淺談數據挖掘技術在電子商務領域的應用

摘要：數據倉庫和數據挖掘技術的快速發展，促進著企業決策支持系統的不斷更新，也促使企業與客戶之間的經濟關系發生著重大變革。客戶關系管理（CRM）作為近年來數據挖掘技術在企業決策支持系統中又一新的應用，使企業在經營模式、銷售戰略以及市場服務等多元領域都突破了傳統框架。傳統的以產品為核心的生產經營戰略也變革成“以客戶為中心”的新型商業模式。客戶關系管理中需要理解客戶特性和客戶行為，由于在與客戶的經濟交往的過程中存在一定的風險，利用基于數據挖掘的客戶分類器，實現對客戶群的認識、分類和評估，對客戶風險進行管理，然后通過優化產品組合來實現客戶獲取、客戶保留、客戶忠誠和客戶盈利的目的以及客戶風險最小化。

針對客戶關系管理中數據挖掘處理工具這一重要環節，筆者試分析了數據挖掘技術讓企業有能力最終認識數據的真正價值，即蘊藏在數據中的信息和知識。對于電子商務企業，豐富的數據源，自動收集的可靠數據使它很容易滿足數據挖掘所必需要因素。論文從數據挖掘模式類型等內容出發，研究了電子商務企業如何利用數據挖掘技術，分析銷售數據庫中的數據，為個性化網絡營銷的實現服務。

關鍵詞：數據挖掘 決策支持系統 數據倉庫 客戶分類器 優化產品組合

一、引言

隨著網絡技術的迅速發展，經濟生活中再沒有哪個領域可以忽略電子商務在未來發展中的地位和作用。各式各樣的新理念、經營模式隨雨后春筍般冒出來的網絡公司而興起。

基于網絡技術發展而興起的電子商務，正在改變著各個行業的經營模式，迫使各個企業重新定位并考慮自身的組織架構、業務流程和服務模式。在傳統的銷售服務模式中，客戶渴望得到進一步的咨詢和服務通常要經過曲折復雜的自行聯絡過程，使客戶的真實需求難以直接反映給企業，企業也難以直接獲得客戶的需求數據，造成生產及需求信息的不匹配。渠道成員越多供應鏈越長，供應鏈下游的需求信息傳導至企業失真的情況就越明顯。對于企業來說，營銷的最終目的就是將商品或服務銷售在適當的時間以適當的價格賣出適當的商品給適當的客戶。由于信息傳導失真的問題，傳統企業經常面對的營銷難題是生產周期長，客戶信息收集的難度大且需時長。為了產品更好地迎合消費者的需求，傳統企業只能根據自己有限種類商品的歷史銷售數據，憑經驗來解決這個問題，如果是新開發的產品，更加難以解決這個問題，僅憑借經驗行事在現今訊息日變的經營環境中將面臨很大的經營風險。

現在得益于電子商務的迅速發展，企業可以獲得龐大的客戶消費數據，如客戶所在地、性別、訪問頻次、瀏覽時間、主要產品頁面停留時間等等傳統銷售中所無法獲得的詳細數據。憑借先進的數據挖掘工具，企業不僅可獲得已消費客戶信息，還可以從海量的電子商務數據中找出潛在客戶需求用以指導經營，極大地降低了經營風險，提高了企業的經營業績。這也就是為什么近年來客戶關系管理（CRM）會成為熱點的重要原因。

有效的客戶關系管理（CRM）能夠幫助企業與顧客或供貨商產生一種自動化的關系，傳統上的渠道成員都因為網絡技術的發展逐漸被取代或被迫革新。此時，我們必須要用一種新的系統或新的環境，讓企業與其關系人都能達到互動的效果，其中關鍵點在于“電子關系”的建立。客戶關系管理（CRM)都是一個非常好的戰略。傳統企業的客戶關系管理（CRM）普遍推行的是設立電話中心或郵寄目錄的方式，然而建設一個電話中心或郵寄目錄的成本相當昂貴，因此中國不一定要遵循舊的模式演化程序，可以直接跳脫傳統客戶關系管理（CRM）的執行渠道，直接通過互聯網的數據挖掘分析技術達到eCRM的境界。在目前的市場中，基于CRM的產品種類很多，但真正能夠實現與客戶互動的產品卻非常少。美商艾克在中國市場推出的eCRM產品就是其中的一種。在前端，eCRM能夠提供統一聯絡中心的功能，它結合了網頁、電話、電子郵件、傳真等與客戶互動的能力，并提供個人化網頁自動組合功能；在后端提供客戶消費行為追蹤，以及專用于客戶服務及客戶行銷的資料分析等功能，讓企業能夠做到一對一行銷的目標。

實際上電子化客戶關系管理（eCRM）不僅對于企業來說，對于客戶來說也同樣是有其存在意義的。隨著技術的發展，信息鋪天蓋地，不僅企業被淹沒在大量的信息中，就連顧客也不得不花大量的時間來尋找、瀏覽自己感興趣的信息。根據菲利普·科特勒的顧客讓渡價值理論，顧客讓渡價值=總顧客價值-總顧客成本。總顧客價值是顧客從某一特定產品或服務中獲得的一系列價值，包括產品價值、服務價值、人員價值和形象價值。總顧客成本是顧客在為購買該產品或服務所耗費的費用，不僅包括貨幣成本，還包括時間成本、精神成本、體力成本等非貨幣成本。可見為了購買特定產品，在電子商務這種特殊市場中，瀏覽信息所花費的時間成本、精神成本、體力成本等也直接影響著總顧客讓渡價值

二、個性化營銷

個性化營銷是把一個顧客看成一個顧客群，將鎖定銷售目標的活動發揮到極致的程度。充分體現了“顧客至上”，“顧客永遠是正確的”，“愛你的顧客而非產品”等現代市場營銷觀念。消費者選購商品時完全以“自我”為中心，現有商品不能滿足需求，則可向企業提出具體要求，企業也能滿足這一要求，這樣既能最大限度地滿足消費者的個性化需求，又能增強企業產品的市場競爭力。同時由于和消費者保持長期的互動關系，企業能及時了解市場需求的變化，有針對性地生產，不會造成產品積壓。縮短再生產周期，降低流通費用，從而提高企業經濟效益。

同時個性化營銷還有一個顯著的特點，那就是由于直接面對消費者，沒有傳統的銷售渠道，訂單不能保證，因此不適合建立大庫存，長期經營單一產品，同時比起傳統的渠道營銷，客戶能夠比較的商品數量和類型有限，電子商務營銷由于采用了先進的電子信息技術和網絡技術，必然面臨更加激烈的市場競爭，因此更加需要精細地收集和整理電子商務數據，掌握市場動向，及時調整價格、庫存和產品類型，在激烈的市場競爭中生存下來。

在電子商務環境下，實現個性化營銷可以利用的資源包括個性化網站、顧客數據庫，網絡營銷工具。即企業在互動式網站和數據庫為支撐工具的前提下，整合運用個性化的網站、個性化的E-mail、個性化的網頁、顧客的興趣追蹤等相關工具，既可以與顧客建立親密友好的聯系，又可以創建個性化的營銷信息，包括每個顧客的喜好、購買模式、針對他的最有效的溝通技巧等，以此來提供個性化的產品和顧客服務，開展個性化營銷活動。

下圖反映出一個具備個性化營銷服務功能的系統功能層次結構。

由圖看出，系統要得到上層所提供的個性化營銷服務，需要從底層數據庫獲取數據等，將底層數據析取到數據倉庫中，在數據倉庫中建立以顧客基本資料、判斷客戶有價值資料、發掘潛在客戶資料及分析客戶流失資料，并在保留原有數據的基礎上，不斷刷新數據倉庫的數據，接著進行指標分析、多維數據分析和數據挖掘。主要內容有顧客分析、忠誠度分析、銷售分析、顧客反饋分析、財務分析等。

通過對顧客屬性特征、交易行為和資金能力的分析，提取各種與顧客交易之靜態特征和動態特征相關的知識，對顧客進行必要細分，從而有針對性地對顧客施加一對一的個性化營銷服務，提高電子商務企業的認知能力和服務創新水平，擴大其獲利機會。

可見上層的個性化營銷功能的獲得是底層數據所不能直接提供的，需要經過中間析取到數據倉庫中，面向主題對數據進行組織與管理后，再利用數據挖掘技術才能實現的。

三、數據挖掘工具及選擇分析

數據挖掘技術讓人們有能力最終認識數據的真正價值，即蘊藏在數據中的信息和知識。它使得許多商業公司充分認識到深層次地分析本公司業務數據庫中的數據能夠帶來更多的商業機會。尤其對于電子商務企業，它很容易滿足數據挖掘所必需要因素：豐富的數據源、自動收集的可靠數據，并且可將挖掘的結果轉化為個性化網絡營銷這樣的商業行為，商業投資可以直接評價。

在不久前大部分數據挖掘工具還只能為專門技術人員所操縱，但現在有更多的公司提供了更高級的數據挖掘系統，使得非專業人士也能使用。這些數據挖掘工具所基于的技術主要包括：規則歸納、神經網絡、遺傳算法、模糊邏輯、規則發現、模糊專家系統規則、決策樹、基于實例的推理、歸納邏輯等。

選擇一個滿足本公司實現個性化網絡營銷的數據挖掘工具可從以下方面進行考慮：

（1）產生的模式種類

數據挖掘模式一般有以下六種:

①分類模式:表現為一棵分類樹，根據數據的值從樹根開始搜索，沿著數據滿足的分支往上走，走到樹葉就能確定類別。

②回歸模式:與分類模式相似，其差別在于分類模式的預測值是離散的，回歸模式的預測值是連續的。

③時間序列模式:根據數據隨時間變化的趨勢預測將來的值。

④聚類模式:把數據劃分到不同的組中，組之間的差別盡可能大，組內的差別盡可能小，但它與分類模式不同之處在于，進行聚類前并不知道將要劃分成同個組和什么樣的組。

⑤關聯模式:描述事物之間同時出現的規律的知識模式。如購買A產品與B產品之間的關聯性。

⑥序列模式:與關聯模式相似，它把數據之間的關聯性與時間聯系起來。

對于個性化營銷，公司的需要反映在：跟蹤和學習顧客的興趣和行為;為當前用戶尋找k個最相似的鄰居來預測當前用戶的興趣；或找出在什么時間，什么樣顧客對什么樣的產品感興趣等方面。

以上的六種模式中分類模式可以對顧客進行分類；時間序列模式可在需求量方面給出預測結果；聚類模式可用于顧客聚類.由于它是根據相似顧客來推薦資源的，即根據最相似的鄰居來預測當前顧客的興趣，所以有可能為潛在顧客推薦出新的感興趣的內容；關聯模式找出A產品與B產品之間的關聯性；序列模式則可以反映出需求的季節性。

（2）易操作性

當前有的工具有圖形化界面，引導用戶半自動化地執行任務；有的使用腳本語言，有些工具提供數據挖掘的API，可以嵌入到C、Visual Basic、PowerBuilder等高級編程語言中。

（3）數據存取能力

好的數據挖掘工具可以使用SQL語句直接從DBMS中讀取數據。這樣可以簡化數據準備工作。

（4）與其他產品的接口

在需要其他產品輔助企業理解數據、理解結果時，數據挖掘工具與其他產品的接口就顯得很重要了。

總之，數據挖掘工具應具備多種模式、多種算法、良好的數據選擇和轉換能力、可視化、擴展性等，使之具備更強的解決復雜問題的能力。

當前比較著名數據挖掘工具有IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine等，它們都能夠提供常規的挖掘過程和挖掘模式。

其中Intelligent Miner 通過其世界領先的獨有技術，例如典型數據集自動生成、關聯發現、序列規律發現、概念性分類和可視化呈現，可以自動實現數據選擇、數據轉換、數據發掘和結果呈現這一整套數據發掘操作。若有必要，對結果數據集還可以重復這一過程，直至得到滿意結果為止。根據IDC 的統計，Intelligent Miner 目前是數據發掘領域最先進的產品。

SAS Enterprise Miner 能支持包括關聯、聚類、決策樹、神經元網絡和統計回歸在內的廣闊范圍的模型數據挖掘工具。SAS Enterprise Miner設計為被初學者和有經驗的用戶使用。它的GUI界面是數據流驅動的，且它易于理解和使用。由于支持多種模型，所以SAS Enterprise Miner允許用戶比較不同模型并利用評估結點選擇最適合的。SAS Enterprise Miner被設計成能在所有SAS支持的平臺上運行。

SPSS Clementine是一個開放式數據挖掘工具，曾兩次獲得英國政府SMART 創新獎，它不但支持整個數據挖掘流程，從數據獲取、轉化、建模、評估到最終部署的全部過程，還支持數據挖掘的行業標準——CRISP-DM。Clementine的可視化數據挖掘使得\"思路\"分析成為可能，即將集中精力在要解決的問題本身，而不是局限于完成一些技術性工作（比如編寫代碼）。提供了多種圖形化技術，有助理解數據間的關鍵性聯系，指導用戶以最便捷的途徑找到問題的最終解決辦法。

其他常用的數據挖掘工具還有LEVEL5 Quest 、MineSet (SGI) 、Partek 、SE-Learn 、SPSS 的數據挖掘軟件Snob、Ashraf Azmy 的SuperQuery 、WINROSA 、XmdvTool 等。

四、總結

個性化營銷一直是網絡營銷所關注的領域之一，但總的來說個性化營銷的思想在網絡營銷實踐中的體現不夠明顯，效果也難以顯著，究其原因正是電子商務企業沒有很好地利用數據挖掘工具，從底層業務數據中找到知識和信息。論文通過討論數據挖掘工具及其實現模式，結合個性化營銷的實現目標的分析，以期使電子商務企業充分利用豐富的底層數據源，真正把數據挖掘融入到企業的經營決策中。

參考文獻

[1] 田同生 CRM專題：www.yesky.com 2004.03

[2] Alex Berson，Stephen Smith，Kurt Thearling，賀奇譯 構建面向CRM的數據挖掘應用[M].

北京：人民郵電出版社 2001.08

[3] 石麗 李堅. 數據倉庫與決策支持系統[M]. 北京：國防工業出版社，2003.07

[4] 田金蘭 李奔. 數據挖掘工具：分類器[J]. 計算機世界1999 Vol