数据挖掘在电子商务上的应用

《数据挖掘在电子商务上的应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、数据挖掘在电子商务中的应用学号：姓名：班级： 摘要：随着数据挖掘技术的发展和电子商务的普及，将数据挖掘技术应用到电子商务中可以解决电子商务中数据量庞大的问题，从而获得真正有价值的信息。通过分析电子商务应用数据挖掘的必要性和可行性, 概述数据挖掘的一些挖掘技术, 重点介绍了数据挖掘在电子商务中的实际应用, 包括营销、电子商务系统规划和系统安全、客户关系管理以及网络广告方面的应用。 关键词：数据挖掘技术；电子商务；客户关系管理 引言 ：电子商务是网络时代的一种全新的商务模式，其由于Internet的迅速普及和

2、发展而引起了越来越多的学者关注，研究人员希望充分发挥电子商务优势，从而获取更大的经济效益。在电子商务中采用数据挖掘的方法和思想，帮助电子商务网站把真正有价值的知识从海量的信息提取出来，从而更好地为电子商务网站的客户提供更方便的服务以及指导企业决策已经成为了当前研究的热点。数据挖掘是一种全新的信息技术，其是伴随着数据库技术的发展而出现的，其融合了统计学、人工智能以及数据库等众多学科内容，借助从大量的数据中挖掘出未知、有用和有效的信息，从而更好地为电子商务网站服务。随着计算机技术、因特网技术、通讯技术的发展推

3、动着电子商务的迅速发展， 电子商务过程产生大量的电子数据， 通过运用数据挖掘技术可以发现和提取这些信息中隐含的未知的有价值的信息， 形成知识。如何对这些数据进行分析和挖掘， 以充分了解客户的喜好、购买模式， 甚至是客户一时的冲动， 进而设计出满足于不同客户群体需要的个性化网站， 增加自己的竞争力， 似乎已变得势在必行。若想在竞争中生存和获胜， 你就得比你的竞争对手更了解客户。数据挖掘是从大量的数据中自动地抽取潜在的、有价值的知识、模型或规则的过程。在网络时代， 数据挖掘技术当然也自然而然地被应用到对电子商

4、务网站的海量数据进行分析和处理中来。在对电子商务网站进行数据挖掘时， 所需要的数据主要来自两个方面: 一是客户的背景信息。这部分信息主要来自客户的登记表; 二是浏览者的点击流。这部分数据主要用于考察客户的行为表现。但是， 有时客户对自己的背景信息十分珍重， 不肯把这部分信息填写在登记表上， 这就会给数据分析和挖掘带来不便。在这种情况之下， 就不得不从浏览者的表现数据中来推测客户的背景信息， 进而再加以利用。  一、 数据挖掘在电子商务中应用的必要性和可行性 电子商务就是采用数字化电子方式进行商务数据交换和

5、开展商务业务活动。电子商务由于应用了计算机网络技术， 特别是因特网之后， 以其本身的优势对传统的商务活动产生巨大的冲击。具体的优势主要有： ( 1) 服务不受时间的限制， 一般可以实现的商务活动。( 2) 能实现全球的资源共享， 特别B2B 的电子商务模式的发展， 使得在全球采购原材料和全球销售变得 更加简单和方便。( 3) 大大降低了成本。首先可以免去高昂的房租， 可减去旅行费用，减少广告宣传费用， 也能减少时间成本。( 4) 方便进行客户关系管理和维护。( 5) 电子商务中能够减少库存， 方便供应链管

6、理。电子商务一般都是由一些系统组成， 在电子商务过程中产生了大量的数据， 有了这些数据就有了进行数据挖掘的基础。电子商务活动中产生数据有其自身的特点， 把数据挖掘技术和电子商务相结合， 选用适合电子商务数据的挖掘方法， 可以提高数据挖掘的效率， 让数据挖掘更好地为电子商务服务。在电子商务中进行数据挖掘具有以下条件：( 1) 收集信息更加便利， 例如通过网上电子购物系统可以记录客户的行为， 包括哪些客户将哪些商品放进购物车， 哪些商品被最终购买。( 2) 收集信息的准确性、完整性提高。电子商务中有各种系统进

7、行数据的收集， 一般地， 用计算机自动记录的数据比手工收集的数据出现的噪音和错误要少得多。( 3) 在电子商务系统上构建数据挖掘较为简单。因为电子商务已经实现自动化， 网络数据挖掘系统也容易和电子商务系统相结合。  二、数据挖掘技术在电子方法及在电子商务中的应用 （1）数据挖掘的概念 数据挖掘( Data Mining ) ，又称数据库中的知识发现( Know ledge Discovery in Database，KDD) ，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息

8、或模式。它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。比较典型的数据挖掘方法有关联分析、序列模式分析、分类分析、聚类分析等。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间的关系的过程，使用这些模型和关系可以进行预测，它帮助决策者寻找数据间潜在的关联，发现被忽略的因素，是解决当今时代所面临的数据爆炸而信息匮乏的问题的一种有效方法。