電子商務網絡營銷中數據挖掘技術分析

張和榮

（閩江學院 海洋學院，福建 福州 350108）

電子商務網絡營銷中數據挖掘技術分析

張和榮

（閩江學院 海洋學院，福建 福州 350108）

隨著經濟與網絡技術的不斷發展，使企業的營銷模式也有了全新的變化.通過借助網絡平臺的優勢，發展電子商務網絡營銷.不僅僅給企業的發展帶來了挑戰更帶來了更多的機遇.而在電子商務網絡營銷中的數據挖掘技術則給網絡營銷企業帶來了極大地便利，使他們能夠更好地對營銷客戶進行把控.從而進一步地進行管理運營.然而，在企業發展的過程中，面對不同的客戶所對應的數據、問題時可能會得到不同的結果.而目前的數據挖掘技術包含了很多的理論和技術內容，且每種技術都有其自身的使用條件以及特點.本文將引入目前在電子商務網絡營銷中常用到的幾種經典的挖掘技術，并對其進行分析以確定在面對不同的客戶要求的情況下能夠提供更加適合企業營銷發展需求的策略，提升客戶管理的力度.

電子商務；網絡營銷；數據挖掘技術；分析

隨著電子商務不斷深入到我們日常的生活，給我們的生活帶來了極大的便利.同時也對作用于商務平臺的雙方之間的關系產生了一定的影響：它帶給企業更多的客戶；客戶的需求也隨著平臺的發展更具有多樣性和個性化；對于企業產品的要求也在不斷地提升；對于企業發展的定位也越來越清晰.企業的發展重心逐漸轉向以客戶需求為主的方向.在這種電子商務網絡平臺發展的情況下，企業應當考慮如何和客戶建立更好的合作關系，以確保企業能夠持續、長期、穩定的發展.因此，企業需要通過網絡營銷平臺對客戶進行數據化的分析，通過客戶的不同需求來建立針對性的營銷策略.建立更具有驅動力的客戶關系，這種發展模式已受到以現代化電子商務網絡營銷為主要營銷方式的企業的重視.

1 關于數據挖掘技術與客戶關系管理之間的相關性

1.1 客戶關系管理

關于客戶關系管理通常是說在電子商務平臺的基礎上以客戶需求為中心的理念和策略，通過電子平臺來響應和滿足其個性化的需求.

1.2 數據挖掘

數據挖掘就是通過信息化的平臺，在平臺數據中收集有用信息的過程.

1.3 兩者的關系

在目前繁雜的電子商務大數據中，通過數據挖掘技術對數據中的有效信息進行分析，通過對客戶特征的分類來確定“重點客戶”[1].從而針對此類客戶開展對應的網絡營銷策略，制定科學合理的營銷計劃.使企業在眾多的網絡營銷平臺中脫穎而出.

2 目前在數據挖掘技術中使用的主要方式

2.1 關聯分析

具體來說就是通過對數據之間的關聯規則進行挖掘，從而尋找數據之間的相互關系[2].在數據挖掘技術的研究中，關聯分析是研究較為深入的一種方式.目前比較經典的幾個關聯分析規則的挖掘算法有AIS、STEM等.我們能夠見到的案例就是通過對購物車中產品的分析，來了解客戶通常的購買行為，從而能夠通過數據推斷來幫助企業進行科學性的商品上架和擺放，或者是捆綁銷售策略.這種數據分析可以以“亞馬遜”平臺作為參考.

2.2 序列模式分析

序列模式分析是數據挖掘的另一種分析方式.與關聯分析所不同在于序列模式注重于數據之間的前后序列.它通過數據分析，能夠分析出客戶在不同序列中的需求.通過對比數列中的產品類型.從而制定出相應的訪問界面或者是廣告推介.引導客戶對需求產品產生興趣.并滿足他們的特定需要.舉例來說：在我們進行網購的過程中，如果我選擇了一款電動摩托車，后期就可能會購買雨衣、車鎖等相關的產品.序列模式的存在能夠通過對數據的對比分析預測出客戶的訪問模式，從而給客戶進行具有針對性的推送[3].

2.3 分類分析

分類分析是數據挖掘過程中最常用到的一種方式，簡單來說就是將相似的事件或者對象進行分類.這種數據歸類的方式既能夠滿足于分析的需要，也能夠建立預測模型.可以得出客戶的興趣點，針對性地對其開展相應的商務活動，提供更加具有個性化的服務內容.

2.4 聚類分析

聚類分析不同于前面的幾種類型，它是對事物性質進行對比分析的.在實際的操作過程中，這種方式常常會被用于市場細分的需求中.通過對目前已經存在的客戶進行數據分析，通過聚類分析能夠使具有相似性的客戶消費模式進行更為細類的劃分，從而提升營銷的精準度.譬如，我們經常收到的商家促銷郵件，一般是具有特定內容的，它便是通過聚類分析，對我們的消費特征分析后結果的產品推動方式.這種方式也能夠針對客戶不同的需求而提供更為個性化的服務.

3 關于數據挖掘技術的相關分析以及評價

3.1 神經網絡

是一種與人腦神經極為相似的系統，具有人腦所具有的處理和記憶的功能.它能夠實現不同數據挖掘的技術方式，是一個較為典型的預測工具.它結合了數據挖掘技術應用中的優勢，能夠處理很多的復雜性的問題.如：它能夠通過客戶在網絡平臺上的購買記錄以及網站的瀏覽量來建立對應的神經數據網絡模型.通過對數據的對比分析來了解客戶對網站產品的響應度以及忠誠度，從而預測客戶需求.進一步的指導生產數量和銷售方式.優點在于：具有較強的抗干擾性、可變性和通用性較強[4].對于大數據的處理也能夠很好地完成.它還有較強的自學能力和適應能力，從而能夠確保預測的實時性和準確性.缺點在于：它不能夠直觀的解釋所得到的結果.因此，前期需要投入大量的準備工作.而且需要的訓練時間較長，不能完全保證其模型的收斂性.

3.2 決策樹

是一種類似于樹狀的圖表表述方式.通過它的描述能夠很好地將結果和事件進行聯系.同時還能夠注明決策點以及分支內容.因此它可以實現分類分析和聚類分析.它是一種相對較為成熟的決策性的工具.通過決策樹能夠直觀的分析原因并表述其規則.如：通過使用決策樹，能夠很好地將客戶資料進行分析，通過對客戶的細致分類能夠提出更具有針對性的營銷策略.同時，還能夠依據決策樹來分析網絡營銷平臺中客戶的交易量，訪問網站的次數等情況.從客戶的流失規律得出客戶流失的原因，并能夠提供給相應的數據以幫助相關人員制定相應的留人策略.優點：這種方式能夠更加直觀、準確、高效的將數據進行展示，能夠更加客觀的發現數據中的問題因素.缺點：隨著數據的不斷增加，會增加其數據的復雜性，并使管理更加的困難.而且對于步驟的假設性的依賴程度較高.

3.3 遺傳算法

這種方式和生物進化的過程有些類似.以生物進化中的自然學者和遺傳理論作為數據分析的基礎，并擅長各類分析方式[5].能夠更好地解決目前存在的問題，是一種很實用的描述和預測工具.如：它能夠依據客戶信息，對其交易數據以及其他數據進行關聯，從而利用其搜索能力和學習的能力得出最佳的答案.使客戶信息的提取變得更為量化，更加明確.能夠幫助使用者更好的分析客戶盈利.從而制定具有不同內容的策略方案.優點：適用于大數據下的計算需求，能夠快速的得出結論.具有較強的容錯能力.缺點：算法很難被理解.需要的參數較多.同時存在著很多的問題編碼，需要很大的計算量進行支撐.

3.4 規則推理

規則推理簡單的理解就是我們常提到的“因為”—“所以”之間的關聯過程.通過這種方式找出數據中條件概率較高的模式.如：通過對客戶在網站中對于關注頁面和關注產品的點擊頻率，從而了解到客戶的購物習慣和偏好.針對性地提供相應的服務，增加客戶的滿意度.通過數據分析，了解客戶的購物模式和規則，從而實現“一對一”方式的營銷.優點：簡單、直觀、易理解；缺點：對于關聯度不高的數據無法得出準確的結果.

4 改進方式

在數據挖掘技術的實施過程中，不會單一的使用一種方式，而是將幾種技術進行有效合并，取長補短.使運算的精準度和運算速率更符合發展需求.具體來說，在運算過程中可以通過決策樹的方式，將神經網絡中的數據進行預處理，能夠有效地解決神經網絡中存在的相關性不強的問題；通過模糊系統的處理方式能夠有效地解決神經網絡中的不確定性、定性，有效的彌補神經網絡學習模式的短板，從而提升了系統的整體速度，加強了其計算的精度和穩定性；借助遺傳算法的特點，加強神經網絡中學習過程，同時提升了神經網絡中的學習模式.將理解性和預測精準度進行了有效的提升；將遺傳算法和決策樹進行有效的結合，既能保障分類結果具有較好的可解釋性，又能夠提升分類的精度并優化分類規則等.

隨著電子商務的發展，面對客戶需求的不斷變化.使得電子商務網絡營銷面對的挑戰越來越大.然而伴隨著數據挖掘技術的更新和發展，通過對數據挖掘技術方式的有效結合，能夠給客戶提供更具有精度和準度的數據信息，以便于制定合理的營銷策略.

〔1〕王馨晨.大數據背景下數據挖掘技術在電子商務營銷拓展中的應用——以某網商企業為例[J].生產力研究,2017(04):64-67.

〔2〕柳華梅,林冬生.數據挖掘技術在移動電子商務用戶群體特征分析中的運用[J].現代商業,2016(17):33-34.

〔3〕張磊.計算機技術在電子商務網絡消費互動中的作用[J].價值工程,2014(03):190-191.

〔4〕周健林.基于Web的數據挖掘在商務網站的研究與應用[D].吉林大學,2012.

〔5〕張冬姣,李松松.電子商務網絡營銷中數據挖掘技術分析[J].管理學家,2014(12).

F724.6

A

1673-260X（2017）11-0090-02

2017-08-13

農村電商與精準扶貧的發展關聯調研（YSZ16020）；市科技局課題：基于人才儲備理論下電子商務人才培訓服務平臺建設研究（2014-G-79）