Web數據挖掘及在電子商務中的運用

張昊

湖北第二師范學院計算機學院，湖北武漢，430205

0 引言

當今時代，電子商務企業之間的競爭越來越激烈，而為了不被時代所淘汰就需要留存住更多的用戶，這樣才能更好地助力電子商務企業的不斷發展。因此，如何更好地了解用戶所需，針對用戶的喜好進行個性化服務成了留存用戶的關鍵點。這時Web數據挖掘技術就展現出了其獨特的作用，通過Web數據挖掘技術可以很好地挖掘出用戶海量數據中的喜好，進而為用戶進行個性化服務推薦，以此來提高用戶的滿意程度。

1 電子商務的概念

電子商務指的是我們對任意信息和通信手段開展任意樣式的商務活動或管理操作及信息替換，主要就是讓人們或者企業可以在網上進行購物、網上支付等活動[1]，而電子商務的主要貿易對象集中在企業、顧客、客戶和政府這四者之間。這種在互聯網上就可以完成的事，極大地縮小了地域性，也節省了人們出行的時間，商鋪也可以選擇只在網上營業，可以減少店鋪的成本，這使得電子商務具備了物美價廉、安全便捷等優點，這使得電子商務開始滲透到人們生產生活之中。隨著時代的發展，電子商務更是展現出驚人的生命力，這與現在“大數據”時代的到來有著密不可分的關系，而面對大數據時代那些海量的信息數據，如何將這些數據徹底地挖掘和使用起來成了當務之急。

2 Web數據挖掘技術

2.1 Web數據挖掘技術的概念

Web數據挖掘技術主要依托的是Web環境操作技術，其中又涉及了多個領域的知識技能。之前普通的數據挖掘技術在進行挖掘時，只是淺層地從大量數據中搜尋人們所需的內容，而這些數據之中更為深層的內容卻沒有被挖掘出來，一些潛在信息也無法很好地被人們所利用。普通數據挖掘技術更多是挖掘訊息中存在的規律數據，而Web數據挖掘技術會以半結構化的文檔作為中心，這二者的數據模式是截然不同的，挖掘出來的數據信息有一定的互通點，數據中包括的內容幾乎不存在語言意義上的信息描述，只憑借HTML語法將這些數據進行結構上的敘說[2]。Web數據挖掘技術研發至今被應用到的領域是非常廣泛的，它與普通數據挖掘技術的區別就是可以對特定的數據庫進行檢索、查詢和調用。Web數據挖掘技術目前更多地被運用在大數據的電子商務之中，并且可以對挖掘到的潛在數據進行用戶歸類、信用評測和風險評估等，以此來幫助電子商務更好地進行針對性服務。

2.2 Web數據挖掘的分類

通常Web數據挖掘分為Web內容、結構和使用挖掘三類。Web內容挖掘主要指的是從Web數據頁面中進行潛在信息的挖掘。從資源查找的角度而言，Web內容挖掘的目的是以客戶的觀點作為起始點，幫助用戶將多余的信息過濾，提高用戶最終接受信息的質量；從數據庫的角度而言，Web內容挖掘的任務是對Web上的數據進行集成建模，這樣可以及時對復雜數據進行查詢工作。Web結構挖掘主要指的是對Web的鏈接結構進行分析，Web頁面中的鏈接里面經常蘊涵著許多潛在信息，通過對這些不同鏈接關系的分析可以確定用戶使用Web頁面進行搜索時，出現結果的順序，以此來幫助用戶達成更精確的搜索結果。Web結構挖掘最為常用的兩個算法是PageRank算法和HITS算法[3]。Web數據挖掘技術應用在電子商務之中更多的是為了更好地分析用戶的喜好和行為，進而進行推選，幫助每一位需求不同的用戶進行獨有的服務。而這些特殊服務主要依靠的就是Web數據挖掘技術，以此來分析出用戶最常訪問的頁面、最近訪問的時間數據和配置信息等，以此來分析該用戶的行為習慣。

3 Web數據挖掘過程

現在電子商務已經發展成了當下一大熱點，Web數據挖掘的具體過程主要分以下幾步。（1）確認需要挖掘的信息數據任務，以此作為基礎建立相應的模型結構。將那些數據信息進行規格化的處理是建立模型的首要任務，正常情況下都會選擇運用不同算法和參數調整的方式來完成優化工作。其實數據挖掘技術本質上更像一個多次循環更迭的過程，而循環更迭的目的就是為了保證最終評估出來數據模型的精準度。（2）數據源。當互聯網中電子商務網站開始運行工作時，就會開始產生許多雜亂的數據，例如許多用戶的交易數據、瀏覽記錄等，而這些海量數據會對挖掘結果的準確性和質量產生一定的影響。Web結構中，Web客戶端的數據會通過子服務器上傳至Web服務器，因此客戶端數據分析采集情況會影響到網站的整體運行狀況。（3）數據預處理。數據預處理的主要目的是加強對數據的挖掘效率，以此來有效減少數據挖掘所需的時間，既保證了最終預測結果的準確性，又更快的對用戶進行了有依據的針對性服務。因此Web文檔數據在結構上幾乎都是呈現出非結構化或者半結構化，這樣一來就沒有辦法直接進行Web數據的處理。采集Web信息數據時，還需要按照本次信息挖掘的主題設計和抉擇出最佳的數據項，并且反復進行篩選達到對數據范圍的縮小。（4）模式發現。Web挖掘算法主要有關聯規則、路徑分析、序列模式等。（5）模式分析。這個過程主要是驗證、解釋和說明所發現的模型，以此來幫助系統決策出正確的有價值信息，隨后根據模式進行分析反饋工作，通過對上述步驟的反復操作做到對數據信息的深度挖掘，并且保證最終結果的精確性[4]。（6）結果可視化。Web數據挖掘的價值其實并不僅僅局限于海量數據信息的獲取工作，它還可以依照人們最易理解的方式進行信息模型展示，讓用戶可以直觀達成信息內容的可視化。

4 電子商務系統中的Web數據挖掘技術

4.1 路徑分析

路徑分析主要是通過對用戶所訪問網站的次數和頻率等數據進行分析，最后統一記錄用戶喜好信息在服務器日志之中，以此來明確該用戶具體的喜好和頻繁訪問的路徑[5]。

4.2 統計分析

統計分析主要是用來進行站點的改進設計，通過不斷的改進提高站點的性能和安全性。這樣可以很好的保障系統正常的運行，使得系統可以對用戶頁面訪問頻率、商品頁面停留時間、咨詢溝通時長等信息的挖掘和統計，以此來發現系統在進行設計時存在的某些問題，并不斷進行改進，最終實現系統性能的提高與完善[6]。

4.3 關聯規則

關聯規則主要的作用是為挖掘不同事件之間的關聯性，例如通過數據的統計和挖掘分析出買這件衣服的用戶大部分也買了這件褲子，那么通過這種關聯規則就可以更好地為用戶進行推薦，以此來達成讓用戶滿意的服務，用戶用最少的時間購買到了自己喜歡的商品，電子商務平臺也獲得相應的利潤，互惠互利。

4.4 序列模式

序列模式指的是在事件時序上存在的先后關系，例如當該用戶買了這個化妝品之后，過一段時間會選擇買某種卸妝品，通過時序幫助用戶進行推薦，以此來節省用戶瀏覽雜亂信息的時間，還能提高最終的營業額。序列模式可以很好地預測出用戶下一個階段的行為，進而為用戶提供個性化的服務，達到對用戶的留存。

4.5 分類規則

分類規則主要的作用是根據事物的屬性和行為等對事物進行分類，例如在電子商務系統中會自動識別用戶的年齡和地區，并以此對不同地區、年齡的用戶進行數據分類，以此實現有針對性的服務。

4.6 聚類分析

聚類分析主要指的是根據特定的規則對還沒有分類過的記錄進行歸類。這種分析方式可以很好地幫助運營者深入了解眾多客戶的需求，進而設計出更多的分類，幫助電子商務系統更為精準地預測到用戶的行為喜好。

5 Web數據挖掘技術在電子商務中的應用

5.1 挖掘潛在客戶

電子商務不斷生存與發展的關鍵還是看客戶量和存留率，那么就非常注重對那些潛在客戶的挖掘工作，這也成了許多電子商務工作人員業務考核的一項重要指標，隨處可見拉一個新人可以獲得多少獎金的任務。市場相關的業務人員在進行推廣工作時，大部分都會選擇運用較為傳統的業務模式來進行推廣，比如在各大平臺進行廣告投放、在街上發宣傳單和對已有的目標客戶進行直銷等。這種方式在前期會產生一定的效益，但是當客戶增長到一定數量時，不同的客戶會逐漸開始產生不同的專屬需求，面對這些不同的需求，業務人員就無法快速對這些客戶進行篩選分類。這時就可以選擇運用Web數據挖掘技術，通過這種技術對客戶留存的信息進行挖掘和分析，快速的統計和篩選出成功率較高的潛在客戶。在進行電子商務客戶瀏覽訪問信息數據挖掘時，相關的業務人員可以通過Web數據挖掘技術的分類功能鎖定那些推廣成功率更高的潛在消費者進行直銷工作[7]。商戶也可以通過Web數據挖掘技術分析用戶的瀏覽時間和類型，并將之進行統計與記錄，隨后鎖定一些熱門的元素進行上新，以此來達到有針對性地進貨，使得用戶獲得了自己喜愛的商品，商業也獲取了對應的利益。只要不斷挖掘潛在客戶，讓客戶了解到各種可能需要的產品，進而進行消費，這樣就可以促進電子商務平臺的不斷發展，客戶也可以不斷尋找到新的樂趣。因此將Web數據挖掘技術運用到電子商務之中是非常具有可行性的，對電子商務平臺和用戶而言都是一種互惠互利。

5.2 維系有效客戶

雖然挖掘潛在用戶是非常重要的一件事，但是忠實的老用戶更為重要，因為老用戶就是電子商務平臺運行的一種保障，加上挖掘新用戶需要付出許多成本，最后卻收益甚微。將Web數據挖掘技術運用到電子商務之中，可以幫助電子商務企業通過數據預測與挖掘的方式尋找出即將要流失掉的忠實老客戶，并且根據該用戶的上線瀏覽等數據進行總結分析，針對客戶流失原因展開具有針對性的挽回工作。電子商務之中會涉及許多復雜多變的產品信息，這使得用戶會迷失在一堆物品之中，最終耗費了大量的時間沒有尋求到所需的物品，進而不愿意再進入平臺之中。面對這種情況，只有不斷地運用Web數據挖掘技術，遵循“以客戶為中心”的原則，全面的了解和掌握住用戶的興趣愛好和具體需求，為忠實的老用戶提供出更加貼心和個性化的服務，積極主動為客戶進行頁面推薦，以此來達到對用戶的挽留。用戶獲得了喜歡和需要的商品，下次會再次選擇在該電子商務平臺進行下單和瀏覽，這很好地維系住了有效客戶[8]。系統還會根據顧客購物車中的物品進行相同類型的推薦，或者平價的替代品等。這牢牢把握住了用戶的心理喜好，也為用戶達成了一種節省，商家在銷售額方面也獲得了增長，這無疑是一件雙贏的事情。

5.3 管理客戶數據

每一個電子商務企業在運行的過程中都會存儲許多用戶的信息數據，面對這些海量的信息數據，就需要做好有效的管理工作，一定不能出現用戶信息泄露的情況。通過對Web數據挖掘技術的運用，可以幫助電子商務企業最大限度地進行數據資源的整合，隨后根據不同用戶的習慣、喜好和需求進行研究與分類，進而挖掘出潛在的消費者，為用戶進行貼心的服務，提高用戶對企業的滿意程度和忠實度。以下舉例幾個通過Web數據挖掘技術進行的數據管理，當用戶在電子商務平臺之中開始瀏覽時，系統就會開始根據用戶的瀏覽類型、搜索類型和瀏覽時長等進行分析，隨后可以通過這些信息大致分析出該用戶的喜好、性別、年齡段等內容，掌握這些信息之后可以再次建立一個分類系統，進行范圍性的推薦。還可以統計用戶的消費習慣進行電子商務平臺的布局設計的完善，進行針對性的設計，打造出一個具有特點的網站，以此來做到特立獨行又不失競爭力，幫助電子商務企業更好地發展。

6 結語

目前為止，Web數據挖掘技術在我國電子商務之中的運用，其實還處在一種不斷發展創新的階段，但是這是具有很大前景的一項融合。如何更加深入地將Web數據挖掘技術運用到電子商務之中，使電子商務市場進一步拓展、創新是一個企業發展的關鍵。通過上述分析可知，將Web數據挖掘技術運用在電子商務之中是具有可行性和重要作用的，而且Web數據挖掘技術的特點和技術，都可以很好地幫助電子商務企業提升自身所具有的競爭力，不被這個時代所淘汰，為企業帶來更多的收益。