商务智能与数据挖掘第9章数据挖掘在电子商务中的应用.ppt

第9章 数据挖掘在电子商务中的应用 【教学目标与要求】 了解数据挖掘在电子商务中的发展现状 了解电子商务中应用数据挖掘的主要方向 掌握电子商务中数据挖掘的过程和方法 9.1 电子商务中数据挖掘的发展状况 电子商务的广泛应用，无疑为客户提供了便利的交易方式和广泛的选择，加速了社会经济电子化的进程，但同时也使得企业间的竞争变得愈加激烈。 IT就业市场竞争已经相当激烈，而数据处理的核心技术——数据挖掘更是得到了前所未有的重视。数据挖掘和商业智能技术位于整个企业IT业务构架的金字塔塔尖，目前国内数据挖掘专业的人才培养体系尚不健全，人才市场上精通数据挖掘技术、商业智能的供应量极小，而另一方面企业、政府机构和和科研单位对此类人才的潜在需求量极大，供需缺口极大。 例子 沃尔玛 BankFinancial公司 惠普 阿里巴巴 9.2 电子商务中数据挖掘的特点 数据挖掘技术之所以可以服务电子商务，是因为它能够挖掘出活动过程中的潜在信息以指导电子商务营销活动。 电子商务网站可以了解用户的行为模式与喜好，网站的结构如何改进等信息，从而为顾客提供更有针对性的营销手段和服务，满足顾客的潜在需求。 (1) 挖掘客户活动规律，针对性的在电子商务平台下以提供“个性化”的服务。 (2) 可以在浏览电子商务网站的访问者中挖掘出潜在的客户。 (3) 优化电子商务网站巾的信息导航，方便客户浏览。 (4) 通过电子商务访问者的活动信息的挖掘，可以更加深入的了解客户需求。 9.2.1 电子商务中数据挖掘的数据源 1．服务器日志数据 2．查询数据 3．代理服务器端数据 4．Internet自身信息 5．客户登记信息 6．其他数据源 大家都知道，电子商务网站大多页面由以下这几种内容组成。 (1) 站点首页。 (2) 信誉与说服性质的页面。 (3) 产品详细信息和常见问题以及售后、配送信息页面。 (4) 购物车页面。 (5) 支付结账页面。 9.2.2 路径分析 路经分析是电子商务中数据挖掘的常用方法，它通过对Web服务器的日志文件中客户访问站点访问次数的分析，挖掘出频繁访问路径。 如何进行路径分析 ？ 那么任何访客的访问路径就可以模拟为从以上五类页面进行引导，然后下一步或者上一步，或者其他点击，直到最后访客离开的页面，这样你就需要根据自己的产品、购物、付款等页面建立你自己站点的路径筛选机制，以便于在最后每周、每月或者更长时间的筛选报告中看到访客的访问路径，根据访问页面的比例来挖掘用户内容页面消费需求，进而设计合理的点击路径和用户选择信息流程，方便用户点击。 9.2.3 电子商务中数据挖掘的体系结构 电子商务是数据挖掘技术最广泛的应用领域，这主要是因为电子商务可以很容易地满足数据挖掘所必需的因素：丰富的数据语言、自动收集可靠的数据并且可将挖掘的结果转化成商务行为。但是如果要真正发挥数据挖掘技术在电子商务中的效率，除了充分利用前面讲到的基本方法和合理选择前面讲到的常用工具外，数据挖掘技术必须将事务处理阶段的数据转存到数据仓库中，并与电子商务行为有机结合。 电子商务中的数据挖掘的体系结构 数据挖掘部分是一个独立的三层结构。最底层是数据层，主要是数据库和其他数据源。这些数据源是电子商务系统的关系数据库系统、专业知识和其它的数据源，它们是最原始的数据。中间层是挖掘层，主要是可挖掘的数据库(通常是多维数据库)和挖掘引擎，通过对数据预处理从数据层得到的数据，把从数据层得到的数据按照设计好的数据库模式载入可挖掘的数据库，然后利用挖掘引擎进行挖掘。最顶层是用户界面，主要与用户进行交互。 9.3 网站客户分群 电子商务中的数据挖掘在网站客户分群方面有着广泛的应用。与传统的销售方式不同，网上销售比较容易收集大量的交易过程数据，为客户分群提供了数据基础。由于客户的价值不同，客户需要区别对待，客户分群也是忠诚度营销中最重要的应用之一。对客户进行分群，再针对每一不同的客户群体设计最适合的营销方案和客户体验。 1．客户分群的商业理解 依据CRISP-DM流程首先要进行客户分群的“商业理解”，这一初始阶段集中在从商业角度理解项目的目标和要求，然后把理解转化为数据挖掘问题的定义和一个旨在实现目标的初步计划。我们必须明确项目的商业目标，这个目标应该是适于用基于聚类分析的客户分群方法去达到的。 2．客户分群的数据理解 “巧妇难为无米之炊”，数据是挖掘的基础，在确定目标和方案后需要进行“数据理解”，以确定要支持我们的分析目标需要哪些方面的数据，数据基础是否已经具备，数据质量是否能满足要求，如果不能得到肯定的答复，我们建议推迟项目实施直至条件成熟，因为“进去的是垃圾出来的仍是垃圾”，错误的分析结果可能会给我们带来重大的损失。 3．客户分群的数据准备 “数据准备”