電子商務管理與Web數據挖掘技術的契合探析

曹洪銣

對外經濟貿易大學

電子商務管理活動是Web數據挖掘技術合適的應用領域，Web服務器數據、客戶登記信息、代理服務器數據、業務往來數據等為Web數據挖掘提供了豐富的數據資源。只要在電子商務管理中遵循一定的Web數據挖掘流程，就有可能促進企業決策優化管理、客戶關系管理、協同商務管理、營銷模式管理、網站維護管理和風險控制管理。

1 web數據挖掘的概念與分類

隨著Internet的飛速發展，網上的數據資源空前豐富。但是Web頁面過于復雜、而且是無結構的、動態的，導致人們難以迅速、方便地在Web上找到所需要的數據和信息。數據資源中蘊涵的知識未能得到充分的挖掘和利用，“數據豐富而知識貧乏”的問題非常嚴重。搜索引擎(SearchEngine)在一定程度上解決了人們對信息的需求，但卻沒有達到客戶的滿意。因為搜索引擎大部分基于關鍵字的查詢，命中率較低，不能對特定客戶給出特殊的服務。近年來興起的數據挖掘技術為解決這個問題帶來了一線曙光。而通過數據挖掘在Web上的應用，企業還可以分析和預測顧客的將來行為。通過Web數據挖掘技術，企業利用有效的顧客信息，可以大大降低運營的成本。web數據挖掘(webMining)是從大量的Web文檔集合和在站點內進行瀏覽的相關數據中發現蘊涵的、未知的、有潛在應用價值的、非平凡的模式的過程。

2 電子商務管理與Web數據挖掘的契合

Web數據挖掘是輔助電子商務管理的綜合分析工具，運行在電子商務網站的用戶數據庫和數據倉庫之上，包括以下功能模塊：a.過濾器。用來從Web數據庫中抽取相關數據，進行二義性分析，消除不一致性。b.挖掘綜合器。它是一個挖掘驅動引擎，根據挖掘要求和挖掘方法的知識庫到Web數據挖掘算法庫中去選擇合適的挖掘方法，并且使用該方法去執行挖掘任務。c.方法選擇專家系統及知識庫。它是Web數據挖掘的/大腦0，是一個規則集合，能夠根據不同的挖掘要求來選擇最有效的挖掘算法或幾種算法的序列組合，并且隨著應用的深人，該知識庫可以不斷融入新的規則，以增加專家系統的智能性。d.Web數據挖掘算法庫。它是一個數據挖掘分析方法的綜合性算法庫。e.用戶評估界面。提供一個和分析人員交互的友好界面。如果本次的挖掘結果不能滿足分析人員的需要，就可以再次從這里輸人挖掘需求。f.方法驅動模塊。它利用挖掘出來的有益信息，去進行相應統計與分析的工作。

隨著市場經濟國際化、區域經濟全球化、業務處理數字化、消費需求個性化的市場競爭環境的形成，企業將面臨更多的競爭對手和不確定的信息，需要借助于數據挖掘技術對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據，來控制成本、提高效益。電子商務本身是一種商務活動，數據挖掘技術最初也是為了商業應用而開發出來的。實踐證明，電子商務管理活動是Web數據挖掘技術適合的應用領域，主要是因為電子商務可以很容易地滿足數據挖掘所必需的因素(豐富的數據語言、自動收集可靠的數據)，并且可將挖掘結果轉化為商業行為。

3 電子商務管理中Web數據挖掘的資源

3.1 Web服務器數據

當客戶訪問Web服務器時就會在服務器上產生相應的服務器數據，這些數據可以分為日志文件、查詢數據兩種。a.日志文件。日志文件是Web服務器上用以記錄用戶訪問頁面情況的文件，分為server logs、error logs和cookie logs。用戶每訪問一個頁面，Web服務器的日志中就會增加一條記錄。不同的Web服務器的產品日志格式不同，但通常都包括訪問者的IP地址、訪問時間、訪問方式、訪問頁面、協議、錯誤代碼以及傳輸的字節數信息。服務器日志數據是使用Web數據挖掘技術的重要數據來源。b.查詢數據。查詢數據是電子商務站點在服務器上產生的一種典型數據，它是在線客戶在查詢所需信息時生成的，這些查詢信息通過Cookie或是登記信息連接到服務器的訪問日志上。

3.2 代理服務器數據

代理服務器相當于在客戶瀏覽器和Web服務器之間提供了緩存功能的中介服務器，它的緩存功能減少了Web服務器的網絡流量，加快了網頁的運行速度，同時將大量的用戶訪問信息通過代理日志的形式保存起來。

3.3 業務往來數據

企業內部之間、企業與上游企業和下游企業之間，因為業務往來關系，其中也產生了大量的數據，這些數據對于電子商務的經營決策、營銷機制具有重要的參考價值。因此，這些業務往來數據也是Web數據挖掘技術需要分析的數據。

3.4 客戶登記信息

它是指客戶通過Web頁在屏幕上輸入的要提交給服務器的相關信息，包括注冊信息、登錄信息、網上留言等。在Web數據挖掘中，客戶登記信息必須和訪問日志集成，以提高數據挖掘的準確度。通過對用戶登記信息和日志信息的綜合，能夠更好地了解客戶的行為，并針對不同的客戶制定不同的政策。

4 Web數據挖掘在電子商務中的應用

4.1 Web 使用挖掘在優化網站設計中的應用

隨著 Web 使用挖掘在網站設計優化中的應用，綜合各種挖掘技術出現了許多數據挖掘工具。這些工具是輔助各類網站開發的綜合分析工具，運行在網站的用戶數據庫或數據倉庫之上。依據 Web 挖掘流程設計的各功能模塊能夠解決網站設計優化和運營過程中的許多實際問題，如：優化站點鏈接結構、改進站點內容結構、聚類訪問用戶等問題。但在 Web 使用挖掘技術的預處理算法方面，由于用戶與機器的不對應性，以及代理服務器等網絡“中間環節”，使得只通過日志來識別用戶的效果并不理想。

4.2 數據挖掘技術在電子商務客戶關系管理中的應用

數據挖掘技術在電子商務客戶關系管理中的應用在企業管理客戶生命周期的各個階段都會用到數據挖掘技術。數據挖掘能夠幫助企業確定客戶的特點，從而可以為客戶提供有針對性的服務。通過數據挖掘，可以發現使用某一業務的客戶的特征，從而可以向那些也同樣具有這些特征卻沒有使用該業務的客戶進行有目的推銷；還可以找到流失的客戶特征，在那些具體相似特征的客戶還未流失之前，采取針對性的措施。

4.2.1 客戶細分

客戶細分就是把大量的客戶分成不同的類，在每一個類里的客戶具有相似的屬性，而不同類里的客戶的屬性也不同。細致而切實可行的客戶分類對企業的經營策略有很大益處。在客戶細分算法模型研究方面，基于聚類和決策樹的客戶細分模型，采用聚類方法對具有相似購買行為的用戶進行聚類，再利用決策樹分析根據各類客戶的屬性的差別將客戶細分為不同的類別，取得了很好的效果。

4.2.2 客戶保持

當前行業競爭日益激烈，獲得新的客戶的成本越來越大，是保留一個老客戶成本的5 倍。因此保持原有客戶，尤其是優質客戶對企業來說顯得越來越重要。客戶保持包括對客戶流失和客戶忠誠度的分析，而客戶流失某種程度上反映的客戶忠誠度，所以本節著重研究客戶流失問題，以對客戶保持提供對策。要解決客戶流失問題，可以使用數據挖掘方法對已經流失客戶進行分類，并對每類流失客戶的特征進行描述。找出客戶流失的根本原因，并加以解決，對于最有可能流失的客戶群體，有針對性地采用客戶挽留方案，避免流失現象的持續發生。

4.2.3 客戶滿意度分析

有調查表明，對企業十分滿意的客戶再次購買產品意向為滿意客戶的 6 倍。企業只有將有價值客戶長期保持在高滿意度范圍之內，才能更好的保證持續的盈利能力。客戶的滿意度是一種主觀的感覺狀態，它涉及到企業、產品以及客戶自身的許多因素(如：產品質量，產品外觀，企業品牌，交貨時間、顧客投訴處理、客戶喜好等等)。由于客戶滿意度又有很強的主觀性，很難具體數據化，因此當前只能大致的分為“十分滿意”、“比較滿意”、“滿意”、“不滿意”、“很不滿意”5 個標準。利用數據挖掘的分類功能，可以將客戶群體根據滿意度進行分類，對于分類結果聯系客戶的價值度的高低，調整企業同各客戶群體關系建設的投入成本，保證高價值客戶的滿意度在一個很高的水平。與此同時，利用數據挖掘技術可以找出影響客戶滿意度的因素，以及各個因素之間的重要性，指導企業提高整體客戶服務水平。

4.3 數據挖掘在電子商務網絡營銷中的應用

經過對網絡營銷中數據的分類以及數據挖掘在網絡營銷中的實施過程可以看出，數據挖掘在網絡營銷中的應用對大量的數據進行分析，透過大量看似無關的數據，數據挖掘能夠過發現隱藏在這些數據中對網絡營銷有意義的信息以及它們之間的聯系。對這些信息進行深入的分析，能夠發現市場需求、具有相似購買行為的客戶群體等信息，及時發現這些信息能夠幫助企業對市場變化做出迅速的反映，進行客戶預期，從而制定切實有效的營銷計劃。

5 結語

數據挖掘技術的出現為電子商務活動系統提供了數據分析強大的技術支持。數據挖掘是面向應用的，也只有將數據挖掘技術應用到大量的、復雜的數據中去，對數據挖掘技術研究的價值才能得到最佳體現。電子商務的發展使得越來越多的企業開始網上交易，電子商務網站的服務器日志、后臺數據庫中客戶相關的數據以及大量的交易記錄等數據資源中所蘊涵的大量的有益信息有待于充分地挖掘和利用。

[1]譚春輝.電子商務管理與Web數據挖掘技術的契合探析[J].情報雜志，2006(12).

[2]李霏.Web數據挖掘技術在電子商務中的應用價值探析[J].電子技術與軟件工程，2016(2).

[3]張潤，周大鐲.電子商務中Web數據挖掘技術應用探討[J].中國西部科技，2010(20).