基于电子商务中的数据挖掘技术研究

6 电子商务中挖掘信息的目标
(1)帮助企业确定营销机制在电子商务中，商业信息来自各个渠道，这些数据信息经过数据挖掘处理技术进行处理后，可从中得到用于特定消费群体或个人定向营销的决策信息，以确定电子商务的营销机制。基于数据挖掘的电子商务营销，常常可以向消费者发出与以前的消费行为相关的推销材料，数据挖掘的电子商务营销对于我国当前情况下的市场竞争具有启发意义。经常可以看见繁华商业街上一些厂商对行人不分对象的散发大量商品宣传广告。其结果是不需要的人随手丢弃，而需要的人未必能够得到。如果家电维修服务公司向在商店中刚购买家电的消费者邮寄维修服务广告。药品厂商向刚在医院门诊就医的特定病人邮寄广告，其效果肯定比漫无目的的营销效果要好很多。
(2)帮助电子商务网站创造效益建立一个电子商务网站并不困难，困难在于如何让电子商务网站创造效益。要想有效益就必须吸引客户，增加客户的忠诚度。电子商务业务的竞争比传统业务的竞争更为激烈，原因有很多方面．其中一个因素就是客户从一个电子商务网站转换到竞争对手那边．只需要点击几下鼠标即可。网站的内容和层次、用词、标题、奖励方案、服务等都有可能成为吸引客户或失去客户的因素。电子商务网站每天都可能有上百万次的在线交易。生成大量的记录文件和登记表，如何对这些数据进行分析和挖掘．充分了解客户的喜好、购买模式，设计出满足不同客户群体需要的个性化网站，进而增加其竞争力，变得势在必行。

7 数据挖掘技术在电子商务中的几点应用
(1)实施CRM战略，为客户提供个性化服务 随着网络的普及和电子商务网站的增多，客户常会迷失在复杂的网站和众多的商品信息中。这就要求电子商务网站应当“以客户为中心”。根据客户个人喜好，提供与众不同的个性化服务。基于数据挖掘的电子商务推荐系统通过对客户的访间行为、访问频度、访问内容等信息进行挖掘，提取客户的特征．获取客户访问模式。据此创建个性化的电子商店，主动向客户提供商品推荐，帮助客户便捷地找到感兴趣的商品。这是一种全新的个性化购物体验。不仅容易使访问者转变成购买者，而且可根据客户当前购物车中的物品，向客户推荐一些相关的物品，提高站点企业的交叉销售量，甚至还可以根据需求动态地向客户做页面推荐，提供个性化的商品信息和广告，提高客户对访问站点的兴趣和忠诚度，防止客户流失。
(2)制定产品营销策略，优化促销活动 通过对商品访问和销售情况进行挖掘，企业能够获取客户的访问规律，针对不同的产品制定相应的营销策略。如利用数据挖掘技术可实现不同商品优惠策略的仿真。根据数据挖掘模型进行模拟计费和模拟出账，其仿真结果可以揭示优惠策略中存在的问题。并进行相应的调整优化，以达到促销活动的收益最大化。
(3)优化网站组织结构和服务方式，提高网站的效率 通过挖掘客户的行为记录和反馈情况为站点设计者提供改进的依据。进一步优化网站组织结构和服务方式以提高网站的效率。站点的结构和内容是吸引客户的关健。站点上页面内容的安排和连接如同超市中物品在货架上的摆设一样，把具有一定支持度和信任度的相关联的物品摆放在一起有助于销售。比如利用关联规则的发现，可以针对不同客户动态调整站点结构．使客户访问的有关联的页面之间链接更直接，让客户很容易访问到想要的页面。这样的网站往往能给客户留下好印象．提高客户忠诚度，吸引客户不断访问。
(4)改进系统各项性能，增强系统安全性 对电子商务网站各种数据的统计分析有助于改进系统性能，增强系统安全性．并提供决策支持。Web服务的性能和其他服务质量是衡量客户满意度的关键指标旧。数据挖掘可以通过客户的拥塞记录发现站点的性能瓶颈，以提示站点管理者改进Web缓存策略、网络传输策略、流量负载平衡机制和数据的分布策略。此外，还可通过挖掘分析网络的非法人员数据找到系统弱点并改进，提高站点可靠性，保证电子商务的正常开展。
(5)增强商业信用评估，构建和谐社会体制 发达的社会信用水平是发展电子商务的重要基础，通过对企业数据统计和历史记录之间的差别，结果与期望值的偏离以及反常实例进行充分的数据挖掘，可有效地防范投资和经营风险。通过数据挖掘技术对企业经营进行跟踪，开展企业的资产评估、利润收益分析和发展潜力预测，构建完善的安全保障体系，实施网上全程监控，强化网上交易和在线支付的安全管理，利用数据挖掘的信用评估模型，挖掘交易历史数据发现客户的交易数据特征，建立客户信誉度级别，有效地防范和化解信用风险，提高企业信用甄别与风险管理的水平和能力。