近年来,随着网络科技以及移动客户端的快速发展,加速了网购用户的热潮,电子商务的发展已经成为影响经济的关键因素,同时用户在网购过程中,产生大量的用户访问数据和交易数据,这些数据看似杂乱但包含巨大的商业价值,电子商务迫切需要对自身的数据信息和相关联数据进行挖掘,从而能取得竞争优势。Web数据挖掘技术也成为了高校和企业的重点研究热点。本文针对实际需求,编写爬虫抓取用户交易数据,并连续抓取淘宝某些商品的销量数据作为研究数据源。首先,介绍了当前Web数据挖掘在电子商务的应用,主要集中在物品个性化推荐,根据其推荐算法不同,有不同类别的个性化推荐系统,各有优缺点。当前电子商务网站最主要的还是在基于用户和物品的关联规则推荐。其次,重点介绍模糊聚类算法在客户群划分上的应用,对客户交易数据进行处理,实现模糊聚类算法对其进行分类,根据每类具有的特性对客户进行聚类分析,从而提供商业指导,对客户的喜好偏爱以及商品价格消费区间,以及对电商站点的贡献度,是否是优质客户源,是否是基础客户源或者需要保持的重点客户源等进行研究分类。从而根据数据源,模糊聚类算法在该功能有着很好的聚类效果,将客户划分更加明细。最后,介绍数据抓取技术、安全策略和爬虫主要的模块,包括存储模块、爬虫模块和部署实时监控模块。同时,对抓取的淘宝网的30天的商品销售数据进行拟合幂律分布,以时间序列对商品销量和营业额进行预测分析,采用可视化算法将时间序列数据映射到复杂网络,研究电商销量时间序列分布特点以及波动特性的区别,关注消费者对商品价格以及销售活动等敏感度相关性。