b2c电子商务中数据挖掘技术的分析与应用word格式论文.docxVIP

Groupon模式[19]大获成功的最重要的原因是找到了商户和消费者的利益共同点，特别是对本地化的服务业而言。具体来说，我们可以认为从事服务业的商户一般存在着固定成本（如房租、水电费、工资、推广费等）和可变成本（随每次服务发生而产生的成本，如餐饮类的原材料采购费或者培训类的器材费），甚至有些服务业的商户比如电影院或者酒店，其所有成本几乎都可以认为是固定成本（因为多一个人住酒店和少一个人去看电影几乎对商户而言没有任何影响）。Groupon 模式之所以能够在商户中被广泛接受，是因为在商户的可变成本保持不变的情况下，消费的人越多，其固定成本被摊薄得越厉害。举个例子，假如某商户是一家有100 个座位的电影院，相比开展团购情况下有100 个人买10 块钱一张的电影票和原来情况下10 个人买50 块钱一张的电影票，即使团购网站开出的抽取佣金比例达到3 成（每10 块钱抽走3 块钱），电影院肯定还是愿意选择前者，因为它可以赚700 块钱而不是原来的500 块钱，最重要的是：除了口碑，这家电影院似乎并没有为这多出来的200 块营业收入付出额外的东西。Groupon 模式能够被消费者广泛接受更是显而易见的，只要对于同样的消费品，网站所能开的价格更低。因此，如果我们把消费者需要的消费内容分为产品零售和服务两种的话，作为服务业天然的电子商务入口，类似Groupon 的限时团购模式是对传统B2C模式电子商务非常必要的补充，而且市场潜力巨大。刚刚过去的2010 年可谓中国团购元年，这一年国内大大小小涌现出千余家模仿Groupon 模式的团购网站，可以说是电子商务硝烟再起，B2C模式方兴未艾。B2C电子商务企业为了方便一个商家面对多个消费者，往往以在线网站为表现形式，在其运营过程中都是自然拥有存储和处理海量数据的功能。网站迫切需要将这些数据转变成有用的信息与知识，这使得数据挖掘技术有了用武之地[12]。1.1.2研究意义本文试图将数据挖掘技术运用于B2C电子商务中最具代表性的两类网站，包括产品零售网站和团购网站。产品零售网站是目前B2C电子商务中实物产品电子化的主流模式，一般是借助网页平台开展实物产品的展示和销售，并依靠线下发达的物流将实物产品送到消费者的手中，用户收到实物产品就可以认为是此次消费完毕。团购网站则与其不同，由于实物产品实际上不存在固定成本，根据以上我们所叙述的团购被广泛接受的原因，团购网站一般不去销售实物产品，而是通过网页平台开展服务业商户的展示和折扣优惠券（消费凭证）的销售，用户再凭借消费凭证在预订的一段时间内前往该商户消费。由于具有强烈的地域限制（这很显然，即使优惠幅度再大，你都不会到距离你太远的地方，比如别的城市去进行一项服务业的消费），因此目前团购在餐饮娱乐等本地化服务业最为普遍。对于产品零售网站，我们认为找到用户感兴趣的产品是第一要务，因此使用了关联规则挖掘工具对零售网站的历史购买数据进行购物篮分析，以期找到合理而有趣的商品关联。对于团购网站，我们认为找到用户真实的所在地是最紧要的，而确定用户所在地的前提就是将用户曾消费过的商户所在地区划分清楚，这样从用户的历史消费记录基本上可以推断出一个用户的消费地域范围（即我们在后面提到的商圈概念）。现有的团购网站几乎没有考虑地域划分，少数存在地域划分的也只是简单地从行政区划角度方式考虑，具有种种人为的缺陷，因而很有必要从商户的地理位置分析来自然获得其地域的划分。我们的工作基于从两家国内领先地位的互联网电子商务网站分别获取的海量真实交易数据，研究了影响消费者行为的各项因素并建立关联规则挖掘和聚类、分类各种模型，模型包括了单一网店的购物篮分析模型、基于地理位置聚类的团购商户分类模型以及基于Logistics回归的营销响应模型，全面综合地给出了B2C电子商务中数据挖掘技术的应用方向。这些工作不仅对两类主要的B2C电子商务网站形式今后消费者行为研究和其他传统行业拓展网上业务有直接的帮助作用，也为数据挖掘技术在海量现实数据中的应用提供了可参考的范例。1.2研究内容、工具和结果1.2.1 研究内容本文研究所依据的数据集分别来自某国内TOP3的互联网电子商务产品零售网站T和某国内TOP5 的团购网站G，数据抓取的时间窗口均设置为1 个月。来自T网站的数据集T包括了该网站涉及某个一级商品类目的20005 个卖家的101 万多条交易记录数据。每条交易记录内容涵盖了包括卖家、买家和每笔交易的成交价格、数量、物流等的详尽信息，除此之外还有收藏记录表，卖家网店属性表和用户自然属性表等。分别记录了与该时间段有关的各方面涉及信息。来自G网站的数据集G包括了该网站在抓取时间窗口内在国内近100 个城市内所有项目类型的商家信息、项目信息、订单信息、消费券信息以及退款信息，服务项目总量在5 千以上，订单数量亦达到百万数量