基于數據挖掘的電商用戶行為研究

安徽財經大學統計與應用數學學院，安徽蚌埠，233030

【摘要】本文在基于數據挖掘的電商用戶行為分析研究中，以某地區內淘寶店鋪在運營過程中所產生的數據作為研究基礎，通過購物車及熵值法對店鋪產品進行分析研究，分析電商用戶是否會再次購買淘寶店鋪內的產生，按照預測結果，淘寶店鋪產品銷售數量能夠得到顯著提升。

【關鍵詞】網絡購物；數據挖掘；購物車分析；電子商務

伴隨著電子商務平臺的快速發展，有關物流產業不斷完善，網絡購物已經成為人們最常見的購物形成，在社會經濟建設內所具有的作用顯著提升。人們通過點擊鼠標就能夠完成產品瀏覽及購買的流程，購物并不需要受到時間及空間的限制，網絡購物已經成為社會大眾常見消費形成，消費者消費理念與消費行為已經發生了顯著改變，進而對商業運營模式與生態系統造成嚴重影響。

1、數據統計與分析

按照有關部門對網絡購物用戶行為統計之后發現，其中有三分之一的用戶在2015年購物次數超過40次，主要購物次數集中仔30次左右，網絡購物已經成為用戶常見消費模式?？蒲腥藛T根據網絡購物數據進行分析研究內發現，大部分消費者網絡購物都具有較高滿意度，其中年輕媽媽及準媽媽該類人群成為網絡購物的主要消費群體。

本文在分析研究內所選取的地區店鋪覆蓋范圍十分廣泛，分析內數據是按照某淘寶店鋪在2015年第四季度所產生的銷售數據作為基礎，主要數據包含電商用戶基礎信息、購物時間、購買產品有關信息等。

1.1性別分析

在淘寶店鋪內電商用戶性別分析內發現，該淘寶店鋪內主要為女性消費者，所占據的比例超過五分之四，遠遠多于男性消費者。造成淘寶店鋪性別比例差異如此明顯的主要原因是由于女性要遠遠比男性更加關注服飾及裝飾的搭配。

1.2年齡分析

在該淘寶店鋪內，電商用戶年齡主要集中在18歲到36歲之間，該類用戶所占據的比例超過三分之二，主要以青年群體作為主要人群，其中網絡購物次數最為的群體年齡為25歲到29歲之間。造成淘寶店鋪內消費群體年齡比例的原因是由于網絡購物與年輕人的銷售模式更加溫和。

1.3城鄉屬性分析

在改淘寶店鋪內，超過90%電商用戶都是城鎮用戶，城鎮用戶為淘寶店鋪主要消費群體，這種消費模式與我國城市化建設相吻合。目前，農村地區電商用戶數量與城市電商用戶數量之間存在較大差異，主要原因是由于農村地區內青年群體大部分都在城市內生活。

2、數據挖掘分析

數據挖掘主要是從大量數據信息內，利用數學算法完成數據挖掘及知識獲得階段，其中主要是對數據類別及相關性進行分析研究。本文在分析研究內，主要從購物車分析及潛在用戶挖掘角度分析研究。

2.1購物車分析

購物車主要表示超市內為消費者購物所提供的車輛，主要作為放置商品，消費者準備付款過程中，只需要將購物冊內產品進行結算即可。購物車分析主要是按照購物車內所具有的產品信息，對消費者的消費行為進行分析研究，主要體現在：消費者在購買某件產品之后，產品能夠被消費者選中可能性，要是A類產品購買可能性較高，這樣就能夠發現消費者在消費過程中所具有的目標，了解消費者購買該類產品的原因，找到不同產品之間所具有的關聯性。商家就能夠根據消費者消費行為獲得更高的經濟效益，提升自身在市場建設內所具有的優勢。淘寶店鋪在對購物車分析之后，能夠按照電網用戶實際需求對上架產品順序進行調整。淘寶店鋪購物車數據主要包含產品數據、購買數據與用戶數據。

在對購物車分析過程中，最為關鍵制表為支撐度與置信度。在對淘寶店鋪內消費者分析研究內，探索m個消費者對n個產品購買積極性，就可以通過對m個消費者購物車內數據及購買記錄進行分析。支撐度主要是判斷產品在消費者內的歡迎情況，置信度主要是判斷兩個產品之間所具有的關聯性，也就是消費者在產品某一件產品之后，在選擇購買其他產品的可能性。

2.2潛在客戶挖掘

為了能夠對淘寶店鋪內潛在客戶進行了解，能夠通過分析已購買消費者消費習慣及信息記錄等信息，了解到影響消費者再次購買的主要因素，進而通過這些因素構建回歸邏輯模型，按照淘寶店鋪內10月份的數據信息，分析出淘寶店鋪在11月份及12月份內客戶數量。

按照有關電子商務平臺所潛在客戶挖掘內所取得的成功經驗，本文在分析研究內，選取了三種指標，分別是用戶可能在次購買有關性指標、用戶基數指標與行為指標。其中用戶基礎指標主要表示消費者基礎信息、產品購買數量、歷史消費次數等；行為指標主要表示消費者在購買完畢之后是否會給予好評、是否通過手機終端進行購買。在對不同數據指標進行全面性了解之后，能夠將不同指標之間所具有的關聯性進行了解，訓練集對象選取更加科學合理。通過熵值法在對數據樣本分析研究中，可以分為以下幾個步驟：

首先，對訓練集進行劃分。在該淘寶店鋪10月份眾多網購用戶內，選擇4000條銷售數據作為訓練集內對象，剩下銷售數據則作為驗證用戶數據信息的驗證集。

其次，數據標準化。指數取值過程中，因該選取超過5個的指標對進行劃分，進而保證每一個指標都具有6個層級數字進行表示。

最后，對用戶再次購買信息增加效益進行指標計算。熵值法在實際應用過程中所需要剔除的信息數據數量較少，同時能夠所提取的信息數據數量較多，進而熵值法能夠應用到關鍵指標選取上，所遵循的原理如下：

假設z為訓練集，訓練集內所涉及到的樣本標識都是確定完畢的，在眾多樣本內都包含一個原始集合，所具有的屬性能夠對訓練集樣本所具有的類別進行客觀劃分，例如消費者是否通過手機終端進行購買，就能夠作為某一個樣本標志，要是一共具有n類產品，其中所包含的樣本一共為a個，這樣消費者選中任何一種產品進行購買的可能性也就為a/n。由表一內數據可知，熵值法在實際應用過程中，能夠有效對用戶是否再次購買產品所具有的經濟效益進行分析研究，按照淘寶店原有消費數據作為研究對象，對再次購買用戶分布情況進行了解。

按照熵值法在計算過程中所應用到的數學公式，能夠將淘寶店內歷史消費數額與用戶再次購買所具有的信息增值為0.01.45，剩下有關數據也都是按照該方法進行計算。

結論：按照淘寶店鋪在運營過程中所產生的數據信息，對淘寶店鋪電商用戶的個人特征及購物模式進行分析研究。在研究之后得出以下結論：女性是淘寶主要用戶群體，年齡主要集中在25歲到29歲之間，電商用戶在消費過程中所具有的忠誠度有限，大多數消費者產品購買頻率都為1次。基于數據挖掘的電商用戶行為分析研究之中，淘寶店鋪管理人員能夠選擇合理的營銷模式開展后期運營，提高自身經濟效益。

參考文獻：

[1]牛紅惠，金顯華.Web數據挖掘技術在電子商務中的應用[J].淮陽職業技術學院學報，2015（8）

[2]張婭妮.Web數據挖掘技術在電子商務中的應用[J].福建電腦，2013（5）

[3]藺莉，潘浩.Web數據挖掘技術在電子商務中的應用[J].電腦知識與技術，2014（4）

作者簡介：作者姓名：林杰，男，1996年8月，漢族，山東省臨沂市人，本科在讀，主要研究方向：信息與計算科學、金融信息分析。