數據挖掘應用于電子商務中存在問題

導語：數據挖掘應用于電子商務中存在問題一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

網絡的發展帶動了電子商務市場的繁榮，大量的商品、信息在現有的網絡平臺上得以交易，大大簡化了傳統的交易方式，節約了時間，提高了效率，但電子市場繁榮背后隱藏的問題，也成為人們關注的焦點，突出表現在海量信息的有效利用上，如何更加有效的管理利用潛在信息，使他們的最大效用得以發揮，成為人們現在研究的重點，數據挖掘技術的產生，在一定程度上解決了這個問題，但它也存在著問題，需要不斷改善。

數據挖掘(DataMining)就是從大量的、不完全的、有噪聲的、模糊的、隨機的原始數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程?；蛘哒f是從數據庫中發現有用的知識(KDD)，并進行數據分析、數據融合(DataFusion)以及決策支持的過程。數據挖掘是一門廣義的交叉學科，它匯聚了不同領域的研究者，尤其是數據庫、人工智能、數理統計、可視化、并行計算等方面的學者和工程技術人員。

數據挖掘技術在電子商務的應用

1找到潛在客戶

在對Web的客戶訪問信息的挖掘中,利用分類技術可以在Internet上找到未來的潛在客戶。使用者可以先對已經存在的訪問者根據其行為進行分類,并依此分析老客戶的一些公共屬性,決定他們分類的關鍵屬性及相互間關系。對于一個新的訪問者,通過在Web上的分類發現,識別出這個客戶與已經分類的老客戶的一些公共的描述,從而對這個新客戶進行正確的分類。然后從它的分類判斷這個新客戶是有利可圖的客戶群還是無利可圖的客戶群,決定是否要把這個新客戶作為潛在的客戶來對待?？蛻舻念愋痛_定后,可以對客戶動態地展示Web頁面,頁面的內容取決于客戶與銷售商提供的產品和服務之間的關聯。若為潛在客戶,就可以向這個客戶展示一些特殊的、個性化的頁面內容。

2實現客戶駐留

在電子商務中,傳統客戶與銷售商之間的空間距離已經不存在,在Internet上,每一個銷售商對于客戶來說都是一樣的,那么使客戶在自己的銷售站點上駐留更長的時間,對銷售商來說則是一個挑戰。為了使客戶在自己的網站上駐留更長的時間,就應該全面掌握客戶的瀏覽行為,知道客戶的興趣及需求所在,并根據需求動態地向客戶做頁面推薦,調整Web頁面,提供特有的一些商品信息和廣告,以使客戶滿意,從而延長客戶在自己的網站上的駐留的時間。

3改進站點的設計

數據挖掘技術可提高站點的效率,Web設計者不再完全依靠專家的定性指導來設計網站,而是根據訪問者的信息特征來修改和設計網站結構和外觀。站點上頁面內容的安排和連接就如超級市場中物品的貨架擺布一樣,把具有一定支持度和信任度的相關聯的物品擺放在一起有助于銷售。網站盡可能做到讓客戶輕易地訪問到想訪問的頁面,給客戶留下好的印象,增加下次訪問的機率。

4進行市場預測

通過Web數據挖掘,企業可以分析顧客的將來行為,容易評測市場投資回報率,得到可靠的市場反饋信息。不僅大大降低公司的運營成本,而且便于經營決策的制定。

數據挖掘在應用中面臨的問題

1數據挖掘分析變量的選擇

數據挖掘的基本問題就在于數據的數量和維數，數據結構顯的非常復雜，數據分析變量即是在數據挖掘中技術應用中產生的，選擇合適的分析變量，將提高數據挖掘的效率，特別適用于電子商務中大量商品以及用戶信息的處理。

針對這一問題，我們完全可以用分類的方法，分析出不同信息的屬性以及出現頻率進而抽象出變量，運用到所選模型中，進行分析。

2數據抽取的方法的選擇

數據抽取的目的是對數據進行濃縮，給出它的緊湊描述，如求和值、平均值、方差值、等統計值、或者用直方圖、餅狀圖等圖形方式表示，更主要的是他從數據泛化的角度來討論數據總結。數據泛化是一種把最原始、最基本的信息數據從低層次抽象到高層次上的過程?？刹捎枚嗑S數據分析方法和面向屬性的歸納方法。

在電子商務活動中，采用維數據分析方法進行數據抽取，他針對的是電子商務活動中的客戶數據倉庫。在數據分析中經常要用到諸如求和、總計、平均、最大、最小等匯集操作，這類操作的計算量特別大，可把匯集操作結果預先計算并存儲起來，以便用于決策支持系統使用

3數據趨勢的預測

數據是海量的，那么數據中就會隱含一定的變化趨勢，在電子商務中對數據趨勢的預測尤為重要，特別是對客戶信息以及商品信息合理的預測，有利于企業有效的決策，獲得更多地利潤。但如何對這一趨勢做出合理的預測，現在還沒有統一標準可尋，而且在進行數據挖掘過程中大量數據形成文本后格式的非標準化，也給數據的有效挖掘帶來了困難。

針對這一問題的產生，我們在電子商務中可以應用聚類分析的方法，把具有相似瀏覽模式的用戶集中起來，對其進行詳細的分析，從而提供更適合、更令用戶滿意的服務。聚類分析方法的優勢在于便于用戶在查看日志時對商品及客戶信息有全面及清晰的掌控，便于開發和執行未來的市場戰略，包括自動給一個特定的顧客聚類發送銷售郵件，為一個顧客聚類動態地改變一個特殊的站點等，這無論對客戶和銷售商來說都是有意義。

4數據模型的可靠性

數據模型包括概念數據模型、邏輯數據模型、物理模型。數據挖掘的模型目前也有多種，包括采集模型、處理模型及其他模型，但無論哪種模型都不是很成熟存在缺陷，對數據模型不同采用不同的方式應用?？赡墚a生不同的結果，甚至差異很大，因此這就涉及到數據可靠性的問題。數據的可靠性對于電子商務來說尤為重要作用。

針對這一問題，我們要保障數據在挖掘過程中的可靠性，保證它的準確性與實時性，進而使其在最后的結果中的準確度達到最高，同時在應用模型過程中要盡量全面的分析問題，避免片面，而且分析結果要由多人進行評價，從而最大限度的保證數據的可靠性。

5數據挖掘涉及到數據的私有性和安全性

大量的數據存在著私有性與安全性的問題，特別是電子商務中的各種信息，這就給數據挖掘造成了一定的阻礙，如何解決這一問題成為了技術在應用中的關鍵。

為此相關人員在進行數據挖掘過程中一定要遵守職業道德，保障信息的機密性。

6數據挖掘結果的不確定性

數據挖掘結果具有不確定性的特征，因為挖掘的目的不同所以最后挖掘的結果自然也會千差萬別，以因此這就需要我們與所要挖掘的目的相結合，做出合理判斷，得出企業所需要的信息，便于企業的決策選擇。進而達到提高企業經濟效益，獲得更多利潤的目的。

數據挖掘可以發現一些潛在的用戶，對于電子商務來說是一個不可或缺的技術支持，數據挖掘的成功要求使用者對期望解決問題的領域有深刻的了解，數據挖掘技術在一定程度上解決了電子商務信息不能有效利用的問題，但它在運用過程中出現的問題也亟待人們去解決。相信數據挖掘技術的改進將推進電子商務的深入發展。

參考文獻：

[1]胡迎松,寧海霞.一種新型的Web挖掘數據采集模型[J].計算機工程與科學,2007

[2]章寒雁,楊瑞珍.數據挖掘技術在電子商務中的研究與應用[J].計算機與網絡,2007

[3]董德民.面向電子商務的Web使用挖掘及其應用研究[J].中國管理信息化,2006

[4]尹中強.電子商務中的Web數據挖掘技術應用[J].計算機與信息技術,2007