探索基于數據挖掘的CtoC模式電子商務個性化信息推薦服務應用

于紅巖 甄寶華 韓 雪劉玉潔

（1.齊齊哈爾工程學院，黑龍江 齊齊哈爾 161005；2.哈爾濱頂津食品有限公司齊齊哈爾生產分公司,黑龍江 齊齊哈爾 161005）

一、數據挖掘相關技術及其在電子商務服務中的應用

（一）數據挖掘相關理論

1、數據挖掘含義

數據挖掘(DataMining)就是從海量的、不完整的、模糊的、隨機的、有噪聲的實際應用的數據中,提取出隱含在其中的、有效的、新穎的、潛在有用的并最終可被用戶理解的信息和模式的非平凡過程。

2、數據挖掘的主要功能

數據挖掘是綜合了各個學科的相關技術，主要功能有：數據總結、分類、聚類、關聯分析、預測、偏差的檢測，并通過以上數據挖掘的各項功能互相聯系、相互作用進而發揮他們的功能。

3、數據挖掘的基本流程

數據挖掘是一個完整的過程,：即從大量的數據信息中挖掘出有效的、潛在有用的信息,并運用這些信息做出相關決策，進而提供給用戶。數據挖掘可通過三步驟進行:（1）數據準備(datapreParation)：包括數據選取、數據預處理和數據變換；（2）數據挖掘：如數據分類、聚類、關聯規則、序列模式等；（3）結果的解釋評估：將挖掘出的結果以一種易于用戶理解的形式表示出來并進行分析和評價，經過評估,將存在一些冗余或是無關的模式剔除;一些有用的模式也可能不能滿足用戶的實際要求,這時需要返回原階段重新操作；由于數據挖掘的結果是面向用戶的,因此需要對發現的模式進行可視化操作，將結果轉化成為用戶易懂的表示形式。

（二）數據挖掘技術的應用

數據挖掘技術從一開始出現就是面向應用的，應用領域相當廣泛，如電子商務、電話收費與管理、商業銀行、交通、零售等商業領域。隨著數據挖掘技術的日漸成熟，該技術所能解決的商業問題越來越多，同時隨著電子商務發展的勢頭越來越強勁，數據挖掘技術在電子商務領域將有一個非常廣闊的發展空間，運用數據挖掘技術能夠預測用戶的消費趨勢、市場需求，為企業建設個性化的商業網站，能給企業帶來新的商業增長點，進而為企業創造巨大的商業利潤，但在實際應用中，運用數據挖掘解決電子商務問題遇到了很多問題，特別是如今消費者個性化需求增長加快給商務網站個性化服務提出了較高要求，而且如何將服務器的客戶數據信息轉化成為適合數據挖掘的數據格式，如何解決諸如怎樣控制整個Web上信息發現過程的分布性、異構性問題等也給數據挖掘技術帶來了挑戰，如何利用數據挖掘技術更有效統計和分析用戶個性化特征，進而指導營銷的組織和分配，最終讓企業在激烈的市場競爭中處于有利位置成為研究的重點。數據庫挖掘技術具體應用：數據庫營銷、背景分析、客戶群體劃分、交叉銷售等市場分析行為，以及客戶流失性分析、欺詐發現、客戶信用記分等等。

（三）電子商務的相關理論

1、電子商務含義

電子商務(Electronic commerce)是指利用互聯網進行的商務活動。

2、電子商務的主要模式劃分

電子商務現有的主要模式為:企業對消費者個人的電子商務，個人對個人的電子商務，企業對企業的電子商務等等。

（四）個性化信息推薦服務含義

個性化信息推薦服務是一種有針對性的服務方式，根據用戶的特點來實現，運用各種渠道對資源進行匯總、整理和分類，進而向用戶提供個性化的推薦信息，以滿足用戶的個性化需求。

二、電子商務個性化信息推薦服務在CtoC模式中應用

（一）CtoC模式特征

個人對個人的電子商務模式是一種比較特殊的電子商務模式,是指消費者個人運用互連網進行的商務過程，典型的CtoC電子商務平臺有電子商城,用戶擁有買家和賣家雙重身份。該商城有以下特點:

1、C2C電子商務模式不同于傳統的消費交易模式，該模式通過直銷、代理等形式為用戶帶來實惠。

2、形式多樣靈活，能吸引消費者眼球。

3、交易額度低，交易量大

4、身份靈活和操作方便

（二）CtoC模式電子商務個性化信息推薦服務遇到的問題和解決措施

伴隨著電子商務的快速發展,電子商務的后臺數據庫雖然能夠提供大量的交易數據和與顧客相關信息的數據,但用戶如何從海量的數據資源中挖掘出所需求的有用信息是當前的關注的熱點問題。因此也產生了一系列的問題：

1、電子商城有責任為企業經營提供各種有利于其發展的增值服務,方便賣家制定營銷策略,，提高電子商城的利潤空間，也給用戶提供了方便。但是如何針對不同的用戶提供不同的增值服務是商家面臨的問題。

解決措施：根據用戶的消費和操作習慣,將龐大的用戶劃分成幾個用戶群，然后依據各個用戶群的屬性對該群進行特征定義,根據用戶對產品的關注不同,消費習慣差異,提供不同的增值服務。

2、一些惠顧的客戶也是龐大的數據集中的一員，賣家也許未能及時發現電子商城的這些惠顧客戶。沒能掌握這些始終鐘情于自己店鋪商品的用戶,沒有及時維護他們已有的消費熱情,因而沒能進一步發展更高級的合作。

解決措施：可以運用數據挖掘技術中的聚類方法劃分群模型,然后從中分析出具有不同特點的不同類別的用戶，提取惠顧的客戶，重點分析他們的特征，針對他們的特點制定更多友好的促銷信息，推銷自己的商品，引導這些用戶進行消費,以提高該類用戶對商品的依賴度,從而使關系更加穩定。

三、CtoC模式電子商務個性化信息推薦服務應用前景和可能遇到的問題

基于數據挖掘的電子商務業務模型的設計與開發還不夠成熟,而且是一個系統工程，它需要數據挖掘專家、其他領域專家共同參與,由于各領域的差別較大,很難找到統一的標準，這就使得數據挖掘技術在電子商務領域的應用發展速度緩慢，CtoC電子商務運營模式是眾多電子商務模式中的一種,個性化服務特征明顯，應用前景廣闊，但也受到數據挖掘技術應用的限制，不能準確定位個性消費者特征，要想進一步快速發展，可以結合CtoC模式商城的具體項目應用實踐,設計和實現對解決方案有用的數據挖掘模型，但這些只是很初步的工作,系統模型中還有很多的不足之處,需要研究人員進一步分析和完善CtoC模式中數據分析的應用,進而開發新的應用模型以適應業務模型的不斷變化。

個性化服務將成為未來互聯網發展的核心技術和理念。現有的個性化服務在獲取個人喜好方式等方面都具有局限性，而實際上可以通過微博、QQ、MSN等很多方式獲取個人的喜好,挖掘這些信息將能更加全面和準確的定位用戶偏好。特別是伴隨著互聯網時代的真正到來,數據將在我們的生活中扮演越來越重要的角色,而與之相關的挖掘數據技術也將會變得更加有實際意義。但是，CtoC模式電子商務個性化推薦服務也面臨很多挑戰：

1、推薦服務需求的多樣化。

2、推薦服務的精確性和實時性：推薦質量與實時性之間的平衡問題一直是推薦系統所面對的最大挑戰，大部分分推薦技術是以犧牲推薦質量為前提來保證推薦服務實時性要求。

3、推薦結果解釋研究：目前的電子商務推薦系統一般都采用向用戶提供評價信息或TOP排行等方式提供產生推薦的原因。

[1]楊雪雁.電子商務概論[M].北京大學出版社,2010.

[2]康雨潔.基于協同過濾的個性化社區推薦方法研究[D].安徽合肥:中國科學技術大學,2011.

[3]項亮.推薦系統實踐[M].北京:人民郵電出版社,2012.