数据挖掘技术在B2C电子商务中应用研究.docVIP

数据挖掘技术在B2C电子商务中应用研究 　　［摘 要］通过对B2C电子商务概念及模式的分析，借助数据挖掘技术的多种分析方法，深入探讨了数据挖掘技术在B2C电子商务交易数据中的挖掘过程和系统结构，从而为正确应用电子商务提供科学的支持和可靠的保障。 　　［关键词］数据挖掘 B2C 电子商务 　　 　　随着现代网络、Internet，以及数据库技术的发展和成熟，电子商务正以其迅猛的发展势头冲击着整个商业信息社会。在中国，截至2008年6月底，网络购物用户人数已达到6329万，同年12月，电子商务类站点的总体用户覆盖已经从9000万户提升到9800万户。这种商业电子化的发展趋势不仅为客户提供了便利的交易方式和广泛的选择，同时也为商家提供了更加深入了解客户需求信息和购物行为特征的可能性。与此同时，在电子商务应用系统中，相关的用户数据日益增多，如何充分合理地利用好这些数据，将其转变为对商??有用的信息，从而更有力地提高网店的服务质量、赢得更多顾客地青睐，以及创造更多潜在的利润空间，是目前电子商务所面临的亟待解决的问题。 　　数据挖掘，是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程；从商业角度来看，数据挖掘是一种新的商业信息处理技术，对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取出辅助商业决策的关键性数据。介于电子商务活动中的数据有其自身的特点，把数据挖掘技术与电子商务进行有机的结合，不仅可以提高数据挖掘的效率，而且可以让数据挖掘更好地为电子商务服务。 　　一、B2C电子商务的概述及模式 　　1.B2C电子商务概述 　　商家对客户的电子商务模式（Business to Customer，B2C）是中国最早产生的电子商务模式，以8848网上商城正式运营为标志。它具体是指企业与客户之间通过Internet技术或各种商务网络平台直接面向消费者进行产品、服务以及信息的交换，最终完成商务交易的过程。这种模式的电子商务一般以网络零售业为主，消费者通过网络直接在网上商店购物、支付，该模式既节省了客户和企业的时间和空间，又大大提高了交易效率。目前，此模式的代表网站有卓越亚马逊、当当网、京东商城以及中国巨蛋等。 　　2.B2C电子商务模式 　　B2C模式种类繁多，主要有以淘宝商城为代表的综合商城和以亚马逊为典型的百货商店。其中，综合商城与传统商城无异，淘宝商城也有着庞大的购物群体、稳定的网络平台、完备的支付以及诚信安全体系。淘宝本身是不卖东西的，而是提供了完备的销售配套服务。百货商店显然卖家只有一个，同时还需满足日常消费需求的丰富产品线。该种商店是自有仓库，会库存系列商品，以便更快的物流配送和客户服务。除以上两种模式外，还有垂直商店、符合品牌店、轻型品牌店等多种模式形式。 　　二、B2C电子商务中常用的数据挖掘方法 　　数据挖掘的方法有很多种，通过归纳总结，在B2C电子商务中常用的数据挖掘方法有序列分析、关联分析、预测分析和聚类分析等。 　　1.序列分析 　　序列分析主要用于识别具有先后次序的不同事件之间的关联性。例如，分析顾客不同时间的购买行为模式。如果通过大量数据分析发现，在本次购买洗衣粉的顾客中，有70%的顾客在下次购买时会选取香皂，这种购买模式将会有助于企业的营销决策。比如，超级市场本周的特价商品为洗衣粉，则下周的特价商品就应该安排为香皂，这样就有可能吸引更多的消费者前来光顾，从而提高了特价商品的吸引力。许多目录销售公司经常使用序列关联性分析，他们会根据这次顾客购买的情况，来设计下一次商品目录。 　　2.关联分析 　　关联分析是数据挖掘的主要功能之一，可广泛用于市场营销的各个方面，其中一个主要的应用，就是对顾客购买行为做关联规则分析，探询顾客在商品购买时的行为模式。例如，在超级市场中70%购买味精和食盐的顾客，有80%的顾客同时也购买了酱油。60%的顾客在购买面包时，有70%通常也会购买牛奶。挖掘出这些关联性规则后，企业就可以有针对性地采取适当的方法，来适应顾客的购买习惯；另外偶尔打破这种购买习惯，又能促进新产品的销售。如面包和牛奶经常放在一起，顾客习惯了地方就会直接去找，可能对新产品不注意；但如果销售者将新产品与牛奶放一起，购买了面包的顾客可能会去找牛奶，这样就会发现新产品，促进了产品的宣传和销售。 　　3.预测分析 　　预测分析是根据实现设计的预测分析模型来运算进行。预测分析模型通常假设某种行为(因变量)因其他行为(自变量)的出现而产生，或随其他行为的改变而改变，在因变量和自变量之间存在着某种稳定的数量关系，这样就可以通过已知的数据来预测可能的状况。在数据挖掘中，构建预测分析模型通常是为了探测客户对某种营销活动的反映及反映程度。能够进行预测分析的数据挖掘技术主