摘要:进入当代信息社会，网络技术、数据库技术飞速发展，全球传统商务正不断朝电子商务衍变。文章通过介绍数据挖掘技术，对数据挖掘技术实际应用展开探讨，旨在为相关人员基于数据挖掘技术、数据挖掘技术实际应用的如何在电子商务中应用数据挖掘技术研究适用提供一些思路。
关键词:电子商务;数据挖掘技术;应用
引言
进入当代信息社会，网络技术、数据库技术飞速发展，全球传统商务正不断朝电子商务衍变。电子商务不断发展背景下，企业内部牵涉的数据越来越庞大，并亟待要将此部分数据转化成有价值的信息、知识，为企业带来更多潜在的利润，数据挖掘技术正是基于此而产生的［1］。由此可见，对如何在电子商务中应用数据挖掘技术展开研究有着十分重要的现实意义。
1．数据挖掘技术
数据挖掘指的是自庞大的、模糊的、不完全的、随机的数据中找寻出潜在有价值的数据信息的过程。在电子商务中，面对庞大的表面上没有利用价值的客户消费数据，需要应用一系列数据挖掘技术对客户特点展开分析，明确核心客户，找出客户关注点，培育客户忠诚度，基于此制定有的放矢的决策，促进企业在日趋白热化的市场竞争获取有利位置。数据挖掘技术包括:神经网络、决策树、遗传算法、近邻算法以及规则归纳等。以神经网络为例，其指的是模拟人脑结构的数据模型。神经网络以生理神经网络结构的非线性预测模型为重要基础模型，自一组输入数据中开展学习，结合此类新型认知对模型参数予以调整，从而获取数据中的模式。神经网络应用于处理某些较为复杂的问题，可使问题变得较为简单化，因此其常被应用于处理上百个参数的问题。神经网络有着广泛的应用覆盖面，多被应用于市场细分、特点发现、信贷风险评估等。神经网络还可应用与聚类，较为常规的方法便是将其应用于无监督学习模式以生产簇。经形成样板来推动系统对数据展开压缩，或者是通过算法推动系统使簇与簇之间产生竞争从而得到包含各自记录［2］。
2．如何在电子商务中应用数据挖掘技术
2．1数据挖掘技术在电子商务客户关系管理中的应用
2．1．1客户获取
以往长时间以来，客户获取多采用大规模多媒体广告、传单散发等相关方式。此类客户获取方式存在覆盖范围太广、缺乏针对性及企业需要消耗大量经费等不足。数据挖掘技术在电子商务客户关系管理中的应用，其能够自传统市场活动中采集到各式各样有用的数据，以构建其数据挖掘模型。基于数据挖掘模型，企业可获悉市场中潜在客户的特点、需求，并展开类别划分，进一步在接下来的市场活动中能够做到对症下药，而并非像以往那般的大面积撒网凭经验行事。
2．1．2客户细分
客户细分指的是把一个比较大的客户群体划分成逐一细分群体的行为，在一个细分群体中的客户有着类似的特征，反之不在同一细分群体中的客户则有着不同的特征。就好比把数据库中相关数据根据水化程度的区别来开展编排如此这一简单行为便属于客户细分。客户细分能够有助于使用者自不同层次对数据库中数据展开观察，有助于使用者采取各式各样方法应对处在各个细分群体中的客户。数据挖掘技术中的聚类技术、分类技术等技术能够帮助使用者就数据库中数据根据年龄、社会背景、需求等企业关注的内容开展客户细分［3］。客户细分属于企业对自身产品、服务予以确定的重要前提，同时也属于构建客户一对一营销的重要前提。
2．1．3客户盈利分析
从企业客户角度来说，企业很大一部分利润是来源于小部分的客户，然而企业通常无法明确哪一部分客户可获取高利润回报，哪一部分客户可获得的是较低或者负值利润的回报。数据挖掘技术在电子商务客户关系管理中的应用，可使企业对有着不同利润回报的客户予以有效区分，如此以来企业便能够把自身更多的资源分配有着高利润回报的客户群体，以获取更可靠的盈利，与此同时降低对低利润、负利润客户群体的资源分配。鉴于此，在应用数据挖掘技术之前，企业需要构建一套对盈利回报展开核算的优化目标方案，既能够是简单的核算，好比一定客户身上涉及的收入与成本之差，也能够是相对复杂的方程式;之后借助数据挖掘工具自交易记录中采集相关的数据。
2．1．4客户维持
进入了信息时代，市场竞争日趋白热化，企业纷纷认识到获取到一位新客户所要耗费的人力、物力等相较于维持一位老客户所要耗费的要高的多得多。因此，怎么去对企业原本的老客户进行维持，使老客户不被流失俨然转变成客户关系管理的一个重要研究课题。在实践应用环节，借助数据挖掘工具对已形成流失的客户构建模型，紧接着通过此类模型能够对现存客户中今后可能流失的客户进行预测，企业便能够通过对此部分客户特征、需求等展开观察分析，制定针对的策略避免其流失，最终实现维持客户的目的。
2．2数据挖掘技术在物流中的应用
2．2．1掌握物流全局
数据挖掘技术在物流中的应用，借助分类信息，根据货物类型、时间地点及数量等掌握日常运营、财政状况，就各批货物库存转变情况、运输成本等均有着明确的认识。电子商务配送在运输物品期间，对货物运输体系合理与否展开随时检查是极为关键的，好比检查各类型货物配送比例总体而言相近与否。在对货物运输体系进行调整过程中，则应当权衡受季节转变影响，所引发的市场需求转变、市场竞争对手竞争对策等相关因素。
2．2．2降低库存成本
数据挖掘技术在物流中的应用，借助数据挖掘系统，对货物库存数据、运输数据等相关数据予以归拢，并对归拢数据进行研究分析，进而制定哪一部分货物应当进行现行发货的决策，促进保证科学合理的库存。经数据挖掘系统的电子数据交换，还可实现货物库存信息、货物预测信息等对客户实行信息共享，如此便能够对库存进行定期适时的增加或减少，进而一定程度缓解电子商务配送环节的压力［4］。
2．2．3分析市场趋势
数据挖掘技术在物流中的应用，借助统计模型、数据挖掘工具，可就数据库数据展开具体研究分析，作用于获悉客户的货物运输习惯及相关战略性信息。借助数据库，经对数据库中近些年物流数据展开检索、挖掘，能够对货物不同季节里的运输情况、货物种类以及货物库存等趋势展开数据挖掘研究分析，还能够获悉风险货物，同时为货物运作、货物数量制定决策提供有利依据。
2．2．4客户细分
等同于数据挖掘技术在电子商务客户关系管理中应用的客户细分，客户细分指的是把一个比较大的客户群体划分成逐一细分群体的行为，在一个细分群体中的客户有着类似的特征，反之不在同一细分群体中的客户则有着不同的特征。客户细分能够有助于物流商家以对应的方法应对处在各细分群体中的客户。然而这并非表示的是服务与质量上的不同，就好比，经济学中有一条著名的佩尔图定律，又可称之为“20/80”法则，其具体指的是在企业经营发展期间，20%的客户通常可创造出80%的营业额或者是80%利润［5］。那么应当如何对客户的这一20%和80%进行有效区分呢，经对数据挖掘技术的有效应用，便有助于企业自整体客户群体中发掘出那一20%的客户。可以预见，倘若企业了解到对应部分的20%客户在过去时间中为企业创造了80%的物流营业额或者80%的物流盈利，如此企业便能够很好地开展下一步客户关系管理工作。值得一提的是，现阶段国际上广泛推广的客户关系管理便是基于此理论所延伸而来的。
2．2．5交叉获利
物流业同客户相互的关系属于一类逐步发展转变的关系，通常情况下物流业要想维持、强化同客户相互的关系会采取下述几方面手段:a．尽可能地对该种关系时间进行维持;b．尽可能地增多与客户进行业务往来的次数;c．尽可能地确保每次业务获取最大盈利。交叉获利指的是对老客户推销新服务的行为过程。交叉获利以企业与客户双方互利原则为重要前提，前者凭借业务提升而获利，后者凭借获取到更满足自身需求的服务而获利。在诸多情形下，企业在对老客户开展数据挖掘与对新客户开展数据挖掘是等同的。交叉获利有着促使企业较为简单的获取到关于老客户相对多样的信息的优势，要知道各式各样的数据信息对提升数据挖掘准确性有着极大的帮助。企业相应了解的客户信息尤其是过去业务往来的信息中，可能存在该位客户关乎其接下来业务行为的重要信息，甚至属于决定性因素。于此期间数据挖掘便能够发挥作用，帮助企业找出那一部分左右客户选取不同物流企业行为的信息、因素［6］。
3．结束语
总而言之，在选取一种数据挖掘技术过程中，企业应当结合市场问题的特点，来决定应用哪一种数据挖掘形式较为合适。应选择符合数据的模型的算法，确定合适的模型和参数。相关人员务必要不断专研研究、总结经验，对数据挖掘技术形成充分的认识，唯有选取科学合理的数据挖掘工具，方可切实发挥数据挖掘技术的功效，为企业在日趋白热化的市场竞争中制定正确决策提供有利依据，促进企业在日趋白热化的市场竞争获取有利位置。
参考文献:
［1］段晓华．数据挖掘技术在电子商务客户关系管理中的应用研究［J］．湖南文理学院学报:自然科学版，2010，22(2):90－94．
［2］田玲，薛万欣，王晓红．网络营销中经典数据挖掘技术的分析与评价［J］．江苏商论，2007，(05):47－48．
［3］张丽敏．电子商务中数据挖掘技术的使用［J］．内蒙古电大学刊，2007，2(21):41－42．
［4］甘露．数据挖掘在电子商务客户关系管理中的应用［J］．电子商务，2011，(06):59－60．
［6］任永功，张亮，付玉．一种基于频繁模式树的最大频繁项目集挖掘算法［J］．小型微型计算机系统，2010，29(2):322－325．
作者：姜婷 单位：京东集团
