基于數據挖掘的電商用戶行為分析研究

廖衡（廣西國際商務職業技術學院）

■引言

目前大量的電子商務平臺充斥著人們的生活當中，并且有關的物流、銷售等等產業在也在不斷的完善?，F在對于年輕人來講，網絡購物已經成為最為常見的購物形式，并且它在經濟社會發展當中也具有相當大的作用，已經成為一股不可忽視的力量。對于電商用戶來講，只需要點擊鼠標就可以完成對于商品瀏覽，以及之后的購買和售后。因此購物不再會受到時間和空間的限制，更多的人樂意接受這種網絡購物的行為。也正因為如此，消費者的購物理念和行為發生了翻天覆地的變化。因此對于電商來講，需要進一步的研究用戶的行為，通過數據挖掘的方式來對商品的銷售進行預測，并且對自己的商業模式與相關的商業系統進行調整，以迎合用戶的選擇，從而為企業創造更加巨大的經濟利益。

■數據統計與分析

電子商務發展至今已經有了十分龐大的用戶基礎，而每年都有相關部門對于網絡購物用戶的行為進行詳細的統計?？梢园l現，其中有不少比例的用戶的購物次數已經達到了幾十次。由此可見，網絡購物已經成為用戶日常消費較為常見的模式之一。而相關的數據挖掘也可以對網絡購物的數據進行詳細的分析，其中可以發現，大部分的消費者在網絡過程購物當中的購物行為都是較為愉快的，并且其中以年輕和中年的女性為網絡購物最為主要的消費群體。本文通過對于某地區淘寶店進行研究，選取其地區覆蓋范圍最為廣泛的店鋪，并且對其內部的數據進行分析，以第四季度所產生的銷售數據為基礎，主要分析電商用戶的基礎信息、購物時間以及購買的相關產品等信息。

（一）性別分析

對于該淘寶店內的電商用戶性別進行詳細分析，可以得知在淘寶店內購買的消費者主要為女性，并且所占比例十分大，超過了4/5。相對于男性消費者來講，女性消費者的購買次數和金額都極為龐大。而造成這一性別比例如此差異明顯的主要原因，很可能在于女性在購買商品的時候，要比男性更加關注對于服飾和裝飾的搭配，因此她們所購買的次數和金額都要遠遠高出男性。

（二）年齡分析

對于在該淘寶店進行購買的電商用戶的年齡進行分析，可以得知：他們的年齡主要集中在18歲到36歲之間，并且這類用戶占總用戶的比例超過了4/5。其中以年輕人為最為主要的購買群體，并且購買次數最多的群體可以具體到25歲到29歲之間。出現這種淘寶店內消費群體年齡比例差異的原因，最為主要的是在于年輕人對于網絡購物具有更好的接受能力，并且面對電商的銷售模式，也能采取更加溫和、有效的方式進行應對。

（三）城鄉屬性分析

在該淘寶店內進行購買的人群當中，城鎮用戶占的比例已經超過了90%，因此城鎮用戶是該淘寶店最為主要的消費群體。這種消費模式與我國城市化發展離不開關系，目前大多數農村地區的電商用戶都在大量的增加，但是最為關鍵的電商用戶仍然是在城市當中，因此兩者產生了較為大的差異。此外，許多農村地區的年輕人也大量進入城市，在城市中生活，這也是造成城鄉用戶比例差距較大的原因之一。

■數據挖掘分析

對于電商用戶行為分析，需要基于數據挖掘技術，從店鋪內產生的大量數據來進行了解。并且通過較為合理的科學算法，來完成相應的數據挖掘和知識的獲取。其中主要是對于數據的類別以及相關的性質進行充分的分析，本文在分析研究當中主要是從購物車以及潛在用戶挖掘等角度來進行分析。

（一）購物車分析

購物車的本意是人們在超市內進行消費的過程當中所需要承載商品的車輛。而在電商中，購物車是一種獨特的功能服務，由電商平臺進行提供，人們可以在里面放置商品，而在最后進行付款的時候，只需要將購物車當中所有商品進行勾選并且結算就可以完成消費。因此對于購物車的分析，主要是對于購物車內所具有一些商品的信息來進行研究，這樣可以對消費者的消費行為進行充分的分析，主要體現在以下方面：

當消費者在完成一件商品的購買行為之后，那么這些商品很可能就會被消費者進行選中，并且再次購買這類商品的可能性較高。不僅如此，還能夠因此發現消費者在這個消費的過程當中的具體目標，并且了解消費者為何要購買這類產品。之后，就可以找出不同產品之間所具有一定的關聯性，來預測消費者接下來的購買行為。而通過這一系列的數據，商家就可以根據消費者的具體消費行為來獲得更加有效的數據，并且提升自己在市場當中所具有的競爭優勢。而當淘寶店鋪在對購物車進行研究之后，就可以按照電商用戶的實際需求，來對上架產品的順序進行具體調整。此外，淘寶店鋪還應該對于購物車內部的產品數據、購買數據以及用戶的數據來進行詳細分析，以做出具體的準備。

而在對購物車進行分析的時候，還需要通過制表來提高數據的支撐度和置信度。并且在對淘寶內店鋪消費者進行研究時，需要對于多個消費者的多個購買產品積極性進行研究，這樣就能夠通過對于這些消費者購物車內的數量以及相關的購買記錄進行了解，從而達到相應的研究目的。支撐度主要是研究商品在消費者內部的歡迎程度，置信度主要是判斷兩個商品之間是否具有一定的關聯性。因此當消費者在購買某一產品之后，可以通過這兩個方面來進行研究其是否會購買其他產品的可能性。

（二）潛在用戶挖掘

通過對于已經購買的消費者的消費行為以及相關的記錄等信息進行研究，就能夠對淘寶店內部可能存在的潛在用戶進行充分的了解，而且對影響他們再次購買的主要因素進行分析。通過這些因素的構建，以及相關邏輯模型的建立，就可以按照當月淘寶店鋪內的數據信息，來分析接下來幾個月份的用戶數量。

目前電商平臺對于潛在用戶的挖掘已經有了相當大的研究，而本文在分析的過程當中，主要選取其中三個指標，分別是用戶可能再次購買的有關性指標、用戶基數指標與行為指標。用戶基礎指標主要是體現在用戶的基礎信息以及產品的購買數量、消費次數等等；行為指標主要體現在消費者在購買之后，是否會對產品進行好評，是否會通過手機端來進行購買。在對于不同數據指標進行全面的分析之后，就能夠將指標之間所有的關聯性進行結合，并且對對象的選取能夠更加的科學。通過具體的算法來對數據分析進行研究，可以分為以下幾個步驟：

第一，對訓練集進行劃分。對該淘寶店鋪內當月的眾多網購用戶選取幾千條銷售數據作為集中對象，并且對于其他的銷售數據為驗證該數據信息的驗證集。

第二，將數據標準化。在指數取值當中，應該選擇超過5個指標來進行詳細的劃分，并且保證每一個指標都可以對應的6個層級數字進行表示。

第三，對用戶的再次購買信息增加效益的時候，進行相關的指標計算。通過特殊的計算法，在實際應用過程當中將那些需要剔除的信息數據進行減少，并且能夠獲取的數據在不斷的增多。通過該算法能夠應用到關鍵指標選取上，其主要的原理如下：假設其中一項為訓練集，那么其涉及到的數據樣本都是確定的，并且在所有樣本當中都含有一個原始的集合，其所具有的屬性能夠對這個集進行類別的劃分。比如當消費者通過手機購買的時候，那么就可以作為一個樣本，其中的多類產品所包含的產品有多少種，這樣就可以對任何一種消費者的消費產品購買行為進行可能性的預測。

■結論

在對于淘寶店鋪運營的具體數據進行提取，并以此來對淘寶店鋪電商用戶的個人特征以及消費模式進行充分研究，可以得出如下結論：在電商用戶當中，女性為最主要的用戶群體，并且年齡集中在25-29歲之間；用戶在消費的過程當中，所具有的忠誠度并不高大，多數消費者在購買產品的數量為一次。面對這種情況，就要求淘寶店鋪的管理人員能夠不斷的調整自身的經營模式，展開更加具有針對性的售后服務和運營服務，這樣才可以對基于數據挖掘的電商用戶行為研究進行合理的利用，從而提升店鋪的經濟效益。

■結束語

電商平臺作為一種新型的購物模式，雖然受到了許多年輕人的喜愛，但是潛在用戶的群體依舊很龐大。因此電商管理人員必須基于數據挖掘，來充分研究電商用戶行為，通過不斷調整自身的營銷模式來迎合用戶的需求，從而能夠吸引范圍更加龐大的用戶群體來進行購買，這樣才可以提升自身的競爭優勢。