姜婷

摘要：進入當(dāng)代信息社會，網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫技術(shù)飛速發(fā)展，全球傳統(tǒng)商務(wù)正不斷朝電子商務(wù)衍變。文章通過介紹數(shù)據(jù)挖掘技術(shù)，對數(shù)據(jù)挖掘技術(shù)實際應(yīng)用展開探討，旨在為相關(guān)人員基于數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)挖掘技術(shù)實際應(yīng)用的如何在電子商務(wù)中應(yīng)用數(shù)據(jù)挖掘技術(shù)研究適用提供一些思路。

關(guān)鍵詞：電子商務(wù)；數(shù)據(jù)挖掘技術(shù)；應(yīng)用

引言

進入當(dāng)代信息社會，網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫技術(shù)飛速發(fā)展，全球傳統(tǒng)商務(wù)正不斷朝電子商務(wù)衍變。電子商務(wù)不斷發(fā)展背景下，企業(yè)內(nèi)部牽涉的數(shù)據(jù)越來越龐大，并亟待要將此部分?jǐn)?shù)據(jù)轉(zhuǎn)化成有價值的信息、知識，為企業(yè)帶來更多潛在的利潤，數(shù)據(jù)挖掘技術(shù)正是基于此而產(chǎn)生的[1]。由此可見，對如何在電子商務(wù)中應(yīng)用數(shù)據(jù)挖掘技術(shù)展開研究有著十分重要的現(xiàn)實意義。

1.數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘指的是自龐大的、模糊的、不完全的、隨機的數(shù)據(jù)中找尋出潛在有價值的數(shù)據(jù)信息的過程。在電子商務(wù)中，面對龐大的表面上沒有利用價值的客戶消費數(shù)據(jù)，需要應(yīng)用一系列數(shù)據(jù)挖掘技術(shù)對客戶特點展開分析，明確核心客戶，找出客戶關(guān)注點，培育客戶忠誠度，基于此制定有的放矢的決策，促進企業(yè)在日趨白熱化的市場競爭獲取有利位置。數(shù)據(jù)挖掘技術(shù)包括：神經(jīng)網(wǎng)絡(luò)、決策樹、遺傳算法、近鄰算法以及規(guī)則歸納等。以神經(jīng)網(wǎng)絡(luò)為例，其指的是模擬人腦結(jié)構(gòu)的數(shù)據(jù)模型。神經(jīng)網(wǎng)絡(luò)以生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性預(yù)測模型為重要基礎(chǔ)模型，自一組輸入數(shù)據(jù)中開展學(xué)習(xí)，結(jié)合此類新型認(rèn)知對模型參數(shù)予以調(diào)整，從而獲取數(shù)據(jù)中的模式。神經(jīng)網(wǎng)絡(luò)應(yīng)用于處理某些較為復(fù)雜的問題，可使問題變得較為簡單化，因此其常被應(yīng)用于處理上百個參數(shù)的問題。神經(jīng)網(wǎng)絡(luò)有著廣泛的應(yīng)用覆蓋面，多被應(yīng)用于市場細(xì)分、特點發(fā)現(xiàn)、信貸風(fēng)險評估等。神經(jīng)網(wǎng)絡(luò)還可應(yīng)用與聚類，較為常規(guī)的方法便是將其應(yīng)用于無監(jiān)督學(xué)習(xí)模式以生產(chǎn)簇。經(jīng)形成樣板來推動系統(tǒng)對數(shù)據(jù)展開壓縮，或者是通過算法推動系統(tǒng)使簇與簇之間產(chǎn)生競爭從而得到包含各自記錄[2]。

2.如何在電子商務(wù)中應(yīng)用數(shù)據(jù)挖掘技術(shù)

2.1數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用

2.1.1客戶獲取

以往長時間以來，客戶獲取多采用大規(guī)模多媒體廣告、傳單散發(fā)等相關(guān)方式。此類客戶獲取方式存在覆蓋范圍太廣、缺乏針對性及企業(yè)需要消耗大量經(jīng)費等不足。數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用，其能夠自傳統(tǒng)市場活動中采集到各式各樣有用的數(shù)據(jù)，以構(gòu)建其數(shù)據(jù)挖掘模型。基于數(shù)據(jù)挖掘模型，企業(yè)可獲悉市場中潛在客戶的特點、需求，并展開類別劃分，進一步在接下來的市場活動中能夠做到對癥下藥，而并非像以往那般的大面積撒網(wǎng)憑經(jīng)驗行事。

2.1.2客戶細(xì)分

客戶細(xì)分指的是把一個比較大的客戶群體劃分成逐一細(xì)分群體的行為，在一個細(xì)分群體中的客戶有著類似的特征，反之不在同一細(xì)分群體中的客戶則有著不同的特征。就好比把數(shù)據(jù)庫中相關(guān)數(shù)據(jù)根據(jù)水化程度的區(qū)別來開展編排如此這一簡單行為便屬于客戶細(xì)分。客戶細(xì)分能夠有助于使用者自不同層次對數(shù)據(jù)庫中數(shù)據(jù)展開觀察，有助于使用者采取各式各樣方法應(yīng)對處在各個細(xì)分群體中的客戶。數(shù)據(jù)挖掘技術(shù)中的聚類技術(shù)、分類技術(shù)等技術(shù)能夠幫助使用者就數(shù)據(jù)庫中數(shù)據(jù)根據(jù)年齡、社會背景、需求等企業(yè)關(guān)注的內(nèi)容開展客戶細(xì)分[3]。客戶細(xì)分屬于企業(yè)對自身產(chǎn)品、服務(wù)予以確定的重要前提，同時也屬于構(gòu)建客戶一對一營銷的重要前提。

2.1.3客戶盈利分析

從企業(yè)客戶角度來說，企業(yè)很大一部分利潤是來源于小部分的客戶，然而企業(yè)通常無法明確哪一部分客戶可獲取高利潤回報，哪一部分客戶可獲得的是較低或者負(fù)值利潤的回報。數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用，可使企業(yè)對有著不同利潤回報的客戶予以有效區(qū)分，如此以來企業(yè)便能夠把自身更多的資源分配有著高利潤回報的客戶群體，以獲取更可靠的盈利，與此同時降低對低利潤、負(fù)利潤客戶群體的資源分配。鑒于此，在應(yīng)用數(shù)據(jù)挖掘技術(shù)之前，企業(yè)需要構(gòu)建一套對盈利回報展開核算的優(yōu)化目標(biāo)方案，既能夠是簡單的核算，好比一定客戶身上涉及的收入與成本之差，也能夠是相對復(fù)雜的方程式；之后借助數(shù)據(jù)挖掘工具自交易記錄中采集相關(guān)的數(shù)據(jù)。

2.1.4客戶維持

進入了信息時代，市場競爭日趨白熱化，企業(yè)紛紛認(rèn)識到獲取到一位新客戶所要耗費的人力、物力等相較于維持一位老客戶所要耗費的要高的多得多。因此，怎么去對企業(yè)原本的老客戶進行維持，使老客戶不被流失儼然轉(zhuǎn)變成客戶關(guān)系管理的一個重要研究課題。在實踐應(yīng)用環(huán)節(jié)，借助數(shù)據(jù)挖掘工具對已形成流失的客戶構(gòu)建模型，緊接著通過此類模型能夠?qū)ΜF(xiàn)存客戶中今后可能流失的客戶進行預(yù)測，企業(yè)便能夠通過對此部分客戶特征、需求等展開觀察分析，制定針對的策略避免其流失，最終實現(xiàn)維持客戶的目的。

2.2數(shù)據(jù)挖掘技術(shù)在物流中的應(yīng)用

2.2.1掌握物流全局

數(shù)據(jù)挖掘技術(shù)在物流中的應(yīng)用，借助分類信息，根據(jù)貨物類型、時間地點及數(shù)量等掌握日常運營、財政狀況，就各批貨物庫存轉(zhuǎn)變情況、運輸成本等均有著明確的認(rèn)識。電子商務(wù)配送在運輸物品期間，對貨物運輸體系合理與否展開隨時檢查是極為關(guān)鍵的，好比檢查各類型貨物配送比例總體而言相近與否。在對貨物運輸體系進行調(diào)整過程中，則應(yīng)當(dāng)權(quán)衡受季節(jié)轉(zhuǎn)變影響，所引發(fā)的市場需求轉(zhuǎn)變、市場競爭對手競爭對策等相關(guān)因素。

2.2.2降低庫存成本

數(shù)據(jù)挖掘技術(shù)在物流中的應(yīng)用，借助數(shù)據(jù)挖掘系統(tǒng)，對貨物庫存數(shù)據(jù)、運輸數(shù)據(jù)等相關(guān)數(shù)據(jù)予以歸攏，并對歸攏數(shù)據(jù)進行研究分析，進而制定哪一部分貨物應(yīng)當(dāng)進行現(xiàn)行發(fā)貨的決策，促進保證科學(xué)合理的庫存。經(jīng)數(shù)據(jù)挖掘系統(tǒng)的電子數(shù)據(jù)交換，還可實現(xiàn)貨物庫存信息、貨物預(yù)測信息等對客戶實行信息共享，如此便能夠?qū)齑孢M行定期適時的增加或減少，進而一定程度緩解電子商務(wù)配送環(huán)節(jié)的壓力[4]。

2.2.3分析市場趨勢

數(shù)據(jù)挖掘技術(shù)在物流中的應(yīng)用，借助統(tǒng)計模型、數(shù)據(jù)挖掘工具，可就數(shù)據(jù)庫數(shù)據(jù)展開具體研究分析，作用于獲悉客戶的貨物運輸習(xí)慣及相關(guān)戰(zhàn)略性信息。借助數(shù)據(jù)庫，經(jīng)對數(shù)據(jù)庫中近些年物流數(shù)據(jù)展開檢索、挖掘，能夠?qū)ω浳锊煌竟?jié)里的運輸情況、貨物種類以及貨物庫存等趨勢展開數(shù)據(jù)挖掘研究分析，還能夠獲悉風(fēng)險貨物，同時為貨物運作、貨物數(shù)量制定決策提供有利依據(jù)。

2.2.4客戶細(xì)分

等同于數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中應(yīng)用的客戶細(xì)分，客戶細(xì)分指的是把一個比較大的客戶群體劃分成逐一細(xì)分群體的行為，在一個細(xì)分群體中的客戶有著類似的特征，反之不在同一細(xì)分群體中的客戶則有著不同的特征。客戶細(xì)分能夠有助于物流商家以對應(yīng)的方法應(yīng)對處在各細(xì)分群體中的客戶。然而這并非表示的是服務(wù)與質(zhì)量上的不同，就好比，經(jīng)濟學(xué)中有一條著名的佩爾圖定律，又可稱之為“20/80”法則，其具體指的是在企業(yè)經(jīng)營發(fā)展期間，20%的客戶通?？蓜?chuàng)造出80%的營業(yè)額或者是80%利潤[5]。那么應(yīng)當(dāng)如何對客戶的這一20%和80%進行有效區(qū)分呢，經(jīng)對數(shù)據(jù)挖掘技術(shù)的有效應(yīng)用，便有助于企業(yè)自整體客戶群體中發(fā)掘出那一20%的客戶?？梢灶A(yù)見，倘若企業(yè)了解到對應(yīng)部分的20%客戶在過去時間中為企業(yè)創(chuàng)造了80%的物流營業(yè)額或者80%的物流盈利，如此企業(yè)便能夠很好地開展下一步客戶關(guān)系管理工作。值得一提的是，現(xiàn)階段國際上廣泛推廣的客戶關(guān)系管理便是基于此理論所延伸而來的。

2.2.5交叉獲利

物流業(yè)同客戶相互的關(guān)系屬于一類逐步發(fā)展轉(zhuǎn)變的關(guān)系，通常情況下物流業(yè)要想維持、強化同客戶相互的關(guān)系會采取下述幾方面手段：a.盡可能地對該種關(guān)系時間進行維持；b.盡可能地增多與客戶進行業(yè)務(wù)往來的次數(shù)；c.盡可能地確保每次業(yè)務(wù)獲取最大盈利。交叉獲利指的是對老客戶推銷新服務(wù)的行為過程。交叉獲利以企業(yè)與客戶雙方互利原則為重要前提，前者憑借業(yè)務(wù)提升而獲利，后者憑借獲取到更滿足自身需求的服務(wù)而獲利。在諸多情形下，企業(yè)在對老客戶開展數(shù)據(jù)挖掘與對新客戶開展數(shù)據(jù)挖掘是等同的。交叉獲利有著促使企業(yè)較為簡單的獲取到關(guān)于老客戶相對多樣的信息的優(yōu)勢，要知道各式各樣的數(shù)據(jù)信息對提升數(shù)據(jù)挖掘準(zhǔn)確性有著極大的幫助。企業(yè)相應(yīng)了解的客戶信息尤其是過去業(yè)務(wù)往來的信息中，可能存在該位客戶關(guān)乎其接下來業(yè)務(wù)行為的重要信息，甚至屬于決定性因素。于此期間數(shù)據(jù)挖掘便能夠發(fā)揮作用，幫助企業(yè)找出那一部分左右客戶選取不同物流企業(yè)行為的信息、因素[6]。

3.結(jié)束語

總而言之，在選取一種數(shù)據(jù)挖掘技術(shù)過程中，企業(yè)應(yīng)當(dāng)結(jié)合市場問題的特點，來決定應(yīng)用哪一種數(shù)據(jù)挖掘形式較為合適。應(yīng)選擇符合數(shù)據(jù)的模型的算法，確定合適的模型和參數(shù)。相關(guān)人員務(wù)必要不斷專研研究、總結(jié)經(jīng)驗，對數(shù)據(jù)挖掘技術(shù)形成充分的認(rèn)識，唯有選取科學(xué)合理的數(shù)據(jù)挖掘工具，方可切實發(fā)揮數(shù)據(jù)挖掘技術(shù)的功效，為企業(yè)在日趨白熱化的市場競爭中制定正確決策提供有利依據(jù)，促進企業(yè)在日趨白熱化的市場競爭獲取有利位置。（作者單位：京東集團）

參考文獻(xiàn)：

[1]段曉華.數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用研究[J].湖南文理學(xué)院學(xué)報：自然科學(xué)版，2010，22（2）：90-94.

[2]Zhu J H，Hong J，Hughes J G.PageCluster.Mining Conceptual Link Hierarchies from Web Log Files for Adaptive Web Site Navigation[J].ACM Transactions on Internet Technology，2004，4（2）：185-208.

[3]田玲，薛萬欣，王曉紅.網(wǎng)絡(luò)營銷中經(jīng)典數(shù)據(jù)挖掘技術(shù)的分析與評價[J].江蘇商論，2007，（05）：47-48.

[4]張麗敏.電子商務(wù)中數(shù)據(jù)挖掘技術(shù)的使用[J].內(nèi)蒙古電大學(xué)刊，2007，2（21）：41-42.

[5]甘露.數(shù)據(jù)挖掘在電子商務(wù)客戶關(guān)系管理中的應(yīng)用[J].電子商務(wù)，2011，（06）：59-60.

[6]任永功，張亮，付玉.一種基于頻繁模式樹的最大頻繁項目集挖掘算法[J].小型微型計算機系統(tǒng)，2010，29（2）：322-325.