基于数据挖掘的营销策略研究论文

数据挖掘的算法及技术的应用的研究论文

摘要： 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。任何有数据管理和知识发现需求的地方都可以借助数据挖掘技术来解决问题。本文对数据挖掘的算法以及数据挖掘技术的应用展开研究, 论文对数据挖掘技术的应用做了有益的研究。

关键词： 数据挖掘; 技术; 应用;

引言: 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据是存储在计算机的数据库中的, 然后发展到可对数据库进行查询和访问, 进而发展到对数据库的即时遍历。数据挖掘使数据库技术进入了一个更高级的阶段, 它不仅能对过去的数据进行查询和遍历, 并且能够找出过去数据之间的潜在联系, 从而促进信息的传递。

一、数据挖掘概述

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。

二、数据挖掘的基本过程

(1) 数据选择:选择与目标相关的数据进行数据挖掘。根据不同的数据挖掘目标, 对数据进行处理, 不仅可以排除不必要的数据干扰, 还可以极大地提高数据挖掘的效率。 (2) 数据预处理:主要进行数据清理、数据集成和变换、数据归约、离散化和概念分层生成。 (3) 模式发现:从数据中发现用户感兴趣的模式的过程.是知识发现的主要的处理过程。 (4) 模式评估:通过某种度量得出真正代表知识的模式。一般来说企业进行数据挖掘主要遵循以下流程——准备数据, 即收集数据并进行积累, 此时企业就需要知道其所需要的是什么样的数据, 并通过分类、编辑、清洗、预处理得到客观明确的目标数据。数据挖掘这是最为关键的步骤, 主要是针对预处理后的数据进行进一步的挖掘, 取得更加客观准确的数据, 方能引入决策之中, 不同的企业可能采取的数据挖掘技术不同, 但在当前来看暂时脱离不了上述的挖掘方法。当然随着技术的进步, 大数据必定会进一步成为企业的立身之本, 在当前已经在很多领域得以应用。如市场营销, 这是数据挖掘应用最早的领域, 旨在挖掘用户消费习惯, 分析用户消费特征进而进行精准营销。就以令人深恶痛绝的弹窗广告来说, 当消费者有网购习惯并在网络上搜索喜爱的产品, 当再一次进行搜索时, 就会弹出很多针对消费者消费习惯的商品。

三、数据挖掘方法

1、聚集发现。

聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显.而同一个群之间的数据尽量相似.聚集在电子商务上的典型应用是帮助市场分析人员从客户基本库中发现不同的客户群, 并且用购买模式来刻画不同客户群的特征。此外聚类分析可以作为其它算法 (如特征和分类等) 的预处理步骤, 这些算法再在生成的簇上进行处理。与分类不同, 在开始聚集之前你不知道要把数据分成几组, 也不知道怎么分 (依照哪几个变量) .因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的意义。很多情况下一次聚集你得到的分群对你的业务来说可能并不好, 这时你需要删除或增加变量以影响分群的方式, 经过几次反复之后才能最终得到一个理想的结果.聚类方法主要有两类, 包括统计方法和神经网络方法.自组织神经网络方法和K-均值是比较常用的`聚集算法。

2、决策树。

这在解决归类与预测上能力极强, 通过一系列的问题组成法则并表达出来, 然后经过不断询问问题导出所需的结果。典型的决策树顶端是一个树根, 底部拥有许多树叶, 记录分解成不同的子集, 每个子集可能包含一个简单法则。

四、数据挖掘的应用领域

市场营销

市场销售数据采掘在销售业上的应用可分为两类:数据库销售和篮子数据分析。前者的任务是通过交互式查询、数据分割和模型预测等方法来选择潜在的顾客以便向它们推销产品, 而不是像以前那样盲目地选择顾客推销;后者的任务是分析市场销售数据以识别顾客的购买行为模式, 从而帮助确定商店货架的布局排放以促销某些商品。

金融投资

典型的金融分析领域有投资评估和股票交易市场预测, 分析方法一般采用模型预测法。这方面的系统有Fidelity Stock Selector, LBS Capital Management。前者的任务是使用神经网络模型选择投资, 后者则使用了专家系统、神经网络和基因算法技术辅助管理多达6亿美元的有价证券。

结论:数据挖掘是一种新兴的智能信息处理技术。随着相关信息技术的迅猛发展, 数据挖掘的应用领域不断地拓宽和深入, 特别是在电信、军事、生物工程和商业智能等方面的应用将成为新的研究热点。同时, 数据挖掘应用也面临着许多技术上的挑战, 如何对复杂类型的数据进行挖掘, 数据挖掘与数据库、数据仓库和Web技术等技术的集成问题, 以及数据挖掘的可视化和数据质量等问题都有待于进一步研究和探索。

参考文献

[1]孟强, 李海晨.Web数据挖掘技术及应用研究[J].电脑与信息技术, 2017, 25 (1) :59-62.

[2]高海峰.智能交通系统中数据挖掘技术的应用研究[J].数字技术与应用, 2016 (5) :108-108.

大数据技术在网络营销中的策略研究论文

从小学、初中、高中到大学乃至工作，说到论文，大家肯定都不陌生吧，论文的类型很多，包括学年论文、毕业论文、学位论文、科技论文、成果论文等。那要怎么写好论文呢？以下是我帮大家整理的大数据技术在网络营销中的策略研究论文，欢迎阅读与收藏。

摘要：

当今，随着信息技术的飞速发展，互联网用户的数量日益增加，进一步促进了电子商务的快速发展，并使企业能够更准确地获取消费者数据，大数据技术应运而生。该技术已被一些企业用于网络营销，并取得了显着的营销效果。本文基于大数据的网络营销进行分析，分析传统营销存在的问题和挑战，并对大数据技术在网络营销中的作用进行研究，最后针对性地提出一些基于大数据的网络营销策略，以促进相关企业在大数据时代加强网络营销，并取得良好的营销效果。

关键词：

大数据；网络营销；应用策略；营销效果；

一、前言

现代社会已经完全进入了信息时代，在移动互联网和移动智能设备飞速发展与普及之下，消费者的消费数据都不断被收集、汇总并处理，这促进了大数据技术的发展。大数据技术可以精准的分析消费者的习惯，借助大数据技术，商家可以针对顾客进行个性化营销，极大地提高了精准营销的效果，传统的营销方式难以做到这一点。因此，现代企业越来越重视发展网络营销，并期望通过大数据网络营销以增加企业利润。

二、基于大数据的网络营销概述

网络营销是互联网出现之后的概念，初期只是信息爆炸式的轰炸性营销。后来随着移动智能设备的普及、移动互联网的发展以及网络数据信息的海量增长，大数据技术应运而生。大数据技术是基于海量的数据分析，得出的科学性的结果，出现伊始就被首先应用于网络营销之中。基于大数据的网络营销非常精准，是基于海量数据分析基础上的定向营销方式，因此也叫着数据驱动营销。其主要是针对性对顾客进行高效的定向营销，最为常见的就是网络购物App中，每个人得到的物品推荐都有所区别；我们浏览网络时，会不断出现感兴趣的内容，这些都是大数据营销的结果。

应用大数据营销，企业可以精准定位客户，并根据客户的喜好与类型对产品与服务进行优化[1]，然后向目标客户精准推送。具体来说，基于大数据技术的精准网络营销过程涉及三个步骤：首先是数据收集阶段。企业需要通过微博、微信、QQ、企业论坛和网站等网络工具积极收集消费者数据；其次，数据分析阶段，这个阶段企业要将收集到的数据汇总，并进行处理形成大数据模型，并通过数据挖掘技术等高效的网络技术对数据进行处理分析，以得出有用的结论，比如客户的消费习惯、消费能力以及消费喜好等；最后，是营销实施阶段，根据数据分析的结果，企业要针对性地制定个性化的营销策略，并将其积极应用于网络营销以吸引客户进行消费。基于大数据的网络营销其基本的目的就是吸引客户主动参与到营销活动之中，从而提升营销效果和经济收益。

三、传统网络营销存在的一些问题

(一)传统网络营销计划主要由策划人主观决定，科学性不足

信息技术的迅速发展，使得很多企业难以跟上时代的步伐，部分企业思想守旧，没有跟上时代潮流并开展网络营销活动，而是仍然继续使用传统的网络营销模型和方式。即主要由策划人根据自己过去的经验来制定企业的营销策略，存在一定的盲目性和主观性，缺乏良好的信息支持[2]。结果，网络营销计划不现实，难以获得有效的应用，导致网络营销的效果不好。

(二)传统网络营销的互动性不足，无法进行准确的产品营销

传统的网络营销互动性较差，主要是以即时通信软件、邮箱、社交网站以及弹窗等推送营销信息，客户只能被动的接受信息，无法与企业进行良性互动和沟通，无法有效的表达自己的诉求，这导致了企业与客户之间的割裂，极大的影响了网络营销的效果。此外，即使一些企业获得了相关数据，也没有进行科学有效的分析，但却没有得到数据分析的结果，也没有根据客户的需求进行有效的调整，从而降低了营销活动的有效性。

(三)无法有效分析客户需求，导致客户服务质量差

当企业进行网络营销时，缺乏对相关技术的关注以及对客户需求的分析的缺乏会导致企业营销策略无法获得预期的结果。因此，企业只能指望出于营销目的向客户发布大量营销内容。这种营销效果非常糟糕。客户不仅将无法获得有价值的信息，而且此类信息的“轰炸”也会使他们感到烦躁和不耐烦，这将适得其反，并降低客户体验[3]。

四、将基于大数据的网络营销如何促进传统的网络营销

(一)使网络营销决策更科学，更明智

在传统的网络营销中，经理通常根据过去的经验来制定企业的营销策略，盲目性和主观性很多，缺乏可靠的数据。基于大数据的网络营销使用可以有效地收集有关市场交易和客户消费的数据，并利用数据挖掘技术等网络技术对收集到的数据进行全面科学的分析与处理，从中提取有用的相关信息，比如客户的消费习惯、喜好、消费水平以及行为特征等，从而制定针对客户的个性化营销策略，此外，企业还可以通过数据分析获得市场发展变化的趋势以及客户消费行为的趋势，从而对未来的市场形势作出较为客观的判断，进而帮助企业针对未来一段时间内的行为制定科学合理的'网络营销策略，提升企业的效益[4]。

(二)大大提高了网络营销的准确性

如今，大数据驱动的精准网络营销已成为网络营销的新方向。为了有效地实现这一目标，企业需要在启动网络营销之前依靠大数据技术来准确分析大量的客户数据，以便有效地捕获客户的消费需求，并结合起来制定准确的网络营销策略[5]。此外，在实施网络营销策略后，积极收集客户反馈结果并重新分析客户评论，使企业对客户的实际需求有更深刻的了解，然后制定有效的营销策略。如果某些企业无法有效收集客户反馈信息，则可以收集客户消费信息和历史消费信息，然后对这些数据进行准确的分析，从而改善企业的原始网络营销策略并进行促销以获取准确的信息，进而制定有效的网络营销策略。

(三)显着提高对客户网络营销服务水平

通过利用大数据进行准确的网络营销，企业可以大大改善客户服务水平。这主要体现在两个方面：一方面可以使用大数据准确地分析客户的实际需求，以便企业可以进行有针对性的的营销策略，可以大大提高客户服务质量。另一方面，使企业可以有效地吸收各种信息，例如客户兴趣、爱好和行为特征，以便向每个客户发布感兴趣的推送内容，以便客户可以接收他们真正需要的信息，提高客户满意度。

五、基于大数据的网络营销优势

(一)提高网络营销广告的准确性

在传统的网络营销中，企业倾向于使用大量无法为企业带来相应经济利益的网络广告进行密集推送，效率低下。因此，必须充分利用大数据技术来提高网络营销广告的准确性。首先，根据客户的情况制定策略并推送合适的广告，消费场景在很大程度上影响了消费者的购买情绪，并可以直接确定消费者的购买行为。如果客户在家中购买私人物品，则他们第二天在公司工作时，却同送前一天相关私人物品的各种相关的广告。前一天的搜索行为引起的问题可能会使消费者处于非常尴尬的境地，并影响他们的购买情绪。这表明企业需要有效地识别客户消费场景并根据这些场景发布更准确的广告[6]。一方面，通过IP地址来确定客户端在网络上的位置。客户在公共场所时，广告内容应简洁明了。另一方面，可以通过指定时间段来确定推送通知的内容。在正确的时间宣传正确的内容。其次，提高客户选择广告的自主权。在传统的网络营销中，企业通常采用弹出式广告，插页式广告和浮动广告的形式来强力吸引客户的注意力，从而引起强烈的客户不满。一些客户甚至会毫不犹豫地购买广告拦截软件，以防止企业广告。在这方面，大数据技术可用于改善网络广告的形式和内容并提高其准确性。

(二)提高网络营销市场的定位精度

在诸如电子邮件营销和微信营销之类的网络营销方法中，一个普遍现象是企业拥有大量的粉丝，并向这些粉丝发送了大量的营销信息，但是却没有得到较好的反馈，营销效果较差。造成这种现象的主要原因是企业产品的市场定位不正确。可以通过以下几个方面来提高网络营销市场中的定位精度：

1、分析客户数据并确定产品在市场上的定位：

首先，收集大量基本数据并创建客户数据库。在此过程中，应格外小心，以确保收集到的有关客户的信息是全面的。因此，可以使用各种方法和渠道来收集客户数据。例如，可以通过论坛、企业官方网站、即时通信软件以及购物网站等全面的收集客户的各种信息。收集完成后利用高效的数据分析处理技术对信息进行处理，并得出结果，包括客户的年龄、收入、习惯以及消费行为等结果，然后根据结果对企业的产品进行定位，并与客户的需求相匹配，进而明确市场[7]。

2、通过市场调查对产品市场定位进行验证：

在利用大数据及时对企业产品进行市场定位之后，有必要对进一步进行市场调查，以进一步清晰产品的市场定位，如果市场调查取得较为满意的效果，则表明网络营销策略较为成功，可以加大推广力度以促进产品的销售，如果效果不满意，则要积极分析问题，寻找原因并提出针对性的解决改进措施，以获得较为满意的结果[8]。

3、建立客户反馈机制：

客户反馈机制可以有效的帮助企业改进产品营销策略，主要体现有两个主要功能：一是营销产品在市场初步定为成功后可以通过客户反馈积极征询客户的意见，并进一步改进产品，确保产品更适应市场；二是如果营销产品市场定位不成功，取得的效果不佳，可以通过客户反馈概括定位失败的原因，这将有助于将来的产品准确定位。

(三)增强网络营销服务的个性化

为了增强网络营销服务的个性化，企业不仅必须能够使用大数据识别客户的身份，而且还必须能够智能地设计个性化服务。首先，通过大数据了解客户的身份。一方面，随着网络的日益普及，企业可以在网络上收集客户各个方面的信息。但是，众所周知，由于互联网管理的不规范与复杂性，大多数信息不是高度可靠的，甚至某些信息之间存在着极为明显的矛盾。因此，如果企业想要通过大数据来了解其客户的身份，则必须首先确保所收集的信息是可信且准确的。另一方面，企业必须能够从大量的客户信息中选择最能体现其个性的关键信息，并降低分析企业数据的成本[9]。二是合理设计个性化服务。个性化服务的合理设计要求企业在两个方面进行运营：一方面，由于现实环境的限制，企业无法一一满足所有客户的个性化需求。这就要求企业尽一切努力来满足一部分客户的个性化需求，并根据一般原则开发个性化服务。另一方面，如果完全根据客户的个人需求向他们提供服务，则企业的服务成本将不可避免地急剧上升。因此，企业应该对个性化客户服务进行详细分析，并尝试以适合其个人需求的方式为客户提供服务，而不会给企业造成太大的财务负担。

六、基于大数据网络营销策略

使用大数据的准确网络营销模型基本上包括以下步骤。首先，收集有关客户的大量信息；其次，通过数据分类和分析选择目标客户；第三，根据分析的信息制定准确的网络营销计划；第四，执行营销计划；第五，评估营销结果并计算营销成本；第六，在评估过程的基础上，进一步改善，然后更准确地筛选目标客户。在持续改进的过程中，上述过程可以改善网络营销。因此，在大数据时代，电子商务企业必须突破原始的广泛营销理念，并采用新的营销策略。

(一)客户档案策略

客户档案意味着在收集了有关每个人的基本信息之后，可以大致了解每个人的主要销售特征。客户档案是准确进行电子商务促销的重要基础，也是实现精确营销目标的极其重要的环节。电子商务企业利用客户档案策略可以获得巨大收益。首先，借助其专有的销售平台，电子商务企业可以轻松，及时且可靠地收集客户使用情况数据。其次，在传统模型中收集数据时，由于需要控制成本，因此经常使用抽样来评估数据的一般特征[10]。大数据时代的数据收集模型可以减少错误并提高数据准确性。当分析消费者行为时最好以目标消费者为目标。消费者行为分析是对客户的消费目的和消费能力的分析，可帮助电子商务企业更好地选择合适的目标客户。在操作中，电子商务企业需要在创建数据库后继续优化分析结果，以最大程度地分析消费者的偏好。

(二)满足需求策略

为了满足多数人的需求，传统的营销方法逐渐变得更加同质。结果，难以满足少数客户的特殊需求，并且导致利润损失。基于大数据客户档案技术的电子商务企业可以分析每个客户的需求，并采取差异化人群的不同需求最大化的策略，从而获取较大的利润。为了满足每个客户的需求，最重要的是实现差异化，而不仅仅是满足多数人的需求，因此必须准确地分析客户的需求，还必须根据客户的需求提供更多个性化的产品[11]。比如当前，定制行业非常流行，卖方可以根据买方提供的信息定制独特的产品，该产品的利润率远高于批量生产线。

(三)客户服务策略

随着网络技术的逐步发展，电子商务企业和客户可以随时进行通信，这基本上消除了信息不对称的问题，使客户可以更好地了解他们想要购买的产品以及遇到问题时的情况。当出现问题时，可以第一时间解决，提高交易速度。因此，当电子商务企业制定用于客户服务的营销策略时，一切都以客户为中心。为了更好地实施此策略，必须首先改善数据库并加深对客户需求的了解[12]。二是提高售前、售后服务质量，开展集体客户服务培训，缩短客户咨询等待时间，改善客户服务。最后，我们必须高度重视消费者对产品和服务的评估，及时纠正不良评论，并鼓励消费者进行更多评估，良好的服务态度和高质量的产品可以大大提高目标客户对产品的忠诚度，并且可以吸引消费者进行第二次购买。

(四)多平台组合策略

在信息时代，人们可以在任何地方看到任何信息，这也将分散他们的注意力，并且重新定向他们的注意力已经成为一个大问题。如果希望得到更多关注，则可以组合跨多个平台的营销策略，并在网络平台和传统平台上混合营销。网络平台可以更好地定位自己并吸引更多关注，而传统平台则可以更好地激发人们的购买欲望。平台融合策略可以帮助电子商务企业扩大获取客户的渠道，不同渠道的用户购买趋势不同，可以改善数据库[13]。

七、结语

总体而言，大数据时代不仅给网络营销带来了挑战，而且还带来了新的机遇。大数据分析不仅可以提高准确营销的效果，更好地服务消费者，改变传统的被动营销形式，并提升网络营销效果。

参考文献

[1]刘俭云.大数据精准营销的网络营销策略分析[J].环球市场，2019(16):98.

[2]栗明，曾康有.大数据时代下营业网点的精准营销[J].金融科技时代，2019(05):14-19.

[3]刘莹.大数据背景下网络媒体广告精准营销的创新研究[J].中国商论，2018(19):58-59.

[4]李研，高书波，冯忠伟.基于运营商大数据技术的精准营销应用研究[J].信息技术，2017(05):178-180.

[5]袁征.基于大数据应用的营销策略创新研究[J].中国经贸导刊(理论版),2017(14):59-62.

[6]邱媛媛.基于大数据的020平台精准营销策略研究[J].齐齐哈尔大学学报(哲学社会科学版),2016(12):60-62.

[7]张龙辉.基于大数据的客户细分模型及精确营销策略研究[J].河北工程大学学报(社会科学版),2017,34(04):27-28.

[8]李巧丹.基于大数据的特色农产品精准营销创新研究——以广东省中市山为例[J].江苏农业科学，2017,45(06):318-321.

[9]孙洪池，林正杰.基于大数据的B2C网络精准营销应用研究——以中国零售商品型企业为例[J].全国流通经济，2016(12):3-6.

[10]赵玉欣，王艳萍，关蕾.大数据背景下电商企业精准营销模式研究[J].现代商业，2018(15):46-47.

[11]张冠凤.基于大数据时代下的网络营销模式分析[J].现代商业，2014(32):59-60.

[12]王克富.论大数据视角下零售业精准营销的应用实现[J].商业经济研究，2015(06):50-51.

[13]陈慧，王明宇.大数据：让网络营销更“精准”[J].电子商务，2014(07):32-33.

Web数据挖掘技术探析论文

在日复一日的学习、工作生活中，大家或多或少都会接触过论文吧，论文对于所有教育工作者，对于人类整体认识的提高有着重要的意义。那么你知道一篇好的论文该怎么写吗？以下是我收集整理的Web数据挖掘技术探析论文，供大家参考借鉴，希望可以帮助到有需要的朋友。

引言

当前，随着网络技术的发展和数据库技术的迅猛发展，有效推动了商务活动由传统活动向电子商务变革。电子商务就是利用计算机和网络技术以及远程通信技术，实现整个商务活动的电子化、数字化和网络化。基于Internet的电子商务快速发展，使现代企业积累了大量的数据，这些数据不仅能给企业带来更多有用信息，同时还使其他现代企业管理者能够及时准确的搜集到大量的数据。访问客户提供更多更优质的服务，成为电子商务成败的关键因素，因而受到现代电子商务经营者的高度关注，这也对计算机web数据技术提出了新的要求，Web数据挖掘技术应运而生。它是一种能够从网上获取大量数据，并能有效地提取有用信息供企业决策者分析参考，以便科学合理制定和调整营销策略，为客户提供动态、个性化、高效率服务的全新技术。目前，它已成为电子商务活动中不可或缺的重要载体。

计算机web数据挖掘概述

1.计算机web数据挖掘的由来

计算机Web数据挖掘是一个在Web资源上将对自己有用的数据信息进行筛选的过程。Web数据挖掘是把传统的数据挖掘思想和方法移植到Web应用中，即从现有的Web文档和活动中挑选自己感兴趣且有用的模式或者隐藏的数据信息。计算机Web数据挖掘可以在多领域中展示其作用，目前已被广泛应用于数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等多个方面，其中对商务活动的变革起到重大的推动作用方面最为明显。

2.计算机Web数据挖掘含义及特征

(1)Web数据挖掘的含义

Web数据挖掘是指数据挖掘技术在Web环境下的应用，是一项数据挖掘技术与WWW技术相结合产生的新技术，综合运用到了计算机语言、Internet、人工智能、统计学、信息学等多个领域的技术。具体说，就是通过充分利用网络(Internet)，挖掘用户访问日志文件、商品信息、搜索信息、购销信息以及网络用户登记信息等内容，从中找出隐性的、潜在有用的和有价值的信息，最后再用于企业管理和商业决策。

(2)Web数据挖掘的特点

计算机Web数据挖掘技术具有以下特点：一是用户不用提供主观的评价信息;二是用户“访问模式动态获取”不会过时;三是可以处理大规模的数据量，并且使用方便;四是与传统数据库和数据仓库相比，Web是一个巨大、分布广泛、全球性的信息服务中心。

(3)计算机web数据挖掘技术的类别

web数据挖掘技术共有三类：第一类是Web使用记录挖掘。就是通过网络对Web日志记录进行挖掘，查找用户访问Web页面的模式及潜在客户等信息，以此提高其站点所有服务的竞争力。第二类是Web内容挖掘。既是指从Web文档中抽取知识的过程。第三类是Web结构挖掘。就是通过对Web上大量文档集合的内容进行小结、聚类、关联分析的方式，从Web文档的组织结构和链接关系中预测相关信息和知识。

计算机web数据挖掘技术与电子商务的关系

借助计算机技术和网络技术的日臻成熟，电子商务正以其快速、便捷的特点受到越来越多的企业和个人的关注。随着电子商务企业业务规模的不断扩大，电子商务企业的商品和客户数量也随之迅速增加，电子商务企业以此获得了大量的数据，这些数据正成为了电子商务企业客户管理和销售管理的重要信息。为了更好地开发和利用这些数据资源，以便给企业和客户带来更多的便利和实惠，各种数据挖掘技术也逐渐被应用到电子商务网站中。目前，基于数据挖掘(特别是web数据挖掘)技术构建的电子商务推荐系统正成为电子商务推荐系统发展的一种趋势。

计算机web数据挖掘在电子商务中的具体应用

(1)电子商务中的web数据挖掘的过程

在电子商务中，web数据挖掘的过程主要有以下三个阶段：既是数据准备阶段、数据挖掘操作阶段、结果表达和解释阶段。如果在结果表达阶段中，分析结果不能让电子商务企业的决策者满意，就需要重复上述过程，直到满意为止。

(2)Web数据挖掘技术在电子商务中的应用

目前，电子商务在企业中得到广泛应用，极大地促进了电子商务网站的兴起，经过分析一定时期内站点上的用户的访问信息，便可发现该商务站点上潜在的客户群体、相关页面、聚类客户等数据信息，企业信息系统因此会获得大量的数据，如此多的数据使Web数据挖掘有了丰富的数据基础，使它在各种商业领域有着更加重要的.实用价值。因而，电子商务必将是未来Web数据挖掘的主攻方向。Web数据挖掘技术在电子商务中的应用主要包含以下几方面：

一是寻找潜在客户。电子商务活动中，企业的销售商可以利用分类技术在Internet上找到潜在客户，通过挖掘Web日志记录等信息资源，对访问者进行分类，寻找访问客户共同的特征和规律，然后从已经存在的分类中找到潜在的客户。

二是留住访问客户。电子商务企业通过商务网站可以充分挖掘客户浏览访问时留下的信息，了解客户的浏览行为，然后根据客户不同的爱好和要求，及时做出让访问客户满意的页面推荐和专属性产品，以此来不断提高网站访问的满意度，最大限度延长客户驻留的时间，实现留住老客户发掘新客户的目的。

三是提供营销策略参考。通过Web数据挖掘，电子商务企业销售商能够通过挖掘商品访问情况和销售情况，同时结合市场的变化情况，通过聚类分析的方法，推导出客户访问的规律，不同的消费需求以及消费产品的生命周期等情况，为决策提供及时而准确的信息参考，以便决策者能够适时做出商品销售策略调整，优化商品营销。

四是完善商务网站设计。电子商务网站站点设计者能够利用关联规则，来了解客户的行为记录和反馈情况，并以此作为改进网站的依据，不断对网站的组织结构进行优化来方便客户访问，不断提高网站的点击率。

结语

本文对Web数据挖掘技术进行了综述，讲述了其在电子商务中广泛应用。可以看出，随着计算机技术和数据库技术快速发展，计算机Web数据技术的应用将更加广泛，Web数据挖掘也将成为非常重要的研究领域，研究前景巨大、意义深远。目前，我国的Web数据应用还处于探索和起步阶段，还有许多问题值得深入研究。

摘要： 该文通过介绍电子商务及数据挖掘基本知识，分别从几个方面分析了电子商务中WEB数据挖掘技术的应用。

关键词： 电子商务；数据挖掘；应用

1概述

电子商务是指企业或个人以网络为载体，应用电子手段，利用现代信息技术进行商务数据交换和开展商务业务的活动。随着互联网的迅速发展，电子商务比传统商务具有更明显的优势，由于电子商务具有方便、灵活、快捷的特点，使它已逐渐成为人们生活中不可缺少的活动。目前电子商务平台网站多，行业竞争强，为了获得更多的客户资源，电子商务网站必须加强客户关系管理、改善经营理念、提升售后服务。数据挖掘是从数据集中识别出隐含的、潜在有用的、有效的，新颖的、能够被理解的信息和知识的过程。由数据集合做出归纳推理，从中挖掘并进行商业预判，能够帮助电子商务企业决策层依据预判，对市场策略调整，将企业风险降低,从而做出正确的决策，企业利润将最大化。随着电子商务的应用日益广泛，电子商务活动中会产生大量有用的数据，如何能够数据挖掘出数据的参考价值？研究客户的兴趣和爱好，对客户分门别类，将客户心仪的商品分别推荐给相关客户。因此,如何在电子商务平台上进行数据挖掘成为研究的热点问题。

2数据挖掘技术概述

数据挖掘（DataMining），也称数据库中的知识发现（KnowledgeDiscoveryinDatabase，KDD）。数据挖掘一般是指从海量数据中应用算法查找出隐藏的、未知的信息的过程。数据挖掘是一个在大数据资源中利用分析工具发现模型与数据之间关系的一个过程，数据挖掘对决策者寻找数据间潜在的某种关联，发现隐藏的因素起着关键作用。这些模式是有潜在价值的、并能够被理解的。数据挖掘将人工智能、机器学习、数据库、统计、可视化、信息检索、并行计算等多个领域的理论与技术融合在一起的一门多学科交叉学问，这些学科也对数据挖掘提供了很大的技术支撑。

3Web数据挖掘特点

Web数据挖掘就是数据挖掘在Web中的应用。Web数据挖掘的目的是从万维网的网页的内容、超链接的结构及使用日志记录中找到有价值的数据或信息。依据挖掘过程中使用的数据类别，Web数据挖掘任务可分为：Web内容挖掘、Web结构挖掘、Web使用记录挖掘。

1）Web内容挖掘指从网页中提取文字、图片或其他组成网页内容的信息，挖掘对象通常包含文本、图形、音视频、多媒体以及其他各种类型数据。

2）Web结构挖掘是对Web页面之间的结构进行挖掘，挖掘描述内容是如何组织的，从Web的超链接结构中寻找Web结构和页面结构中的有价值模式。例如从这些链接中，我们可以找出哪些是重要的网页，依据网页的主题，进行自动的聚类和分类，为了不同的目的从网页中根据模式获取有用的信息，从而提高检索的质量及效率。

3）Web使用记录挖掘是根据对服务器上用户访问时的访问记录进行挖掘的方法。Web使用挖掘将日志数据映射为关系表并采用相应的数据挖掘技术来访问日志数据，对用户点击事件的搜集和分析发现用户导航行为。它用来提取关于客户如何浏览和使用访问网页的链接信息。如访问了哪些页面？在每个页面中所停留的时间？下一步点击了什么？在什么样的路线下退出浏览的？这些都是Web使用记录挖掘所关心要解决的问题。

4电子商务中Web挖掘中技术的应用分析

1）电子商务中序列模式分析的应用

序列模式数据挖掘就是要挖掘基于时间或其他序列的模式。如在一套按时间顺序排列的会话或事务中一个项目有存在跟在另一个项目后面。通过这个方法，WEB销售商可以预测未来的访问模式，以帮助针对特定用户组进行广告排放设置。发现序列模式容易使客户的行为被电子商务的组织者预测，当用户浏览站点时，尽可能地迎合每个用户的浏览习惯并根据用户感兴趣的内容不断调整网页，尽可能地使每个用户满意。使用序列模式分析挖掘日志，可以发现客户的访问序列模式。在万维网使用记录挖掘应用中，序列模式挖掘可以用于捕捉用户路径之中常用的导航路径。当用户访问电子商务网站时，网站管理员能够搜索出这个访问者的对该网站的访问序列模式，将访问者感兴趣但尚未浏览的页面推荐给他。序列模式分析还能分析出商品购买的前后顺序，从而向客户提出推荐。例如在搜索引擎是发出查询请求、浏览网页信息等，会弹出与这些信息相关的广告。例如购买了打印机的用户，一般不久就会购买如打印纸、硒鼓等打印耗材。优秀的推荐系统将为客户建立一个专属商店,由每个客户的特征来调整网站的内容。也能由挖掘出的一些序列模式分析网站及产品促销的效果。

2）电子商务中关联规则的应用

关联规则是揭示数据之间隐含的相互关系，关联分析的任务是发现事物间的关联规则或相关程序。关联规则挖掘的目标是在数据项目中找出每一个数据信息的内在关系。关联规则挖掘就是要搜索出用户在服务器上访问的内容、页面、文件之间的联系，从而改进电子商务网站设计。可以更好在组织站点，减少用户过滤网站信息的负担，哪些商品顾客会可能在一次购物时同时购买？关联规则技术能够通过购物篮中的不同商品之间的联系，分析顾客的购物习惯。例如购买牛奶的顾客90%会同时还购买面包，这就是一条关联规则，如果商店或电子商务网站将这两种商品放在一起销售，将会提高它们的销量。关联规则挖掘目标是利用工具分析出顾客购买商品间的联系，也即典型购物篮数据分析应用。关联规则是发现同类事件中不同项目的相关性，例如手机加充电宝，鼠标加鼠标垫等购买习惯就属于关联分析。关联规则挖掘技术可以用相应算法找出关联规则，例如在上述例子中，商家可以依据商品间的关联改进商品的摆放，如果顾客购买了手机则将充电宝放入推荐的商品中，如果一些商品被同时购买的概率较大，说明这些商品存在关联性，商家可以将这些有关联的商品链接放在一起推荐给客户,有利于商品的销售，商家也根据关联有效搭配进货，提升商品管理水平。如买了灯具的顾客，多半还会购买开关插座，因此，一般会将灯具与开关插座等物品放在一个区域供顾客选购。依据分析找出顾客所需要的商品的关联规则，由挖掘分析结果向顾客推荐所需商品，也即向顾客提出可能会感兴趣的商品推荐，将会大大提高商品的销售量。

3）电子商务中路径分析技术的应用

路径分析技术通过对Web服务器的日志文件中客户访问站点的访问次数的分析，用来发现Web站点中最经常访问的路径来调整站点结构，从而帮助使用用户以最快的速度找到其所需要的产品或是信息。例如在用户访问某网站时，如果有很多用户不感兴趣的页面存在，就会影响用户的网页浏览速度，从而降低用户的浏览兴趣，同时也会使整个站点的维护成本提高。而利用路径分析技术能够全面地掌握网站各个页面之间的关联以及超链接之间的联系，通过分析得出访问频率最高的页面，从而改进网站结构及页面的设计。

4）电子商务中分类分析的应用

分类技术在根据各种预定义规则进行用户建模的Web分析应用中扮演着很重要的角色。例如，给出一组用户事务，可以计算每个用户在某个期间内购买记录总和。基于这些数据，可以建立一个分类模型，将用户分成有购买倾向和没有购买倾向两类，考虑的特征如用户统计属性以及他们的导航活动。分类技术既可以用于预测哪些购买客户对于哪类促销手段感兴趣，也可以预测和划分顾客类别。在电子商务中通过分类分析，可以得知各类客户的兴趣爱好和商品购买意向，因而发现一些潜在的购买客户，从而为每一类客户提供个性化的网络服务及开展针对性的商务活动。通过分类定位模型辅助决策人员定位他们的最佳客户和潜在客户，提高客户满意度及忠诚度，最大化客户收益率，以降低成本，增加收入。

5）电子商务中聚类分析的应用

聚类技术可以将具有相同特征的数据项聚成一类。聚类分析是对数据库中相关数据进行对比并找出各数据之间的关系，将不同性质特征的数据进行分类。聚类分析的目标是在相似的基础上收集数据来分类。根据具有相同或相似的顾客购买行为和顾客特征，利用聚类分析技术将市场有效地细分，细分后应可每类市场都制定有针对性的市场营销策略。聚类分别有页面聚类和用户聚类两种。用户聚类是为了建立拥有相同浏览模式的用户分组，可以在电子中商务中进行市场划分或给具有相似兴趣的用户提供个性化的Web内容，更多在用户分组上基于用户统计属性（如年龄、性别、收入等）的分析可以发现有价值的商业智能。在电子商务中将市场进行细化的区分就是运用聚类分析技术。聚类分析可根据顾客的购买行为来划分不同顾客特征的不同顾客群，通过聚类具有类似浏览行为的客户，让市场人员对顾客进行类别细分，能够给顾客提供更人性化的贴心服务。比如通过聚类技术分析，发现一些顾客喜欢访问有关汽车配件网页内容，就可以动态改变站点内容，让网络自动地给这些顾客聚类发送有关汽车配件的新产品信息或邮件。分类和聚类往往是相互作用的。在电子商务中通过聚类行为或习性相似的顾客，给顾客提供更满意的服务。技术人员在分析中先用聚类分析将要分析的数据进行聚类细分，然后用分类分析对数据集合进行分类标记，再将该标记重新进行分类，一直如此循环两种分析方法得到相对满意的结果。

5结语

随着互联网的飞速发展，大数据分析应用越来越广。商业贸易中电子商务所占比例越来越大，使用web挖掘技术对商业海量数据进行挖掘处理，分析客户购买喜好、跟踪市场变化，调整销售策略，对决策者做出有效决策及提高企业的市场竞争力有重要意义。

参考文献：

[1]庞英智.Web数据挖掘技术在电子商务中的应用[J].情报科学,2011,29(2):235-240.

[2]马宗亚,张会彦.Web数据挖掘技术在电子商务中的应用研究[J].现代经济信息,2014(6):23-24.

[3]徐剑彬.Web数据挖掘技术在电子商务中的应用[J].时代金融，2013(4):

[4]周世东.Web数据挖掘在电子商务中的应用研究[D].北京交通大学,2008.

[5]段红英.Web数据挖掘技术在电子商务中的应用[J].陇东学院学报,2009(3):32-34.