据数据显示,2017年全年,天猫销售额接近2.1万亿,京东销售额接近1.3万亿,活跃用户数达2.9亿。随着大数据技术的不断发展,我国电商领域呈现蓬勃发展的态势,占据了大量的市场份额,成为了至关重要的市场。发展的同时,挑战也随之而来,用户的个性化需求越来越强,服务体验要求也越来越高。企业每天都会产生海量的用户网购行为数据,分析研究用户行为可以挖掘用户特征偏好,预测用户行为,为企业提供有价值的信息,应对用户的挑战。大数据技术为我国电商企业带来了新的机遇,能够为企业营销提供更加精准的数据支持。根据工信部的数据显示,大数据的利用率仅为0.4%,企业也没有形成一套系统的网购用户行为分析方法,某种程度上会阻碍电商企业的进一步发展,而且以往研究大多以定性分析为主,定量研究较少。为此,本文梳理了国内外相关文献,研究了基于大数据技术的用户网购行为精准分析方法。首先阐述了大数据、精准营销和消费者购买行为理论,界定和总结了本文的用户网购行为与用户网购的一般流程,梳理了国内电商平台的分析指标,并结合相关文献设计出了本文的用户网购行为分析指标体系与大数据库结构框架;然后介绍了聚类分析、关联规则和神经网络方法的原理和运用模式,并构建了集成三种分析方法的用户网购行为精准分析的系统运用模式;最后,根据设计的分析指标从大数据库采集样本数据,利用聚类方法对用户分类并总结3类用户的特征及网购情况,通过样本数据训练BP神经网络模型并对模型进行了验证,得出用户网购行为预测模型,用于预测用户是否会发生购买行为,以期为电商企业分析用户网购行为提供借鉴。