几个方面的作用:

(一)客户细分

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。通过对电子商务系统收集的交易数据进行分析,可以按各种客户指标(如自然属性、收入贡献、交易额、价值度等)对客户分类,然后确定不同类型客户的行为模式,以便采取相应的营销措施,促使企业利润的最大化。

(二)客户获得

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。也许很多因素表面上看起来和购买该种商品不存在任何联系,但数据挖掘的结果却证明它们之间有联系。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。

(三)客户保持

数据挖掘可以把你大量的客户分成不同的类,在每个类里的客户拥有相似的属性,而不同类里的客户的属性也不同。你完全可以做到给不同类的客户提供完全不同的服务来提高客户的满意度。数据挖掘还可以发现具有哪些特征的客户有可能流失,这样挽留客户的措施将具有针对性,挽留客户的费用将下降。

(四)交叉销售

交叉销售可以使企业比较容易地得到关于客户的丰富的信息,而这些大量的数据对于数据挖掘的准确性来说是有很大帮助的。在企业所掌握的客户信息,尤其是以前购买行为的信息中,可能正包含着这个客户决定他下一个购买行为的关键,甚至决定因素。这个时候数据挖掘的作用就会体现出来,它可以帮助企业寻找到这些影响他购买行为的因素。

版权声明: 请尊重本站原创内容,如需转载本范文,请注明原文出处:中国范文模板网
原文地址:http://www.fanwenmuban.com/lw/dzsw/189079.html

    相关评论

    评论列表(网友评论仅供网友表达个人看法,并不表明本站同意其观点或证实其描述)