摘要：电子商务是随着互联网技术发展逐渐兴起的行业，电子商务的不断发展，使互联网的数据信息呈现出海量化特征，电子商家通过利用这些信息对用户的购买行为进行分析，可为用户推荐针对性产品，提升产品的销售量。而实现这一过程需要使用数据挖掘技术，利用数据挖掘技术的众多优势，为促进电子商务的发展提供有效支持。针对此，本文在对数据挖掘技术应用模式与应用过程进行分析的基础上，对数据挖掘技术在电子商务中的应用进行了深入研究。

关键词：数据挖掘；挖掘技术；电子商务；数据技术；

引言　

随着人们上网行为的逐渐普遍，越来越多的网络用户，开始通过网络途径购买个人所需产品，因此促进了电子商务的发展。当前的电子商务客户较多，电子商务的平台上，每天都会产生大量的信息，若能对这些信息加以利用，能够产生非常大的价值，提升电子商务企业的经济效益。数据挖掘技术作为信息加工和处理技术，数据挖掘技术特有的技术优势，十分适用于电子商务的需求。为此，本人结合个人所学及相关资料，就数据挖掘技术在电子商务中的应用进行了研究。

1数据挖掘技术与电子商务的简介

1.1数据挖掘技术

数据挖掘是指在海量化的数据信息中，根据数据搜索的需求，从中筛选出符合要求的数据信息，对数据信息进行二次加工与整理后，将其转化为适合用户理解的数据信息。而数据挖掘技术则是一种用于数据处理的新技术，此技术是在大量、不完全、模糊、随机与繁杂的数据中，挖掘出一些人们预先不知道信息价值，信息可能会具有使用价值的数据信息，并将这些数据信息进行提炼、分析、转化，最终将其处理成有用的数据信息。当前的数据挖掘技术在经过长期的发展下，已经研发出多种数据挖掘技术，数据挖掘的方式也愈发多样化。如应用统计方法、事例推理、决策树、规则推理、模糊集、神经网络、关联分析等方法，都可以用于进行信息挖掘处理，且信息挖掘处理的效果也各有优势。但数据挖掘技术存有一定应用弊端，即在数据挖掘过程中过于反复化，若其中一个数据挖掘步骤，没有按照预期目标进行数据挖掘，则需要重新开始数据挖掘过程，再次对数据进行挖掘与处理分析。

1.2电子商务

电子商务是基于网络技术与计算机技术的发展下，为对消费者带来更好的购物体验，逐渐形成和发展起来的一种网络商务模式。电子商务模式是借助互联网技术，构建出网络交易平台，卖方在进行产品销售时，与客户没有直接的接触，而客户也看不到卖家的实际销售者，只是根据个人需求购买所需产品。交易方式则是用电子金钱在网站下单，卖家根据客户需求发出产品后，通过物流的方式派送到客户手中，客户收到产品后确定收货，卖方才能收到交易金额。根据对客户需求的模式分类，可以将电子商务分为两种模式，一种是B2B，另一种则是B2C，其中B2B是当前应用最为广泛的电子商务模式。因电子商务的市场效益比较高，越来越多的企业和投资者，进攻了电子商务市场，使得电子商务市场的竞争愈发激烈。为吸引更多的消费者，提升企业的销售额与市场地位，越来越多的企业需要通过推广与宣传的方式，扩大企业的知名度，促进消费者能够主动关注产品或购买产品。在此过程中，确保客户的精准性与针对性，则需要采用美工优化、产品改进、数据分析、营销方案制定等方式，不断提升产品营销的效果。

2数据挖掘技术的应用模式

2.1分类分析

分类分析是常见的数据挖掘技术应用模式，也是应用效果十分突出的数据挖掘技术模式。分类分析是利用同类事物共同特征的特点，将不同事物进行差异性划分，基于某种筛选方法下，对事物进行详细的分类。在数据挖掘技术中，分类方法比较多，如决策树、特征分类、数值分类、类型分类等等。实际采用分类分析方法，是需要根据指定的类别标准，由操作人员根据类别标准，对各个数据信息进行标记后，再开展对数据的分析工作，最后再建立模型，并对数据规律进行总结后，将所有的数据信息放到数据库中。由于类别标记的不同，获取所需数据信息后，对应价值的数据信息会快速采集到，因此数据挖掘的效率相对比较高。

2.2聚类分析

聚类分析是在遵循某种原则下，将相同的数据进行归类处理，以用于对决策人员提供数据参考。由于聚类分析的使用优势比较多，聚类分析是应用最为广泛的数据挖掘技术模式。在进行电子商务应用时，聚类分析可以对综合性的市场理论，按照要求进行市场细分，通过市场的详细划分下，可以深入分析出潜在消费者的需求。以消费者需求为导向，对具有同一特征的数据进行归类，扩大不同类别之间的数据距离，提取到消费者的数据特征后，根据客户需求提供针对性服务，挖掘出更多的消费客户。聚类分析应用模式经过发展后，已经形成和演变出多种聚类分析方法，如统计法、机械费与神经网络法等，其中神经网络是当前应用最为普遍的分析方法，具有数据挖掘范围广、数据处理效率高等显著优势，也是当前电子商务在数据技术方面的主要发展方向之一。

2.3关联分析

构建出数据库后，可以在关联分析模式的运用下，对数据库的信息进行深入的挖掘，获取到具有深度应用价值的数据信息。具体而言，关联分析方法运用于电子商务时，是在某种联系下，如客户下单的时间、客户的消费需求、客户地域、客户类型等，从数据库中搜索出相关信息，并对这些信息进行整合处理后，预测分析出潜在的客户需求与类型，进而为客户提高满足程度较高的产品，提升产品成交量。关联分析方法是在条形码技术的广泛应用下，借助条形码技术获取大量的销售记录，从这些销售记录中，根据需求筛选出所需信息，帮助决策人员制定可行性较高的市场规划，明确市场销售的对象，以合理制定商品的价格、类型与销售方式。

2.4数据抽取

电子商务涉及到的数据比较繁杂化，虚拟性的数据特点中，包含着潜在的消费者购买倾向、特征与动机，通过数据挖掘技术的应用，可以将这些数据挖掘出来，对数据信息进行有规则化的数据划分。数据抽取方法则是通过对数据进行采集后，对大量的数据信息进行压缩处理后，在求均值、统计值的方式下，通过绘制图形或图形表的方式，将数据信息全面的表达出来，并对此类数据信息进行总结。也可以通过数据泛化方式，将这些数据信息在信息处理后，提高数据信息的应用层次。或是采用数据分析的方法，对数据信息的属性进行归类处理，在数据抽取与汇集操作后，处理与保存计算的结果，进而为决策人员提供数据参考。

3数据挖掘技术的应用过程

3.1确定和定义

将数据挖掘技术应用于电子商务中，首先需要明确分析的对象，并制定合理化的电子商务销售目标，以为后期预测规划实施提高参考。即电子商务人员应当根据结合企业实际情况，对产品市场进行初步分析后，制定出需要分析的数据类型，然后再运用数据挖掘技术进行数据处理。而不是在没有明确数据挖掘对象与目标的情况下，则开始进行数据挖掘技术的应用，此种方式下挖掘出的数据信息，可实用性比较低。

3.2数据准备

数据准备是数据挖掘技术应用最为关键的环节，可分为三个操作环节，且操作环节之间的互联性比较大。第一个操作环节，是基于用户的需求下，搜索符合需求的数据信息，搜索来源为数据库。需要注意的是，在此环节中，需要给予工作人员访问数据对象的操作权限。第二阶段，是在数据初步挖掘出后，对数据挖掘出的广泛信息进行深度处理，以确保数据的真实性与有效性。第三个阶段，是将需要处理的所有数据，全部处理完成后，根据数据的筛选特征，对数据信息进行转换处理。

3.3建立模型

建立模型是数据挖掘技术的核心环节，也是影响数据挖掘技术应用效果的关键环节。在此环节，工作人员需要根据实际情况，结合业务需求后，采用合适的数据处理算法，构建出数据挖掘的模型，再不断改进与完善数据模型后，对数据信息进行二次处理。

3.4分析和评价

不同于上述环节，分析和评价环节最突出的特征，便是动态化，且对于数据挖掘的效果影响很大。所以在数据挖掘技术分析和评价阶段，需要先制定合理与科学的评价指标，并明确数据分析的方式与要求。开展数据分析与评价时，始终检查实用性和准确性的原则，将可行性作为核心指标，有序开展数据挖掘技术的分析和评价。对于数据挖掘分析和评价的结果，需要由专业的人员进行评估，以确保最终评估结果的效果。

4数据挖掘技术在电子商务中的应用优势

4.1精准抓住客户需求

市场竞争愈发激烈化的背景下，若电子商务企业对于客户需求的掌握，并不是很精准，则会直接影响到产品的销售业绩，所以做好客户需求的精准掌握十分重要。数据挖掘技术作为一种深入挖掘技术，数据挖掘技术可以根据电子商务企业的需求，按照数据挖掘的要求，采用挖掘效果最为良好的挖掘方法，深入开展数据挖掘技术，以客户游览行为作为挖掘数据，从中筛选出具有价值的数据信息，用于为决策人员提供数据参考。具体操作为在协同过滤技术下，采用统计学的数据信息处理原则，分类和统计客户所有的游览行为，从数据库中搜集相关信息，分析客户对同一商品或类型商品的需求度，在分析潜在消费者需求后，协助企业制定出针对性的营销策略，用于实现对目标客户的精准定位销售。

4.2为企业提供正确的商业决策

电子商务下的企业竞争，对企业的商业决策精准性提出了更高要求，企业制定的商业决策可行性比较低，极易使企业在市场竞争中，失去竞争优势，甚至可能会因资金周转问题，而导致企业出现严重亏损的情况。合理运用数据挖掘技术，借助数据挖掘技术的数据分析与整合功能，分析商业决策的适用性与可行性，能够最大程度规避此种情况的发生。首先企业能够在数据挖掘技术的支持下，对以往的销售数据进行分析，从中挖掘出可对商业决策提供参考的信息。其次企业可以运用数据挖掘技术，对不同的客户进行分类与统计，明确客户的需求，针对性制定产品销售方案。再次，再掌握客户需求情况下，可以制定出满足可行性较高的营销方案，围绕客户为中心进行销售理念确定，激发客户的购买主动性，提升产品成交量。

4.3使推荐更加个性化

在数据挖掘技术的支持下，可以通过对数据的深入挖掘与分析，了解到客户潜在的个性化需求，为此类客户提供个性化的产品服务，以吸引客户主动购买产品。如客户在电子商务网站注册会员信息时，可以基于客户的游览行为与习惯，对其提供个性化的会员欢迎广告方案。再如根据客户以往的购买情况，结合客户的游览行为与潜在需求，为客户主动推动新的产品，当客户主动点击产品后，再向客户提供个性化服务，以提升客户购买的主动积极性。此外通过客户购物车、游览习惯、收藏爱好等，都可以挖掘出客户的购买意愿，这可以使企业针对不同客户群体，制定不同的客户营销方案。

5数据挖掘技术在电子商务中的具体应用

5.1在电子商务营销方面的应用

在数据挖掘技术未深入应用前，电子商务的营销方案制定，是根据营销人员的营销经验，结合产品的销售类型与范围，制定出产品营销方案。此种营销方案的制定，存有严重主观性决定的特点，营销方案的效果具有不确定性。但若是将数据挖掘技术运用于电子商务中，企业可在数据挖掘技术的运用下，通过对订单信息、市场动向、产品类型、预测分析等数据挖掘，整合分析数据信息后，提前了解产品营销的预测效果，并明确客户的需求与目标，然后制定出针对性与个性化的营销方案，以使得营销方案的可行性能够有效提高，有效保障电子商务营销方案的效果，避免出现严重亏损的情况。

5.2在客户关系管理方面的应用

无论是电子商务网站的管理，还是电子商务产品的销售，做好与客户的关系维护工作，利于提升经济效益是必然事实。用户在电子商务网站的游览过程中，对于产品的游览行为、收藏或是购买行为，都会留下游览数据。利用这些游览数据，结合客户对产品的需求、反馈与服务反应等情况，根据数据获取原则，采取合适方法进行数据整理与收集后，可了解客户对产品的服务满意情况。基于此数据分析结果，可针对性改进产品服务或营销方案，提升客户对产品的满意度。或是根据用户的游览与购买行为，借助数据挖掘技术进行客户分类，针对性对客户进行分类管理，在后续营销方案中对相同客户提供个性化服务，以将客户逐渐转变为忠实客户。

5.3在网络广告方面的应用

采用网络广告推广的方式，目的在于提升企业产品的知名度，获取到更多的客户来源，提高产品的销售量。由于电子商务网站的竞争企业较多，若广告没有针对性与特色化，用户可能主动购买的意愿不高。但采用数据挖掘技术，从网络广告设计开始，可以从数据库中筛选出有价值的信息，深入分析客户的需求、市场导向等，以创新性与针对性的理念进行网络广告设计，包含着对客户需求的需求满足，此种广告设计出来后，更能引起客户的注意，利于提升网络广告的最终经济利益。

5.4在商业信用评估方面的应用

电子商务平台的企业过于繁杂化，合作方也比较多，为避免与信誉较低的企业合作，造成资金亏损的情况。电子商务企业通过运用数据挖掘技术，通过对用户信息的数据挖掘分析，能够在数据整合分析后，筛选出符合需求的价值信息，供决策人员对合作方的信用进行参考，以提前评估出合作方的信用情况。并且在对信用报告进行分析后，数据挖掘技术的整合分析与数据库功能，也能对合作方案提供数据信息分析报告提供，这可以为方案改进与优化提供有效的参考。

结语：综上所述，在电子商务平台中大量的信息急需要进行处理和利用，从而能够更好地分析用户的购买行为，进一步提高电子商家的交易数量。因此，本文通过简要论述目前数据挖掘技术对于电子商务发展的重要意义，在此基础上论述了数据挖掘技术在电子商务中的几个重要应用。相信随着数据挖掘技术的不断成熟，能够在电子商务领域中获得更加长远的发展，从而能够更好地为电子商务创造价值。

参考文献：

[1]信姝铜.探讨数据挖掘技术及其在电子商务中的应用[J].中小企业管理与科技，2020，（8）11-15.

[2]李兴莹.电子商务领域中计算机数据挖掘技术的应用研究[J].电脑知识与技术，2020，（19）37-39.

[3]冯雷.魏威威.数据挖掘技术在电子商务中的应用研究[J].中国市场，2020，（13）17-18

[4]崔素丽.数据挖掘技术在电子商务管理中的应用[J].时代农机，2019，（3）23-28.

[5]李楠楠.大数据挖掘技术在电子商务企业营销中的应用研究[J].全国流通经济，2019，（8）55--57.

[6]高宇.王金虹.马斌.数据挖掘技术在电子商务管理中的应用[J].集成电路应用，2019，（4）22-25

[7]黄志恒.龚勤.数据挖掘技术在电子商务中的应用研究[J].科学技术创新，2017，（34）28-29

[8]易新忠.数据挖掘技术在电子商务中的应用分析[J].现代经济信息，2018，（13）15-18.

[9]李平荣.数据挖掘技术在电子商务中的应用[J].佳木斯职业学院学报，2016，（11）28-29

[10]宋大为.候婷婷.顾松敏.赵相楠.数据挖掘技术在电子商务领域中的应用研究[J].科技创新与应用，2016，（5）15-18.下载本文