电子商务用户资源管理中数据挖掘技术的应用

时间：2015-12-21 01:02:14 所属分类：微电子 浏览量:

摘要：本文详细介绍了电子商务用户资源管理的内涵、重要性以及现状，并分析了数据挖掘技术在电子商务用户资源管理中的应用，以供同仁参考。 关键词：数据挖掘技术电子商务应用 一、引言 随着Internet的普及，电子商务如同燎原之火，在全世界迅猛发展。权威统

摘要：本文详细介绍了电子商务用户资源管理的内涵、重要性以及现状，并分析了数据挖掘技术在电子商务用户资源管理中的应用，以供同仁参考。
关键词：数据挖掘技术电子商务应用

一、引言
随着Internet的普及，电子商务如同燎原之火，在全世界迅猛发展。权威统计表明，06年中国互联网市场稳步增长，网民数量增长至1.35亿，电子商业交易总额达到1.1万亿人民币,年增长了48.6%，07年将继续增长。由此可见，电子商务在国民经济发展中的地位日趋重要，展开电子商务业务已是大势所趋；但不可否认的是，电子商务的发展使管理者收到大量无序信息，尤其是用户资源信息。如何对这些信息进行有效组织利用，找出真正有价值的信息，以指导商业决策行为，成为电子商务经营者和管理者关注的问题。迅速发展的数据挖掘技术，为此问题提供了有效的解决途径。
二、电子商务用户资源管理
从广义上说，电子商务用户是指使用电子商务信息资源和服务的一切个体和群体。电子商务的用户是在长期服务过程中逐步形成的，是电子商务服务能力在社会关系体系中的呈现。与电子商务的其他资源相比，用户资源有其特殊性，例如动态的伸缩性，对其它资源的依附性等。
2.1用户资源管理的内涵
在电子商务发展过程中，其资源的内涵不断扩展。从有形资源的管理，包括商品的管理、人力资源管理、经费管理等，扩展到无形资源的管理，包括品牌、文化等。但这种管理概念仅仅局限于电子商务内部。而在现代信息社会，电子商务应把“用户”这种外部资源纳入自身管理体系中，实现与其他资源的整合。
用户资源管理是对有使用价值的用户资源，通过有效的管理和控制程序，来实现电子商务某种服务效益的目标活动。应该包括用户信息管理、用户服务活动管理、用户后期支持管理。用户信息管理的主要任务是系统的搜集、组织和存储用户的相关信息，通过用户信息的统计和分析，明确用户的需求，划分用户群；用户服务活动管理则负责对用户在电子商务网站内的信息行为进行管理，针对用户个性化需求，指定出电子商务的资源建设和服务策略，实现用户服务活动的相关信息集成；用户后期支持管理指对用户接收服务后的情况进行跟踪了解和分析，发现问题，提出不断修改和提高的方案。
2.2用户资源管理的重要地位
（1）用户资源管理是电子商务管理的核心。电子商务管理必须以用户资源管理的要求和目标展开工作，因为只有这样才能将“用户”作为一种资源有效的贯穿于电子商务管理工作的全过程中，电子商务管理的效果与价值才能真正的以用户使用的效益方式体现出来。简单的说，只有掌握了用户，电子商务才有效益。
（2）用户资源管理是个性化服务的重要基础。个性化服务是以用户需求为中心的服务方式，通常步骤为：收集用户信息；分析用户数据，创建复合用户特性的访问方式；向用户提供复合其特殊需求的个性化服务。电子商务用户资源管理的本质和目标是对用户信息和行为进行深入的分析和研究，在满足用户直接需求的基础上，发掘用户的潜在需求，使用户得到延伸的服务收益，以此给予用户强烈的个性化服务感受和“无缝式体验”，提高满意度，实现用户价值最大化前提下的用户和电子商务双赢。
2.3用户资源管理的现状
就目前而言，国内大多数电子商务用户资源管理仍然属于描述型管理，面对诸如哪些商品受欢迎、原因是什么、有多少回头客、哪些用户是最赚钱的用户、售后服务有那些问题等，还只能根据经验推测，更不能实现对大范围用户信息特征和行为特征的整理和分析，并据此进行各种推理，进而发现反映其特征的模型和进行用户规模化分类和聚类。而数据挖掘技术在电子商务中的应用为解决上述问题，突破管理局限性提供了有力的支持和保障。
三、数据挖掘技术
3.1数据挖掘的概念
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它集成了许多学科中成熟的工具和技术，包括数据库技术、统计学、机器学习、模式识别、人工智能和神经网络等。
3.2数据挖掘能够获取的知识模式
（1）路径分析。用于判定在一个Web网站中用户最频繁访问的路径。
（2）聚类分析。输入数据并无任何标记，聚类分析可以从Web访问信息中聚集出那些具有相似特性和差异特性的信息，目的是使同一类数据的相似性尽可能大，不同类数据的相似性尽可能小。以增强对客观事实的认识，是分类和异常检测的先决条件。
（3）关联规则的发现。找到用户对网站上各种文件之间访问的相互关系，明确用户访问页面与页面之间的相关性和购买商品的相关性和依赖性。
（4）序列模式的发现。在时间戳有序的事务中，找到一项跟随另一项的内部事务模式，即因果关系。
（5）分类和预测。分类发现就是给出识别一个特殊群体的公共属性描述，用来分类新的项。分类的目的是通过构造分类模型把数据库中的项映射到给定类别中的某一个，以便用于预测；也就是利用历史数据记录自动推导出给定数据的推广描述，从而对未来数据进行预测。
（6）异常检测。对分析对象少数的、极端的实例，反常的不合规则的特例进行描述，根据观察结果和预测值的差别揭示内在原因。

四、基于数据挖掘的电子商务用户资源管理
4.1用户数据搜集与存储
用户资源管理的第一步工作是搜集用户数据。要实现用户数据的有效挖掘的基本条件是将搜集到的用户数据以一致的模式存储，建立用户数据仓库。
（1）用户数据搜集。所搜集的用户数据按类型可以分为用户信息数据、用户需求数据、用户行为数据和用户反馈数据。通过电子商务的注册和服务过程不断积累。
（2）构建数据仓库。数据挖掘在集成、一致、经过清理的数据上才能更好的实现，因此要进行数据清理、变换、集成、装入等处理，以建立一个整合的、结构化的数据仓库。例如：非结构化的用户需求和反馈信息应该采用多种方法将其转化为结构化数据。
4.2用户特征和群体分类
（1）用户特征分析。针对数据仓库中的用户数据，采用多种数据分析和挖掘方法，如关联分析、序列分析等，对电子商务用户特征进行分析，挖掘用户的隐形信息需求，获得对管理用户与电子商务交互活动所必须的关键性特征，并预测用户的未来行为。电子商务用户的特征主要包括用户的身份特征、用户的需求特征、用户的行为特征，如自然属性、收入、交易额、爱好、价值度等。通过用户特征的分析和提取，电子商务可以与用户建立一种一对一的、差异化的、个性化的、学习型关系。即根据用户行为不断加深对其的了解，针对其特殊需求相应调整网站的访问模式和结构，以及自己的经营策略和行为。
（2）用户群体分类。对电子商务用户的特征进行分析的主要目标还在于对具有相似特征的用户建立模型，进行电子商务用户的有效分类和聚类，建立层次结构，为不同类型的用户提供不同的服务方案。电子商务用户的分类还便于分类识别或预测未知用户的归属。
4.3面向用户生命周期的数据挖掘
用户的生命周期主要由三个阶段组成：用户的获取、用户的保持和用户的流失。注意，由于网络的特殊性，用户的保持和流失和注册用户的数量有很大差异，用户放弃该网站并不一定注销用户，所以更应该注重网站的访问信息。用户资源管理的主要目标是要最大限度的延长用户的生命周期，防止用户的流失。
（1）用户的获取。电子商务网站要在竞争日益激烈的环境中生存发展就要不断获得新用户，维持老用户，而当用户数量不断增加，用户数据信息不断增多时，就要依靠数据挖掘。利用数据挖掘揭示新用户的行为习惯，生成预测模型，预测发现一些在不同情况下有相似行为的用户，进行分析，筛选出可能的潜在用户，并据此有效增加服务推广效应，把潜在用户和这些用户感兴趣的资源和服务系统的结合起来，为每一个用户提供主动化、个性化的服务，把潜在用户转化为正式用户。
（2）用户的保持和流失。电子商务用户流失的主要原因是服务不到位，包括自身的缺陷和其他网站提供新服务的影响。一般来说，用户的保持涉及三个过程：首先，利用数据仓库中的信息和数据挖掘技术识别、分析和评价用户为什么流失？那些因素导致用户流失？用户流失的风险在何处？从而明确潜在的流失用户群体；其次，识别其中的有价值用户，如消费频率较高的用户；最后，分析用户的行为模式，如付费历史等，有针对性的采取相应的服务措施，如奖励等，提高用户的忠诚度，保持用户。
4.4几个注意问题
（1）数据挖掘的准确性。来源数据的准确性会对数据挖掘产生很大影响，而由于网络的特性，用户数据尤其是其注册信息的可靠性是未知的，所以应该对用户数据做一定的验证和预处理。此外，数据挖掘只是一种工具，其建立模型的准确性应该经由实践检验。
（2）用户隐私的保护。在构建数据仓库，对数据进行预处理时，应该把一些涉及用户隐私的数据信息处理掉。
五、结论
基于数据挖掘的电子商务用户资源管理能发现大量数据背后隐藏的知识，在了解用户需求的基础上，可以使网站更有效的确认目标，改进策略，提供个性化服务，改善用户关系，从而使用户更加满意，为网站带来更高的效益，具有广阔的发展和应用前景。
参考文献：
[1]何有世，刘晓春，李帆.《数据挖掘在企业电子商务中的运用探讨》集团经济研究2006.9
[2]张丽娟.《电子商务对客户关系管理的影响》商场现代化2007.1

转载请注明来自：http://www.zazhifabiao.com/lunwen/dzxx/wdz/35642.html