摘要：电子商务系统是一种新兴的商业模式，已被广泛应用于人类的经济生活中，同时电子商务公司所需处理的用户数据也越来越庞大，而传统的人工分析处理手段难以满足行业的发展要求。为此，越来越多的电子商务公司开始引进数据挖掘分析软件来分析处理用户信息与交易数据。
关键词：电子商务；数据挖掘；应用
在计算机与互联网技术飞速发展的同时，传统商务所提供的服务越来越不能满足现代经济生活的发展要求，因此一种新兴的商业模式———电子商务应运而生。电子商务具有可靠、安全、快捷、方便、低廉和不受时空限制等优点，其常见形式包括网上银行、网上订购和网络支付结算等。电子商务系统现已被广泛应用于人类的经济生活中，但随之产生的用户数据处理问题又成为困扰电子商务公司发展的技术难题。为此，数据挖掘分析软件被开发和应用，以分析处理庞大的用户信息与交易数据。依此背景，下文就电子商务中的数据挖掘技术展开讨论。
1数据挖掘技术与电子商务
1.1数据挖掘技术的内涵
数据挖掘技术的主要任务是处理大量的数据，并从中提取有价值的知识和信息。目前，数据挖掘技术被广泛应用于信息产业中，具体用来进行欺诈检测、市场营销分析及科研数据与工程生产数据分析等。据此可知，数据挖掘是信息技术的产物。如图1所示，数据挖掘技术包含的学科知识以数据库技术、可视化技术、信息统计学和机器学习为主，有此可见，数据挖掘技术的内容具有多样化的特征。从商业角度来讲，数据挖掘的基本特征是按“抽取→转换→分析→模型化处理”的步骤处理商业数据库庞大的业务数据，并从中提取有价值的数据，以辅助商业决策。数据挖掘技术在电子商务中的应用可以帮助电子商务公司将数据转化为决策信息，并辅之占领市场竞争的优势地位。需要补充说明的是，数据挖掘所提取的信息应具备3大特征：实用性、有效性和先前未知性，且其与传统数据分析的本质区别是，数据挖掘通常在无明确假设的条件下挖掘信息和发现知识，因此数据挖掘技术的应用符合时代发展的特征。
1.2数据挖掘的具体过程
电子商务中，数据挖掘一般经历以下3个主要阶段：数据准备阶段、数据挖掘阶段和结果解释与评价阶段。（1）数据准备。数据准备是指数据的选取和预处理，其中数据选取是指按用户需求从数据库中随机选取一组数据作为目标数据或操作对象；数据预处理的主要步骤是：消除噪声→推导和计算缺值数据→消除重复记录→转换数据类型→数据降维，其中转换数据类型是指将连续型数据变换成离散型数据，数据降维是指找出初始特征中最为本质的特征。（2）数据挖掘。数据挖掘的主要步骤是：明确数据挖掘的具体任务（或具体目标与知识类型）→立足数据挖掘的知识类型，选取最佳的挖掘算法→数据挖掘操作，即从原始数据库中选取知识。（3）结果的解释与评价。通过对数据挖掘中提取出的知识进行评估，可以发现其中可能存在一些无关或冗余的知识，因此需将之剔除，亦或提取出的知识与用户的实际要求不相符，因此需再次进行挖掘。此外，数据挖掘的最终目的是满足用户的需要，因此需以一种用户更易理解的方式解释所挖掘的知识，比如可视化方式，以供用户使用。数据挖掘技术在电子商务中的应用价值主要表现在以下4个方面：（1）挖掘用户的活动规律，以便通过电子商务平台向用户提供更为个性化的服务；（2）从网站的访问用户中挖掘潜在客户；（3）优化网站的信息导航，以便用户浏览；（4）从网站访问用户的活动信息中挖掘用户的需求。数据挖掘应根据用户的实际需要，对所挖掘的数据进行求精和深化，以使最终结果令用户满意。
2电子商务中的数据挖掘技术
2.1数据挖掘的方法
在电子商务中，较为常用的数据挖掘技术包括聚类分析、关联规则、分类规则、时间序列模式、偏差分析及预测与评价等，其中聚类分析是指对Web访问信息中特性相似的客户进行聚类，并划出客户群，以帮助电子商务公司开发和实施市场战略；关联规则挖掘是指找出数据库中数据集之间的关系，以帮助电子商务公司制定商务决策；分类规则挖掘通常用决策树模式或规则来描述分类数据的整体信息，以便按预分类要求对新记录进行归类；时间序列模式是指根据时间顺序查阅时间事件的数据库，并从中找出与参考项类似的时序事件，进而再据此检索出反复频率更高的事件，以帮助电子商务公司准确预测用户的查找模式和为用户提供个性化的服务；偏差分析是指对数据的极端或异常现象进行分析描述，进而分析用户的异常行为、鉴别信用欺诈、控制数据质量和确保网络安全等；预测与评价是指在综合分析历史数据之后，对其进行归纳，并找出数据分布的规律性和时效性，进而预测和评估事件的发展。
2.2电子商务中数据挖掘技术的应用
电子商务公司挖掘数据的目的是为制定营销计划提供依据和实现网络效益最大化。据此，试图从以下方面浅析电子商务中数据挖掘技术的实际应用：2.2.1实施战略部署随着电子商务网站数量的增加，用户很难快速从混杂的网站和商品信息中快速找到自己所需的信息。这一类问题的存在便要求根据用户的实际需要建设电子商务网站，即根据用户的综合特征，为之提供个性化的服务。据此，介绍一种基于数据挖掘技术的电子商务推荐系统，即通过挖掘用户的访问内容、访问频度和访问行为等，提取用户的综合特征，进而得出用户的访问模式。利用电子商务推荐系统，便可建立主动向用户推荐商品且帮助用户快速找到所需商品的个性化电子商店。实践证实，电子商务推荐系统作为一种个性化的购物体验，其一方面使访问主体转变为购买主体，此时网站可根据用户在购物车中添加的商品，将一些关联的商品推荐给用户，进而增加站点的交叉销量；另一方面可根据用户的需求以动态的方式对用户进行页面推荐，具体向其提供针对性的广告和商品信息，进而提高用户对站点的兴趣。2.2.2制定营销策略电子商务公司通过挖掘用户对商品的访问信息和商品的销售记录，便可提取出用户的访问规律，并据此制定不同产品的营销策略。例如，通过数据挖掘，对不同商品的优惠策略进行仿真；通过建立数据挖掘模型，对计费和出账进行模拟，此时根据仿真结果，便可得知优惠策略的不足，进而帮助电子商务公司调整优惠策略，并最终实现促销收益最大化。2.2.3改进网站的服务方式和组织结构通过挖掘用户对网站的访问记录和反馈信息，站点的设计人员便可知晓已建网站存在的不足，并按需进行改进，即改进网站的服务方式和组织结构，进而提升网站的服务质量。一般来讲，网站的内容和结构是影响用户访问量的重要因素。在站点上安排的页面内容和链接好比实体超市中货架上商品的摆设，理应将信任度和支持度更高的物品及与之关联的物品集中摆放，以增加销售量。例如，通过利用关联规则，便可根据用户的实际需求对站点结构进行动态调整，以使关联页面之间进行直接链接，进而帮助用户快速找到所需的页面。如此一来，定会增加用户对网站的忠诚度，进而提高网站的访问量。2.2.4改进系统性能通过统计分析电子商务网站的数据，便可为系统性能的改进和系统安全的增强提供决策依据。Web服务的综合性能和服务质量通常被用来衡量用户的满意度。对此，数据挖掘通过用户访问的阻塞记录，便可找出站点性能的不足，进而为站点管理人员改进Web缓存、网络传输、流量负载平衡和数据分布提供决策依据。除此以外，亦可通过对网络的非法访问记录进行挖掘分析，找出系统存在的弱点，并进行改进，进而提高网站站点的可靠性。2.2.5强化商业信用评估电子商务的发展需要较高的社会信用水平作为保障，而通过挖掘历史记录与公司数据统计的差别、期望值与结果的偏离和反常实例的数据，便可为公司制定投资与经营风险防范决策提供依据。换言之，利用数据挖掘技术跟踪公司的经营行为、评估公司的资产、分析利润收益和预测公司的发展潜力，便可建立更为健全的安全保障体系，同时通过实施全程网络监控，提升在线支付与网上交易的安全管理；建立信用评估模型，深入挖掘用户的交易历史数据，提取出用户交易数据的本质特征，进而划分用户信誉度级别，以化解或防范信用风险。如此一来，便可直接提升电子商务公司甄别信用和管理风险的能力。
3结语
数据挖掘技术在电子商务中的应用将为电子商务公司从大量的数据中提取有价值的信息提供技术支撑，进而为公司制定战略决策、实施战略部署和进行风险管理提供参考依据。数据挖掘技术在电子商务领域的应用前景相当好，理由如下：电子商务系统中所涉及的数据记录相当庞杂；数据挖掘所得出的结论极易被已有的电子商务系统所采纳；数据挖掘技术的应用可以为按需为用户提供个性化的服务，进而实现增强用户忠诚度和增加商品销量的目的。
参考文献
[1]许丽莉,贾保先,李寰，等.Web数据挖掘在农业电子商务中的应用[J].安徽农业科学,2012,(7):4444-4445.
[2]张增敏,谢嘉.基于数据挖掘技术的B2C电子商务系统研究与实现[J].山东农业大学学报（自然科学版），2011,42(3):451-455.
[3]刘晓云,焦亚琴,张银叶，等.基于PMML的电子商务数据挖掘研究[J].现代情报,2015,35(8):57-60,130.
[4]黄伟建,桑志超,杜巍，等.电子商务环境下的Web数据挖掘系统架构设计[J].河北工程大学学报（自然科学版），2014,31(2):83-85.
[5]刘振东.企业电子商务中数据挖掘分析及方法论[J].煤炭技术,2012,31(3):272-274.
[6]刘金勇.Web数据挖掘在电子商务中的研究应用[J].网络安全技术与应用,2013,(9):25-26.
[7]刘芬.基于用户特征的电子商务数据挖掘研究[J].电脑编程技巧与维护,2015,(3):57-59.
[8]马宁.浅议Web数据挖掘在电子商务中的应用[J].中国商贸,2011,(3):119-120.
作者：邰琦珲 单位：沈阳理工大学
