摘 要：隨著時代進步，當前企業(yè)信息系統(tǒng)普遍面臨的“數據爆炸”問題，要及時解決這類問題，同時還要解決“信息缺乏”問題，數據挖掘技術成為當前學術界和企業(yè)界研究的熱點。本篇文章詳細討論了數據挖掘在電子商務中的數據資源、基本方法、體系結構以及典型應用。

　　關鍵詞：數據采集;電子商務

　　一、電子商務中數據資源的數據挖掘

　　1.服務器數據

　　通過對此文件中存儲的某些項目進行語法分析，例如DNS，就可以知道客戶來源所在的地區(qū)，通過對域名www.msta.acjp進行分析，就可以知道客戶來自哪里。在cookielogs中，HTTP協議本身就是非事務類型的，這一點在事務類型的電子商務中并不適用，這給電子商務帶來了很多問題。使用cookie可以解決這個問題。Cookie是一個軟體工件，它可以儲存客戶存取伺服器的資訊，存儲有關cookie的服務器軟件的這部分稱為cookielogs。

　　2.客戶注冊信息

　　用戶在網站上的相關信息，通過屏幕傳送并進入服務器。在電子商務活動中，電子商務扮演著非常重要的角色，尤其是關于安全和限制客戶訪問的時間信息。為了提高數據挖掘的精確性和更好地理解客戶，數據挖掘需要將客戶注冊信息集成到訪問協議中[1]。

　　二、電子商務環(huán)境下數據挖掘的基本方法

　　1.路徑分析

　　路徑分析可用于確定訪問頻率最高的網站路徑。另外，通過路徑分析可以得到關于該路徑的其它信息。舉例來說，70%的客戶訪問/company/product2，但是用戶會忽略它們。此外，通常情況下，客戶并未從主頁訪問站點，而是從/company/products訪問，所以最好的方法是在此頁中包含有關產品目錄類型的信息。另外還應規(guī)定客戶在網站上的停留時間，因為顧客一般只在網站上瀏覽4個網頁，所以他們可以把重要的產品信息放在這些網頁上，利用路徑分析，改善網頁設計和網頁結構。

　　2.關聯規(guī)則發(fā)現

　　關聯規(guī)則的發(fā)現是在電子商務中發(fā)現用戶訪問網站上各種文檔之間的關系。國際人工智能公司這兩個數據中，A【即(1，1，m)】和t【(14，n)】是數據庫中相關數據的一組特征屬性。假如我們使用關聯規(guī)則技術，我們可以發(fā)現，如果一個客戶訪問某個頁面/公司/產品時，他也訪問該頁面/公司/產品2。

　　3.連續(xù)模式的發(fā)現

　　連續(xù)模式分析側重于數據之間的前因或因果關系分析，在順序事務集中尋找“某些項目跟隨其他項目”的內部事務模式。以/company/producti為例，假如在過去10天里，有60%的在線訂購客戶已經購買了/company/product2，同時，60%的在線訂購計算機的客戶將在兩個月內訂購打印機和紙張。通過這些數據，商家可以為客戶群體提供更好地針對性服務。

　　4.分類規(guī)則的發(fā)現

　　分類規(guī)則簡而言之就是先標記每個記錄，也就是根據標記對記錄進行分類。通過數據挖掘(例如Fazhan/company/productl)，假如在網上訂購電子商務產品的客戶中，60%是生活在大中城市的2歲左右的年輕人，經過分類，我們可以根據這類客戶的特點進行經營活動，提供針對性的個性化信息服務[2]。

　　5.聚類分析結果表明

　　聚類分析方法的輸入集不同于分類規(guī)則方法的輸入集，聚類分析方法的輸入集是一組未標定的記錄集。通過將有相似瀏覽行為的顧客聚類，使管理者能夠更好地了解顧客，為顧客提供更合適、更滿意的服務。一些客戶是否經常瀏覽相關信息。在這段時間里，真實和電子產品經常出現，通過分析，這些顧客都聚集在一個群體中，我們可以知道這群顧客的需求是什么。服務對象要與其他群組客戶區(qū)分開來，如“大學生群體”和“白領群體”。這樣，web就能自動將新產品信息電子郵件發(fā)送到這一特定客戶群體，并為這一客戶群體動態(tài)地更改專門網站。從某種程度上說，滿足客戶需求，對客戶和銷售者來說更有意義。

　　三、電子商務數據挖掘的架構

　　因為電子商務數據挖掘可以把那些復雜的數據以及結果直接轉變成方便理解的信息，因此，要真正發(fā)揮電子商務的效率，除了要充分利用和合理選擇前面提到的基本方法以及常用的工具外，還必須將辦公處理階段的數據存儲在數據庫中，并與電子商務行為有機地結合起來，通過圖片可以看出，在電子商務中，數據挖掘的體系結構是由商務數據的定義、客戶交互以及分析處理三個主要部分組成的。

　　1.企業(yè)數據定義

　　本節(jié)中，客戶會通過自身需求來給出數據。這些數據包括了很多內容，如商品信息(產品、產品分類、價格)、內容信息(網頁圖片和多媒體)以及活動，這些都是收集和處理數據的關鍵因素。

　　2.顧客互動

　　本節(jié)介紹顧客與電子商務的互動行為，這種互動可能發(fā)生在網站的許多領域，例如客戶服務和交流應用程序。為有效地挖掘這些數據源，數據收集不只是銷售記錄數據，還包括其他客戶行為、網站瀏覽網頁等。

　　3.分析與處理

　　此環(huán)節(jié)運用了大數據的統(tǒng)計、數據挖掘算法、可視化工具和OLAP工具，建立了交互決策支持環(huán)境，該部分是系統(tǒng)的最后一部分。

　　四、數據挖掘技術的應用

　　1.尋找潛在客戶

　　潛在客戶的挖掘第一步則是對客戶群體進行分類，有“visitorOlace”和“visitoregular”，對商家來說，從網絡上的分類中可以看出，通過對已被分類的客戶和老客戶的部分公共描述，新客戶被準確地分類，新客戶分類之后要對他們進行判斷，即判斷他們是有興趣還是無興趣的客戶群，決定新客戶是否是潛在客戶，一旦確定了客戶的類型，就可以向客戶展示網頁的內容，而網頁的內容則是客戶與銷售商之間的關系，取決于所提供產品和服務的相關規(guī)則。

　　使用這些規(guī)則，對于新客戶來說，需要花一些時間瀏覽市場網站，如果來自于上面的域名jp或m，那么該客戶可以被看作是潛在客戶，接下來只需要向其顯示關于jp或Ils的頁面內容即可[3]。

　　2.改善網站設計

　　網頁內容的排列和連接方式就像超市貨架上的商品。將相關文章組合起來，給予一定的支持和信任，有助于銷售人員發(fā)現因特網上的關聯規(guī)則，從而動態(tài)地適應客戶網站的結構，使客戶能夠訪問的連接文件之間的連接更加直接，客戶可以輕松地訪問他們可能訪問的頁面，如果網站非常方便瀏覽，就可以給客戶留下好的印象，增加下次訪問的可能性。

　　3.客戶群

　　客戶群為e-商業(yè)型。分析這類顧客的共同特點，電子商務組織方就能更好地了解他們的顧客，為顧客提供更加適合他們的服務。假如有些客戶花些時間在“嬰兒玩具”和“嬰兒退貨”頁面上進行分析，把這些客戶組合起來，根據收集到的信息，銷售者可能知道這是一個“準父母”客戶。因此要及時調整頁面和頁面內容，使商業(yè)活動與客戶需求保持一致，讓商業(yè)活動對客戶和銷售商更有意義。

　　五、結束語

　　在機器學習的基礎上發(fā)展起來的數據挖掘技術，雖然已經有十幾年的歷史，但是在實際應用中還存在著許多問題，主要是系統(tǒng)結構和典型應用方面的問題，但是在電子商務環(huán)境下，數據挖掘技術仍存在著許多亟待解決的問題。比如，在不同國家或地區(qū)存儲網絡數據的不一致性，以及利用數據挖掘技術，利用動態(tài)數據庫、對象數據庫、多媒體等，另外還要進行抽取規(guī)則的準確性和時效性，數據的安全性，隱私性等方面的研究。

　　參考文獻

　　[1] 劉紹君，劉宇為.數據挖掘技術在校園電子商務中的應用探索[J].南方農機，2020，v.51;No.348(08)：217+226.

　　[2] 高艷敏.分析數據挖掘技術運用于電子商務中的對策[J].電子世界，2020(15).

　　[3] 趙書慧.電商市場中大數據挖掘的分析以及決策探究[J].中國新通信，2020(12

　　推薦閱讀：電子商務世界機械工程師論文投稿