《示例2 数据挖掘技术在电子商务中的应用》由会员分享，可在线阅读，更多相关《示例2 数据挖掘技术在电子商务中的应用（18页珍藏版）》请在金锄头文库上搜索。
1、数据挖掘技术在电子商务中的应用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 -目录目录摘要摘要 2 第一章第一章 绪论绪论 1.1 调研背景2 1.2 数据挖掘应用对电子商务领域的意义2 1.3 数据挖掘技术的应用现状3 1.4 数据挖掘主要方法4 1.5 数据挖掘过程4 1.51 数据挖掘过程图5 1.52 数据挖掘过程简介5第二章第二章 以亚马逊为例的数据挖掘应用分析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6 2.
2、11 客户获得的定义6 2.12 数据挖掘技术在客户获得中的应用意义6 2.13 客户获得的步骤7 2.2 数据挖掘在电子商务中的应用分析客户细分8 2.21 客户细分的定义8 2.22 客户细分的意义8 2.23 数据挖掘算法进行客户细分的流程9 2.24 亚马逊网站的客户分析 9 2.3 数据挖掘在电子商务中的应用分析客户保留11 2.31 客户保留的意义11 2.32 客户流失原因的分析12 2.33 数据挖掘在亚马逊电子商务平台的挖掘目标13 2.34 亚马逊在建立客户流失模型的过程13 2.4 数据挖掘在电子商务中的应用分析个性化服务14 2.41 个性化服务的定义14 2.42 个
3、性化服务的特点14 2.43 电子商务个性化服务的意义15 2.44 电子商务个性化服务的类型15 2.45 数据挖掘技术亚马逊个性化服务中的应用16 2.5 数据挖掘在电子商务中的应用分析资源优化18 2.51 资源优化的意义18 2.52 数据挖掘在亚马逊资源优化方面的应用18第三章第三章局限性分析局限性分析 3.1 数据挖掘在电子商务中应用的局限性21总结和体会总结和体会21- 2 -摘要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
4、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。第一章第一章绪论绪论1.11.1 调研背景调研背景 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
5、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。1.21.2 数据挖掘应用对电子商务领域的意义数据挖掘应用对电子商务领域的意义 数据挖掘有助于发现电子商务业务发展的趋势，帮助
6、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。 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
7、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。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。 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
8、进- 3 -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。1.31.3 数据挖掘技术在电子商务的应用现状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、
9、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。1.41.4 数据挖掘主要方法数据挖掘主要方法 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。 数据统计方法数据统计方法 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
10、 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。 关联规则方法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。 人工神经网络方法人工神经网络方法 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
11、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。 决策树方法决策树方法 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
12、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。 聚类方法聚类方法 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。 可视化技术可视化技术- 4 -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。1.51.5 数据挖掘过程数据挖掘过程 1.511.51 数据挖掘
13、过程图数据挖掘过程图图 1：数据挖掘的基本过程和主要步骤1.521.52 数据挖掘过程简介数据挖掘过程简介 过程中各步骤的大体内容如下:确定业务对象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.数据准备数据准备 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.- 5 -b 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. c c 数据的转换:将数据转换成一个分析模型
14、.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 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 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 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第二章以亚马逊为例的数据挖掘应用分析以亚马逊为例的数据挖掘应用分析概述：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
