Web數據挖掘技術在電子商務中的應用

李霈岳

摘 要 電子商務的迅猛發展也隨之產生了海量的數據，本文對電子商務和Web數據挖掘技術的概念進行介紹；并主要針對Web數據挖掘技術在電子商務中應用的手段和技術進行了探討研究，同時也對Web數據挖掘技術對電子商務平臺發展的重要性進行分析，希望能夠給相關研究人員帶來一定價值的參考。

關鍵詞 Web數據挖掘 電子商務 應用

一、引言

目前，中國電子商務正在蓬勃發展，以淘寶/天貓、京東等為代表的各類電子商務平臺不斷涌現，同時使數據爆炸式增長。在這些數據中蘊藏著許多潛藏著待未挖掘的有價值的信息。數據挖掘是知識的發現，在電子商務積累下的數據中進行基于Web的數據挖掘，可以在海量信息中找到針對性的用戶有效的信息，這對于現代企業發展具有重要的戰略意義。

二、Web數據挖掘技術與電子商務

（一）電子商務Web數據挖掘

1.電子商務的相關概念。電子商務是互聯網產業快速發展下的產物，它是一種新型的商業運營模式。在開放的網絡環境中，買家與賣家可以在不見面的情況下在因特網中進行選擇商品、支付商品等商品交易活動。

目前，電子商務按照交易對象可以大致分為四種：

第一，B2C（Business to Customer）：即企業與消費者之間產生的電子商務活動，由消費者直接在因特網中進行商品交易活動。第二，B2B（Business to Business）：即企業之間的商務活動。企業可以在因特網中尋找合適的合作伙伴進行交易活動。第三，C2C（Consumer to Consumer）：即消費者之間的電子商務活動。消費者可以以散戶形式在電子商務平臺中進行銷售活動，例如阿里巴巴平臺下的咸魚。第四，C2B（customer to business）：由消費者對企業之間的商務活動。對同一消費品為目標的消費者可以以團隊形式向企業發起采購，產生精準訂單并生產商品，但是目前這一模式尚未成熟。

2.中國電子商務發展現狀。目前，中國的電子商務行業發展迅猛，產業規模迅速擴展，這也伴隨著電子商務信息、交易和技術等服務的企業不斷涌現。同時我國政府出臺了《國務院關于大力發展電子商務加快培育經濟新動力的意見》、《關于促進跨境電子商務健康快速發展的指導意見》等文件以推進B2B、B2C、C2C、C2B、移動電子商務的發展。

根據中國據中國電子商務研究中心（100EC.CN）監測數據顯示，2016年中國電子商務市場交易規模20.2萬億元，增長23.6%。其中網絡購物增長23.9%，本地生活O2O增長28.2%。龐大的交易量隨之產生海量的數據，在這其中蘊藏著很多人們未知的有價值的數據信息知識等待我們去挖掘。

3.電子商務和Web數據挖掘技術的關系。在電子商務大數據的時代，信息的數據量異常龐大，以TB為單位進行數據計量遠遠不能滿足需求，現在已逐漸發展到以ZB、YB進行衡量。然而如何在Web中提取出有用的信息，又如何將海量數據進行分析轉化為有用信息進行應用，為客戶提供個性化服務以及有效的問題分析報告呢？

Web數據挖掘（WebMining）是在Web中應用數據挖掘技術，它是WWW技術和數據挖掘技術的結合，在數據庫以及用戶行為的背后建立一系列聯系，將數據挖掘技術和千萬用戶相連，為用戶進行畫像。具體過程是：通過用戶訪問Web服務器留下的日志文件，商品信息，查找信息，購買信息等進行挖掘，從大量的Web信息中獲取有用的信息數據，對數據進行轉化分析和模型化處理，為企業的營銷決策、經營管理、市場預測和發展規劃提供有力的支撐，為尋找隱含商機和新型商業模式提供可靠依據。[1]

（二）Web數據挖掘的分類

目前，Web數據分為三種類型：HTML標記的Web文檔數據，Web文檔內連接的結構數據以及用戶訪問的數據。根據Web數據的種類我們將數據挖掘也分為三類：

1.Web內容挖掘（Web Content Mining）：即從多方用戶對Web訪問頁面中獲取有效信息，獲取潛在知識。在信息獲取的過程中，將對數據進行預處理，以提高數據挖掘的效率和有效性，增加對數據篩選的速度。在這種模式下，根據Web信息資源的類型又分為Web文本的挖掘和Web多媒體的挖掘。

2.Web結構挖掘（Web Structure Mining）：在Web中，有價值的信息不僅包括在Web頁面本身，Web的頁面結構中還隱藏有大量的數據信息。頁面之間的超鏈接反映了頁面之間的引用或是從屬關系，他們之間的相互引用反映了對彼此的重要程度。對于一個頁面，通過已知算法在其組織結構鏈中推算到信息，將連接中提供的與網頁有關的信息進行整合，并對不同連接中的信息給予不同的權重，從而得到整個頁面的權重信息。在這種數據挖掘模式下主要有超鏈接挖掘和內部挖掘等。

（三）Web數據挖掘技術的具體應用

1.為客戶提供更全面的個性化服務。通過對用戶訪問信息的數據進行深入挖掘分析，獲得顧客購買的行為特點和偏好，了解用戶的習慣、興趣、潛在需求以及忠實度等問題以對用戶特征畫像，減少不必要內容的推送。以淘寶網為例，對客戶的特定時間段內訪問方式以及訂單的相關信息進行數據信息的挖掘，從而了解購買者的需求或是預測他們錢在購買的可能，并有針對性地進行網頁內容和結構設計，依靠適當的營銷策略對每一個客戶指定專屬的個性化服務套餐或是優惠組合，從而為電子商務平臺中的商鋪帶來利潤。

2.優化設計網站內容。網站內容的分布策略與現實超市中商品的分布策略相似。根據關聯原則將相關物品放在同一板塊或是根據大眾瀏覽行為模式對網站結構進行調整，中有助于消費者更好的尋找所需商品。線上購物不同于實體購物，根據商品圖片點擊位置的數據信息挖掘，可以分析得到商品對消費者的何種展現形式能達到最好的效果，對商品宣傳方式重新規劃，以達到提高商品銷量增加利潤的效果。

3.對客戶進行聚類分析。電子商務平臺可以根據客戶的特征、職業、購買周期、歷史訂單信息、購買能力等數據進行整合、歸類、分析，尋找相似軌跡的客戶并將客戶歸為一類。利用聚類分析的知識，我們對相似瀏覽的用戶進行歸類和活動分析。在之后商品推薦活動中，根據具有相同的愛好、購物習慣以及擁有相同產品的客戶的中的某些的歷史瀏覽、購買數據推薦給其他客戶相似商品。同時我們也可以根據同類客戶的購買數據幫助發現這一類用戶的潛在需求，精準預測出用戶行為。對客戶進行聚類分析是Web數據挖掘中最具前瞻的一大應用。

4.廣告效益的評估和調整。利用Web數據挖掘消費者的購買行為，能夠精確評估廣告策劃的增長率，進而對商品廣告宣傳方案進行調整；根據訪問者數量的增長模式決定廣告的投放方式，增強廣告的針對性，從而提高廣告收益。

三、結語

電子商務使大眾足不出戶即可購買商品，同時在中國政府的大力倡導下，跨境電商、涉農電商等各種電子商務經營形式應運而生，這種便捷的商業運行模式必然在未來經濟社會的發展中占有重要地位。Web數據挖掘技術在為描繪客戶購買特征，識別潛在商機，廣告效益評估等方面提供重要依據，將在電商競爭中起著不可忽視的作用，因此如何利用好Web數據挖掘技術對用戶數據進行建模、轉化、分析、應用具有關鍵作用。

（作者單位為遼寧對外經貿學院）

參考文獻

[1] 孟強，李海晨. Web數據挖掘技術及應用研究[J].湖南：電腦與信息技術， 2017，25（1）：59-62.

[2] 吳思源.WEB數據挖掘技術在電子商務中的應用[J].遼寧：智能城市，2016，12（25）：20-26.