论文部分内容阅读
[摘 要] 本文先对电子商务的概念进行了简单的介绍,其次,重点分析了数据发掘的功能与作用,以及其在电子商务中的应用。
[关键词] 数据发掘 电子商务 应用
随着网络技术和数据库技术的不断进步,传统的商务活动正面临着重大的变革,即向电子商务方向进军。电子商务化不仅为客户提供了更加方便的交易方式和更加广泛的选择[1],而且也为商家更加深入地了解顾客的需求与购物行为等资料提供了便捷。而数据挖掘技术,作为电子商务活动中的一种重要应用技术,也必将为有效地商业决策提供有力的支持和可靠的保障,是进行电子商务活动不可或缺的重要工具之一。
1、电子商务的概念
电子商务,这个名词英文全称是COMMERCE ELECTRONIC(简写为EC),是以计算机技术、网络技术和数据库技术,以及多媒体技术等为基础,再借助于Internet互联网,从而系统的、有效的组织商务贸易活动以实现商务交易过程的电子化[2]。电子商务的概念涉及很广,有很多优点,如可以缩短商务活动处理过程的时间,可以减少原来的商业成本,可以创新商业机会等,还具有电子商务自身的专业化、个性化和信息技术的智能化等显著特征。
2、数据挖掘的概念
数据挖掘,英文是Data Mining,[3]是指挖掘出数据仓库中存储着的海量数据,借此发现有意义的、新的关联模式与趋势的技术。
简单地说,数据挖掘是一种对商业信息进行处理的新技术,对商业数据库中存储的海量业务数据进行处理,包括抽取数据,并对其进行转换和分析,有时还需对其进行必要的模型化处理,提取出关键的对商业决策有帮助的有效数据。
数据挖掘技术最主要的优势在于,它能建立起预测型模型,而不是传统的一般的回顾总结型模型,数据挖掘技术功能强大,由此建立的预测性模型,可以帮助企业把相关的业务数据转化为对公司决策有用的符号信息,从而在电子商务活动中获得了广泛的应用。
3、数据挖掘在电子商务中的应用
(1)数据挖掘的功能和作用
电子商务中的数据挖掘技术意思是在业务数据库中发现、挖掘重要的信息,即从包含海量数据信息的大型数据库中提取出隐含着的、不平常的、有潜在价值的数据信息,此技术把数据库技术和人工智能技术甚至统计学科领域的理论技术结合起来,并进行综合运用。典型数据挖掘方法一般包括:关联分析,序列模式分析,分类分析,聚类分析。这些典型的技术在以客户为中心的电子商务活动中得到了很好的应用,下面就这四个方面分别进行介绍如图1示。
1)关联分析:即利用关联性规则进行数据的挖掘工作,关联分析所要达到的目的是挖掘数据之间隐藏的相互关系,比如,可以在数据库中挖掘出一名回头顾客在一次网购活动中同时购买商品A和商品B的可能性大小的相关数据信息知识。
2)序列模式分析。它和上述的关联分析很相似,但其侧重于分析业务数据之间的前后序列关系,比如,可以在数据库中挖掘出,一名回头顾客在一段时间内购买商品A,接着购买商品B,再购买商品C,即序列A-B-C出现的可能性之类的数据信息和知识。它所要描述的对象是存储在给定的数据库中的各个不同序列,它们是按照交易时间进行排列的一组交易集合。
3)分类分析。首先明确什么是示例数据库,即此数据库中的每一个记录信息都有一组具有不同特征的类别或者标记,分类分析是指利用存储在某一个示例数据库中的业务数据,为各个类别做出比较准确的描述,又或者是建立起和各个类别对应的分析模型,或者挖掘出进行分类的规则,然后再利用此分类规则对数据库中记录的另外数据信息进行分类。
4)聚类分析。聚类分析描述的是一组未进行分类的数据库记录信息,记录信息具体应分为多少类事先不知道,得先分析数据库中的记录数据,再根据分类规则划分记录信息集合,最后才确定下来每个记录所在的类别,此处的分类规则决定于聚类分析的工具,如用不同的聚类方法划分相同的记录信息可能会得出不同的划分类别。
(2)数据挖掘在电子商务营销中的应用
在电子商务中,数据挖掘技术可以跟踪客户的数据信息,分析客户的购买行为,并帮助商家快速、正确的做出决策。下面举出其在电子商务营销中的应用,见上图1。
在电子商务营销方面的应用[4]。它是以市场营销学的市场细分原理为基础的,它就是根据消费者过去的行为推断其今后的消费倾向,通过收集、加工和处理涉及消费者消费行为的大量信息,确定特定消费群体或个体过去的兴趣、消费习惯、消费倾向和消费需求,进而推断出相应消费群体或个体下一步的消费行为。
1)产品的生命周期策略:对购买商品时间上的挖掘,是指通过对商品的访问量和销售量情况做出分析,进而得到客户访问网站的规律,确定顾客的消费周期,进而在特定的时间内开展有针对性的促销活动,制定商品的相应优惠策略。
2)市场细分:通过聚类分析找出客户需求的共通之处,使得属于同类别的客户之间的需求距离尽量的小,不同类别的客户之间的距离尽量的大,进而分出不同的客户群,通过对客户信息特征的提取,分成更细的客户群市场,从而有针对性的提供服务。
3)制定合适的产品及定价策略:利用关联分析来分析顾客的网购行为[5],得出客户购买产品的相关度,喜欢哪些品牌,对价格的接受范围,以及对包装的要求等,从而正确的规划市场,确定商家推出的商品的种类和价格,以及对于新产品的投入等。
4、结束语
总之,通过对电子商务过程中的许多数据和信息的挖掘,可以为商务活动的顺利施行提供一定的决策基础,使得电子商务能够真正的更高效更好更快的发展。
参 考 文 献
[1]丁胜锋,陈东莉.Web数据挖掘及其在电子商务中的应用研究[J].商场现代化,2008 (10):62-63
[2]陈安,陈宁.数据挖掘技术及应用[M].科学出版社,2006:288-294.
[3]黄晓斌.网络信息挖掘[M].电子工业出版社,2005:160-185.
[4]David Olson,石勇.商业数据挖掘导论[M].机械工业出版社,2007:169-184
[5]葛志远.电子商务应用与技术[M].清华大学出版社,2005:355-366■
[关键词] 数据发掘 电子商务 应用
随着网络技术和数据库技术的不断进步,传统的商务活动正面临着重大的变革,即向电子商务方向进军。电子商务化不仅为客户提供了更加方便的交易方式和更加广泛的选择[1],而且也为商家更加深入地了解顾客的需求与购物行为等资料提供了便捷。而数据挖掘技术,作为电子商务活动中的一种重要应用技术,也必将为有效地商业决策提供有力的支持和可靠的保障,是进行电子商务活动不可或缺的重要工具之一。
1、电子商务的概念
电子商务,这个名词英文全称是COMMERCE ELECTRONIC(简写为EC),是以计算机技术、网络技术和数据库技术,以及多媒体技术等为基础,再借助于Internet互联网,从而系统的、有效的组织商务贸易活动以实现商务交易过程的电子化[2]。电子商务的概念涉及很广,有很多优点,如可以缩短商务活动处理过程的时间,可以减少原来的商业成本,可以创新商业机会等,还具有电子商务自身的专业化、个性化和信息技术的智能化等显著特征。
2、数据挖掘的概念
数据挖掘,英文是Data Mining,[3]是指挖掘出数据仓库中存储着的海量数据,借此发现有意义的、新的关联模式与趋势的技术。
简单地说,数据挖掘是一种对商业信息进行处理的新技术,对商业数据库中存储的海量业务数据进行处理,包括抽取数据,并对其进行转换和分析,有时还需对其进行必要的模型化处理,提取出关键的对商业决策有帮助的有效数据。
数据挖掘技术最主要的优势在于,它能建立起预测型模型,而不是传统的一般的回顾总结型模型,数据挖掘技术功能强大,由此建立的预测性模型,可以帮助企业把相关的业务数据转化为对公司决策有用的符号信息,从而在电子商务活动中获得了广泛的应用。
3、数据挖掘在电子商务中的应用
(1)数据挖掘的功能和作用
电子商务中的数据挖掘技术意思是在业务数据库中发现、挖掘重要的信息,即从包含海量数据信息的大型数据库中提取出隐含着的、不平常的、有潜在价值的数据信息,此技术把数据库技术和人工智能技术甚至统计学科领域的理论技术结合起来,并进行综合运用。典型数据挖掘方法一般包括:关联分析,序列模式分析,分类分析,聚类分析。这些典型的技术在以客户为中心的电子商务活动中得到了很好的应用,下面就这四个方面分别进行介绍如图1示。
1)关联分析:即利用关联性规则进行数据的挖掘工作,关联分析所要达到的目的是挖掘数据之间隐藏的相互关系,比如,可以在数据库中挖掘出一名回头顾客在一次网购活动中同时购买商品A和商品B的可能性大小的相关数据信息知识。
2)序列模式分析。它和上述的关联分析很相似,但其侧重于分析业务数据之间的前后序列关系,比如,可以在数据库中挖掘出,一名回头顾客在一段时间内购买商品A,接着购买商品B,再购买商品C,即序列A-B-C出现的可能性之类的数据信息和知识。它所要描述的对象是存储在给定的数据库中的各个不同序列,它们是按照交易时间进行排列的一组交易集合。
3)分类分析。首先明确什么是示例数据库,即此数据库中的每一个记录信息都有一组具有不同特征的类别或者标记,分类分析是指利用存储在某一个示例数据库中的业务数据,为各个类别做出比较准确的描述,又或者是建立起和各个类别对应的分析模型,或者挖掘出进行分类的规则,然后再利用此分类规则对数据库中记录的另外数据信息进行分类。
4)聚类分析。聚类分析描述的是一组未进行分类的数据库记录信息,记录信息具体应分为多少类事先不知道,得先分析数据库中的记录数据,再根据分类规则划分记录信息集合,最后才确定下来每个记录所在的类别,此处的分类规则决定于聚类分析的工具,如用不同的聚类方法划分相同的记录信息可能会得出不同的划分类别。
(2)数据挖掘在电子商务营销中的应用
在电子商务中,数据挖掘技术可以跟踪客户的数据信息,分析客户的购买行为,并帮助商家快速、正确的做出决策。下面举出其在电子商务营销中的应用,见上图1。
在电子商务营销方面的应用[4]。它是以市场营销学的市场细分原理为基础的,它就是根据消费者过去的行为推断其今后的消费倾向,通过收集、加工和处理涉及消费者消费行为的大量信息,确定特定消费群体或个体过去的兴趣、消费习惯、消费倾向和消费需求,进而推断出相应消费群体或个体下一步的消费行为。
1)产品的生命周期策略:对购买商品时间上的挖掘,是指通过对商品的访问量和销售量情况做出分析,进而得到客户访问网站的规律,确定顾客的消费周期,进而在特定的时间内开展有针对性的促销活动,制定商品的相应优惠策略。
2)市场细分:通过聚类分析找出客户需求的共通之处,使得属于同类别的客户之间的需求距离尽量的小,不同类别的客户之间的距离尽量的大,进而分出不同的客户群,通过对客户信息特征的提取,分成更细的客户群市场,从而有针对性的提供服务。
3)制定合适的产品及定价策略:利用关联分析来分析顾客的网购行为[5],得出客户购买产品的相关度,喜欢哪些品牌,对价格的接受范围,以及对包装的要求等,从而正确的规划市场,确定商家推出的商品的种类和价格,以及对于新产品的投入等。
4、结束语
总之,通过对电子商务过程中的许多数据和信息的挖掘,可以为商务活动的顺利施行提供一定的决策基础,使得电子商务能够真正的更高效更好更快的发展。
参 考 文 献
[1]丁胜锋,陈东莉.Web数据挖掘及其在电子商务中的应用研究[J].商场现代化,2008 (10):62-63
[2]陈安,陈宁.数据挖掘技术及应用[M].科学出版社,2006:288-294.
[3]黄晓斌.网络信息挖掘[M].电子工业出版社,2005:160-185.
[4]David Olson,石勇.商业数据挖掘导论[M].机械工业出版社,2007:169-184
[5]葛志远.电子商务应用与技术[M].清华大学出版社,2005:355-366■