搜索
数据挖掘技术在电子商务中的应用——以亚马逊为例的数据挖掘应用分析作者：吴玩秋陈欣刘晓驰张颖袁燕芳班级：093电子商务指导老师：蒋盛益报告提交时间：2011-06-12-1-目录摘要…………………………………………………………………………………………………………………………2第一章绪论1.1调研背景………………………………………………………………………………21.2数据挖掘应用对电子商务领域的意义……………………………………………………21.3数据挖掘技术的应用现状……………………………………………………………31.4数据挖掘主要方法……………………………………………………………………41.5数据挖掘过程…………………………………………………………………………41.51数据挖掘过程图……………………………………………………………………51.52数据挖掘过程简介……………………………………………………………………5第二章以亚马逊为例的数据挖掘应用分析2.1数据挖掘在电子商务中的应用分析——客户获得…………………………………62.11客户获得的定义…………………………………………………………………62.12数据挖掘技术在客户获得中的应用意义………………………………………62.13客户获得的步骤…………………………………………………………………72.2数据挖掘在电子商务中的应用分析——客户细分…………………………………82.21客户细分的定义…………………………………………………………………82.22客户细分的意义…………………………………………………………………82.23数据挖掘算法进行客户细分的流程……………………………………………92.24亚马逊网站的客户分析……………………………………………………92.3数据挖掘在电子商务中的应用分析——客户保留…………………………………112.31客户保留的意义……………………………………………………………………112.32客户流失原因的分析………………………………………………………………122.33数据挖掘在亚马逊电子商务平台的挖掘目标……………………………………132.34亚马逊在建立客户流失模型的过程………………………………………………132.4数据挖掘在电子商务中的应用分析——个性化服务…………………………………142.41个性化服务的定义…………………………………………………………………142.42个性化服务的特点…………………………………………………………………142.43电子商务个性化服务的意义………………………………………………………152.44电子商务个性化服务的类型………………………………………………………152.45数据挖掘技术亚马逊个性化服务中的应用………………………………………162.5数据挖掘在电子商务中的应用分析——资源优化……………………………………182.51资源优化的意义……………………………………………………………………182.52数据挖掘在亚马逊资源优化方面的应用…………………………………………18第三章局限性分析3.1数据挖掘在电子商务中应用的局限性………………………………………………21总结和体会……………………………………………………………………………………21-2-摘要随着网络的迅速发展，电子商务的应用不断深入。在电子商务应用系统中，相关的用户数据日益增多，而数据挖掘技术具有从大量复杂数据中发现特定规律的能力。商业的电子化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。在前人研究的基础上，我们小组以亚马逊网站为研究对象，对数据挖掘技术在亚马逊网站这个电子商务平台的应用进行分析。本文通过对亚马逊网站的客户获得，客户细分，客户保留，个性化服务以及资源优化这五个方面进行分析，得出数据挖掘在电子商务中的重要性。第一章绪论1.1调研背景随着网络技术和数据库技术的成熟，全球传统商务正经历一次重大变革，向电子商务全速挺近。这种商业电子化的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地了解客户需要信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。电子商务的发展促使公司内部收集了大量的数据，并且迫切需要将这些数据转换成有用的信息和知识，为公司创造更多潜在的利润，数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘涉及的科学领域和方法很多，其核心技术经历了数十年的发展其中包括统计，近邻，聚类，决策树，神经网络和规则等。今天，这些成熟的技术在电子商务中已进入了使用阶段，并取得了良好的效果。1.2数据挖掘应用对电子商务领域的意义⑴数据挖掘有助于发现电子商务业务发展的趋势，帮助电子商务企业做出正确的决策，使企业处于更有利的竞争位置。商业电子化的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地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。⑵数据挖掘有助于客户关系管理，特别是对电子商务客户关系管理起着决定性的作用。数据挖掘主要是找寻隐藏在数据中的信息，例如发现趋势、特征及相关性的过程，也就是从数据中发掘出信息或知识。以此对客户需求进行深入分析以满足企业对个体细分市场的客户关系管理需求。从发现客户到客户分类再到客户管理，数据挖掘通过各种针对性技术为企业客户关系管理提供了强有力的保证。将数据挖掘技术应用于客户关系管理,能够帮助企业深入理解客户,得到更加准确的客户模型,从而改进营销决策和客户服务。⑶数据挖掘可以促进电子商务平台的发展，加强企业电子商务平台应用的普及度。采用数据挖掘技术将电子商务中丰富的数据源信息进行有效组织利用对电子商务的具有巨大的应用价值。同时数据挖掘对于电子商务平台信息的挖掘分析可以帮助检验电子商务平台的性能，促进电子商务平台的智能化，帮助企业打造更具可操作性及吸引力的消费平台，为消费者提供更便利的消费环境。⑷数据挖掘有利于企业资源优化，合理分配资源以实现资源价值最大化。数据挖掘进行有效的统计分析挖掘，可以指导营销的组织和分配，让企业在市场竞争中处于有利位置抢占-3-先机。通过数据挖掘可以发现消费者的消费特性，从而帮助制定个性化服务，极大地吸引顾客，既避免资源浪费，又为企业带来巨大的价值。1.3数据挖掘技术在电子商务的应用现状由于数据挖掘能带来显著的经济效益，它在电子商务中（特别是金融业、零售业和电信业）应用也越来越广泛。数据挖掘技术在电子商务中重要应用于客户获得，客户细分，客户保留，个性化服务以及资源优化这几个方面。像亚马逊等零售业是数据挖掘的主要应用领域，这是因为零售业积累了大量的销售数据，如顾客购买史记录、货物进出、消费与服务记录以及流行的电子商务等等都为数据挖掘提供了丰富的数据资源。零售数据挖掘有助于划分顾客群体，使用分类技术和聚类技术，可以更精确地挑选出潜在的顾客；识别顾客购买行为，发现顾客购买模式和趋势，进行关联分析，以便更好地进行货架摆设等等。1.4数据挖掘主要方法目前,在很多领域,数据挖掘都是一个很时髦的词,数据挖掘所能解决的典型商业问题有很多,下面就分别介绍数据挖掘的六种常用数据挖掘得方法。⑴数据统计方法使用这些方法一般首先建立一个数据模型或统计模型，然后根据这种模型提取有关的知识。例如，可由训练数据建立一个Bayesian网，然后，根据该网的一些参数及联系权重提取出相关的知识。⑵关联规则方法关联规则是描述数据之间存在关系的规则,形式为“A1∧A2∧⋯An→B1∧B2∧⋯Bn”。一般分为两个步骤:第一步,求出大数据项集。第二步,用大数据项集产生关联规则数据库一组。运用关联规则的数据项往往存在某种潜在关联关系的规则。一找出所有类似的关联规则,对于企业确定生产销售、产品分类设计、市场分析等多方面是有价值的。⑶人工神经网络方法人工神经网络是由大量的简单神经元,通过极其丰富和完善的连接而构成的自适应非线性动态系统,并具有分布存储、联想记忆、大规模并行处理、自组织、自学习、自适应等功能。人工神经网络是一种有效地预测模型,在聚类分析、奇异点分析、特征提取中可以得到。通过模拟人的神经元功能,经过输入层、隐藏层、输出层等,对数据进行调整、计算,最后得到结果,用于分类和回归。⑷决策树方法决策树算法是目前应用最广泛的归纳推理算法之一,是一种逼近离散值函数的方法。它是以实例为基础的归纳学习算法,通常用来形成分类器和预测模型,着眼于从一组无次序、无规则的事例中推理出决策树表示形成的分类规则。它采用自顶向下的递归方式,在决策树的内部结点进行属性值的比较并根据不同的属性值判断从该结点向下的分支,最后在决策树的叶结点得到结论。因此从根到叶结点的一条路径就对应着一条合取规则,而整棵决策树就对应着一组析取表达式规则。决策树可能是现在最流行的有指导数据挖掘结构。⑸聚类方法聚类分析是对群体及成员进行分类的递归过程。一个簇是一组数据对象的集合,在同一簇的对象彼此类似,而不同簇中的对象彼此相异。将一组物理或抽象对象分组成为由类似对象组成的多个簇的过程被称为聚类。聚类是将数据对象分组成为多个类或簇,在同一个簇中的对象具有较高的相似度,而不同簇中的对象差别较大。⑹可视化技术数据与结果被转化和表达成可视化形式，如图形、图像等，使用户对数据的剖析更清楚。-4-1.5数据挖掘过程1.51数据挖掘过程图图1：数据挖掘的基本过程和主要步骤1.52数据挖掘过程简介过程中各步骤的大体内容如下:①确定业务对象清晰地定义出业务问题,认清数据挖掘的目的是数据挖掘的重要一步.挖掘的最后结构是不可预测的,但要探索的问题应是有预见的,为了数据挖掘而数据挖掘则带有盲目性,是不会成功的.②数据准备a数据的选择:搜索所有与业务对象有关的内部和外部数据信息,并从中选择出适用于数据挖掘应用的数据.b数据的预处理:研究数据的质量,为进一步的分析做准备.并确定将要进行的挖掘操作的类型.-5-c数据的转换:将数据转换成一个分析模型.这个分析模型是针对挖掘算法建立的.建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键.d数据挖掘:对所得到的经过转换的数据进行挖掘.除了完善从选择合适的挖掘算法外,其余一切工作都能自动地完成.e结果分析:解释并评估结果.其使用的分析方法一般应作数据挖掘操作而定,通常会用到可视化技术.f知识的同化:将分析所得到的知识集成到业务信息系统的组织结构中去第二章以亚马逊为例的数据挖掘应用分析概述：数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。在电子商务日益普及的今天，数据挖掘在电子商务领域的应用成为技术领域关注的热点。本章以世界著名的电子商务平台----亚马逊为例，从客户获得、客户细分、客户保持、个性化服务、资源优化五个主要方面分析数据挖掘技术在电子商务上的具体应用。2.1数据挖掘在电子商务中的应用分析——客户获得2.11客户获得的定义客户获得是指企业在吸引潜在客户转变为实际购买者这一过程中所运用的策略和方法。客户获得的最佳值取决于企业保留客户的能力、客户重复购买的频次以及与保留客户相比获得客户的相对机遇。2.12数据挖掘技术在客户获得中的应用意义在没有利用数据挖掘技术时，客户获取的传统方法就是选出一些感兴趣的人口调查其属性，获取这些人口的特征即可。但随着数据量的增大，传统的方法具有不可实现性。利用数据挖掘在扩展客户市场活动时，利用数据挖掘技术挖掘出潜在的客户名单，在客户名单上列出可能对某些产品感兴趣的客户信息，便可更方便的获取更多的客户。分类通过分析已知分类信息的历史数据，总结出一个预测模型，预测哪些人可能会对邮寄广告、产品目录等有反应，可以针对这一类客户的特点展开商务活动，提供