【數(shù)據(jù)挖掘在電子商務(wù)中應(yīng)用的實(shí)例研究10000字】

第1章緒論3數(shù)據(jù)挖掘在電子商務(wù)中應(yīng)用的實(shí)例研究TOC\o"1-2"\h\u32126第1章緒論 1201931.1研究背景 16921.2研究目的和意義 2163741.3研究方法與思路 219441第2章電子商務(wù)概論 2130392.1電子商務(wù)概述 268021.2電子商務(wù)的優(yōu)勢(shì) 355031.3電子商務(wù)的發(fā)展現(xiàn)狀 314378第3章電子商務(wù)與數(shù)據(jù)挖掘技術(shù) 4233063.1數(shù)據(jù)挖掘在電子商務(wù)中的作用 4169503.2電子商務(wù)中數(shù)據(jù)挖掘的技術(shù)過程 530693.3數(shù)據(jù)挖掘在電子商務(wù)應(yīng)用中的關(guān)鍵技術(shù) 69396第4章數(shù)據(jù)挖掘在電子商務(wù)中應(yīng)用的實(shí)例研究 9237084.1關(guān)聯(lián)分析法模型原理 9169394.2電子商務(wù)網(wǎng)站樣本、指標(biāo)及數(shù)據(jù) 1228507向量分析——偏好排序 1632030第5章總結(jié)與展望 19181905.1總結(jié) 19138335.2展望 1920325參考文獻(xiàn) 20第1章緒論1.1研究背景在大數(shù)據(jù)不斷完善聚集的今天，以阿里巴巴為首的電子商務(wù)在經(jīng)過數(shù)年的發(fā)展已經(jīng)趨于更加規(guī)范化和制度化，越來(lái)越規(guī)范與制度的電商門檻也就越來(lái)越高越來(lái)越不能普遍的讓一些人更加容易的去進(jìn)行創(chuàng)業(yè)，所以在以騰訊為首的微信平臺(tái)下就有了微商這個(gè)行業(yè)的出現(xiàn)，越來(lái)越多的人進(jìn)入到了微商這個(gè)行業(yè)，并在其中以自身?yè)碛械馁Y源進(jìn)行交易和買賣獲得收益，移動(dòng)社交軟件的興起，智能手機(jī)的普及程度也讓手機(jī)上網(wǎng)成為了主流，據(jù)2016年的統(tǒng)計(jì)數(shù)據(jù)來(lái)看移動(dòng)互聯(lián)網(wǎng)網(wǎng)民與PC端的網(wǎng)民占比達(dá)到了72%比28%,這是一個(gè)非常巨大的對(duì)比，微商也就在這個(gè)大背景下應(yīng)運(yùn)而生的一個(gè)產(chǎn)物，巨大的流量和大比例的使用人群，就擁有了巨大的商機(jī)和利益的產(chǎn)生，更多的人加入到了微商的行列中去，使得微商更加頻繁的出現(xiàn)在世人的眼中，相對(duì)于傳統(tǒng)它更加的新穎，相對(duì)與阿里巴巴淘寶，它的門檻更低，于是就有了現(xiàn)在所說的微商時(shí)代的到來(lái)，人們迫切想要改變運(yùn)營(yíng)模式的單一性，同時(shí)也想要使得運(yùn)營(yíng)模式更加簡(jiǎn)便化，所以我們看到了大數(shù)據(jù)時(shí)代的今天微信的猛烈發(fā)展。1.2研究目的和意義在信息化高度發(fā)展的今天，網(wǎng)絡(luò)使我們更加容易的獲取我們所需要的知識(shí)和所想了解的東西，甚至可以在很快的時(shí)間買到我們所需要的產(chǎn)品，但是在這個(gè)復(fù)雜的背景背后,蜂擁而至的營(yíng)銷混入人們的眼球，各種平臺(tái)各種產(chǎn)品琳瑯滿目的擺放在周圍 。為了適應(yīng)新時(shí)代的來(lái)臨，網(wǎng)絡(luò)進(jìn)程的快速發(fā)展使得電子商務(wù)網(wǎng)站的不斷出現(xiàn)，企業(yè)開展電子商務(wù)活動(dòng)需要一個(gè)高品質(zhì)的平臺(tái)網(wǎng)站，然而我們需要科學(xué)客觀的去評(píng)價(jià)和分析這一類的商務(wù)網(wǎng)站為消費(fèi)者和投資者們提供有價(jià)值的決策。一方面，通過對(duì)網(wǎng)站的研究分類和評(píng)價(jià)使得消費(fèi)者們能夠在眾多商務(wù)網(wǎng)站中挑出符合自己滿意度的網(wǎng)站；另一方面，投資者們也可以通過對(duì)網(wǎng)站的探究發(fā)現(xiàn)網(wǎng)站的價(jià)值，對(duì)投資經(jīng)營(yíng)做出重要的決策和調(diào)整。1.3研究方法與思路本文采用關(guān)聯(lián)分析的基本原理，從站長(zhǎng)之家和Alexa數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)學(xué)的處理方法，通過網(wǎng)站的基本屬性的對(duì)應(yīng)關(guān)系，對(duì)中國(guó)電子商務(wù)網(wǎng)站進(jìn)行評(píng)價(jià)，以期望能夠發(fā)現(xiàn)各個(gè)網(wǎng)站的優(yōu)缺點(diǎn)，并為中國(guó)電子商務(wù)網(wǎng)站的發(fā)展建設(shè)和定位提供更好的信息服務(wù)。第2章電子商務(wù)概論2.1電子商務(wù)概述電子商務(wù)一般是指通過信息的技術(shù)手段來(lái)買賣商品為主要目的的商務(wù)流動(dòng),是古老商業(yè)活動(dòng)各流程的網(wǎng)絡(luò)化、電子化、信息化;它的英文名稱為ElectronicCommerce,簡(jiǎn)稱EC。也能夠認(rèn)為是互聯(lián)網(wǎng)、企業(yè)內(nèi)部網(wǎng)和增值網(wǎng)上以電子交易模式進(jìn)行買賣流動(dòng)和相干服務(wù)的商務(wù)流動(dòng)。電子商務(wù)是時(shí)代的產(chǎn)物，是一種新型商業(yè)模式。各企業(yè)在發(fā)展業(yè)務(wù)的過程中沒有局限于傳統(tǒng)模式，而是借助網(wǎng)絡(luò)平臺(tái)進(jìn)行現(xiàn)實(shí)及虛擬層面上的業(yè)務(wù)合作。在整個(gè)供應(yīng)鏈上，各個(gè)企業(yè)都可以作為一個(gè)合作整體，而其員工也能參與至其中。零售商作為銷售終端，其可以直接跳過中間環(huán)節(jié)，即不需要通過采購(gòu)環(huán)節(jié)，而是直接與供應(yīng)商進(jìn)行銜接，當(dāng)采購(gòu)訂單通過自動(dòng)確認(rèn)之后，則可以安排進(jìn)行發(fā)貨。而在企業(yè)方面，也可以對(duì)服務(wù)模式進(jìn)行優(yōu)化，并結(jié)合企業(yè)的實(shí)際需要為其提供針對(duì)性的高質(zhì)量服務(wù)，而在過去，只有大企業(yè)才能提供這方面的服務(wù)。隨著網(wǎng)絡(luò)技術(shù)滲透面的擴(kuò)大，即使是中小企業(yè)也能提供該服務(wù)模式，并與世界范圍內(nèi)的供應(yīng)商建立合作關(guān)系。[1][2]電子商務(wù)是在網(wǎng)絡(luò)環(huán)境中，買賣雙方在世界任何角落都能進(jìn)行商業(yè)活動(dòng)，而且買賣雙方不需要見面就能夠通過網(wǎng)上電子支付和在線交易在實(shí)現(xiàn)各種金融、商貿(mào)等一系列相關(guān)的綜合商業(yè)模式。電子商務(wù)一般分為一下幾種運(yùn)營(yíng)模式：商家和商家之間的貿(mào)易活動(dòng)，B2B；商家對(duì)消費(fèi)者的商業(yè)活動(dòng)，B2C；個(gè)人對(duì)商家的商業(yè)活動(dòng)，C2C；企業(yè)對(duì)政府，B2G；線上線下的商業(yè)活動(dòng)，O2O；還有消費(fèi)者對(duì)企業(yè)之間商務(wù)活動(dòng)，C2B。1.2電子商務(wù)的優(yōu)勢(shì)電子商務(wù)不僅帶來(lái)的是一種新的技術(shù)變革,還來(lái)了一種通過技術(shù)手段的引導(dǎo)、輔助、支持來(lái)實(shí)現(xiàn)商務(wù)活動(dòng)本身發(fā)生的革命運(yùn)動(dòng)。不但改變了傳統(tǒng)的交易方式,還變換了消費(fèi)者的生活方式和消費(fèi)觀念,也改變了人與人之間的關(guān)系。具體有如下幾個(gè)優(yōu)點(diǎn):[3]1.消費(fèi)者和商家之間擊碎了傳統(tǒng)的電子商務(wù)活動(dòng)的時(shí)間和空間的限制，可以出現(xiàn)在世界的任意一個(gè)地方，任意時(shí)間內(nèi)完成交易。2.賣家和賣家雙方不用出門見面，不需要浪費(fèi)不必要的時(shí)間，就可能以一種相對(duì)自由且不受任何約束的方式完成商品流動(dòng)。在英特網(wǎng)的環(huán)境中，買家和賣家之間能夠進(jìn)行直接或者間接的洽談，交換，簽訂合同。買家用戶也能把自己所提出來(lái)的意見傳遞給公司或者賣家的網(wǎng)站，而賣家或者企業(yè)則要根據(jù)買家的建議及時(shí)的去研究產(chǎn)品種類、質(zhì)量和服務(wù)品質(zhì)，做到及時(shí)優(yōu)化。3.電子商務(wù)將原本的貿(mào)易活動(dòng)電子化、數(shù)字化，替代了實(shí)物流，另一方面使供應(yīng)鏈的縮短，各個(gè)層次的管理成本得到大幅度的降低。4.電子商務(wù)擁有不受地域限制的特點(diǎn)，為商家直接或者間接的創(chuàng)造了更多的商務(wù)機(jī)會(huì)。1.3電子商務(wù)的發(fā)展現(xiàn)狀隨著中國(guó)的總體經(jīng)濟(jì)的強(qiáng)勢(shì)增長(zhǎng)和英特網(wǎng)的發(fā)展,中國(guó)電子商務(wù)貿(mào)易市場(chǎng)得到了飛快的發(fā)展。其中,中國(guó)市場(chǎng)中占主要地位的是B2C平臺(tái)網(wǎng)站,根據(jù)艾瑞咨詢統(tǒng)計(jì)數(shù)據(jù)顯示網(wǎng)購(gòu)占比持續(xù)加大,在2015年通過對(duì)電子商務(wù)市場(chǎng)進(jìn)行細(xì)分,可以得知在行業(yè)結(jié)構(gòu)中,企業(yè)間電子商務(wù)整體所占的比重最大,具體為75.7%,而在交易額上,中小企業(yè)B2B電子商務(wù)所占比例幾乎達(dá)到一半,具體占到的比例為46.5%;網(wǎng)絡(luò)購(gòu)物交易規(guī)模占比由2014年的18.5%增長(zhǎng)到2015的21.8%。根據(jù)各個(gè)細(xì)分的電子商務(wù)網(wǎng)站市場(chǎng)來(lái)看,中小型的企業(yè)對(duì)企業(yè)的電子商務(wù)網(wǎng)站需要積極尋找新的盈利和創(chuàng)新模式來(lái)改變現(xiàn)狀，才能夠促進(jìn)行業(yè)發(fā)展的穩(wěn)定,才能使得電商市場(chǎng)有著不會(huì)退燒的發(fā)展熱度，企業(yè)的快速發(fā)展所保留的大量用戶資源和電商發(fā)展的迅速，在全球化合作上得到了完善的整合，并且在移動(dòng)互聯(lián)網(wǎng)端的快速發(fā)展支持下，旅游行業(yè)的發(fā)展也得到了壯大。4第3章電子商務(wù)與數(shù)據(jù)挖掘技術(shù)3.1數(shù)據(jù)挖掘在電子商務(wù)中的作用3.1.1優(yōu)化企業(yè)資源企業(yè)能不能夠賺錢的關(guān)鍵在于減少不必要的開支。而在缺乏數(shù)據(jù)方面的支持下，企業(yè)在資源利用上無(wú)法做到最大化，反之，企業(yè)則能在數(shù)據(jù)的支撐下對(duì)相應(yīng)的數(shù)據(jù)進(jìn)行分析，做到明確了解企業(yè)資源的主要耗費(fèi)的關(guān)鍵點(diǎn)和關(guān)鍵活動(dòng)投入生產(chǎn)輸入的比例,給企業(yè)資源的合理利用做出了決策的根據(jù)。[4]例如對(duì)庫(kù)存周轉(zhuǎn)率的提升、庫(kù)存的減少、提高了資金的周轉(zhuǎn)率等。通過對(duì)數(shù)據(jù)挖掘技術(shù),提取商業(yè)活動(dòng)中的商業(yè)信息的速度得到大幅度提升，讓企業(yè)能夠精準(zhǔn)的掌控市場(chǎng)的發(fā)展方向,企業(yè)對(duì)市場(chǎng)變化的創(chuàng)新能力和響應(yīng)的能力得到顯著提高,使企業(yè)在利用物質(zhì)資源和信息資源、人力資源能夠最大限度的發(fā)揮,在協(xié)調(diào)企業(yè)內(nèi)部外部資源的關(guān)系中有著很好的解決方法,得到最大化的經(jīng)濟(jì)利益。促進(jìn)企業(yè)發(fā)展的科學(xué)化、信息化和智能化。3.1.2管理客戶數(shù)據(jù)以客戶為核心的理念被已經(jīng)深入人心,目前企業(yè)的其中一項(xiàng)課題就是去分析消費(fèi)者，認(rèn)識(shí)消費(fèi)者和引導(dǎo)消費(fèi)者的需要。數(shù)據(jù)挖掘技術(shù)的運(yùn)用,企業(yè)利用客戶的資源得到最大化,開展對(duì)消費(fèi)者行為的分析與預(yù)測(cè),把消費(fèi)者通過分析分類。對(duì)消費(fèi)者的盈利能力進(jìn)行分析比較,挖掘出有潛在價(jià)值的消費(fèi)全體,個(gè)性化服務(wù)的提供,消費(fèi)者的忠誠(chéng)度和滿意度得到提高。電子商務(wù)數(shù)據(jù)的挖掘引導(dǎo)下,了解消費(fèi)者的購(gòu)買興趣和購(gòu)買習(xí)慣，優(yōu)化網(wǎng)站結(jié)構(gòu)層次的結(jié)構(gòu),設(shè)計(jì)出滿足不同消費(fèi)者需求的個(gè)性化網(wǎng)頁(yè)。[5]在數(shù)據(jù)挖掘中還可以有效地得到消費(fèi)者。例如使用數(shù)據(jù)挖掘能夠挖掘在購(gòu)買某種物品的消費(fèi)者的性別,學(xué)位、工資情況,有什么樣的興趣愛好,是什么工作等等。甚至可以挖掘出差異的人之間在買賣這個(gè)物品和相關(guān)聯(lián)的物品在過了多久之后會(huì)繼續(xù)去買這種物品,以及購(gòu)買這些物品的品牌和型號(hào)人的差異。數(shù)據(jù)挖掘的利用后,對(duì)特定目標(biāo)的消費(fèi)者發(fā)送的推廣廣告的反饋率和有效性將得到大幅度的提升,推銷促銷等廣告的成本將大大降低。與此同時(shí),在消費(fèi)者數(shù)據(jù)挖掘的基礎(chǔ)上,企業(yè)可以繼續(xù)發(fā)現(xiàn)評(píng)析市場(chǎng)的作用和重要的消費(fèi)者,制訂專門的營(yíng)銷策略,拓寬銷售渠道和銷售幅度,為企業(yè)建立生產(chǎn)策略和發(fā)展規(guī)劃有效的提供科學(xué)的依據(jù)。53.1.3評(píng)估商業(yè)信用影響商業(yè)秩序的重要問題是惡劣的信用狀況,也已受到了各方人士的廣泛關(guān)注。詐騙現(xiàn)象在網(wǎng)上層出不窮,企業(yè)在自己的財(cái)務(wù)狀況上弄虛作假的情況也日益加深,阻礙電子商務(wù)發(fā)展的就是信用危機(jī)。跟蹤企業(yè)的經(jīng)營(yíng)可以使用數(shù)據(jù)挖掘技術(shù),挖掘技術(shù)就能夠有效的跟蹤并且在開展企業(yè)的盈利分析上、資產(chǎn)評(píng)估和發(fā)展?jié)摿︻A(yù)測(cè)中建立有效的體系保障，網(wǎng)上全程實(shí)時(shí)監(jiān)控能夠得到很好的實(shí)施,增強(qiáng)在線支付和網(wǎng)上交易的安全管理方針。通過數(shù)據(jù)挖掘中的信用評(píng)估模型來(lái)對(duì)以往的數(shù)據(jù)進(jìn)行分析評(píng)估，通過消費(fèi)者的信用評(píng)估，制訂一套級(jí)別制度作為消費(fèi)者信用基準(zhǔn)，能夠化解和預(yù)防企業(yè)和消費(fèi)者的信任危機(jī)，在對(duì)企業(yè)的信用鑒別和風(fēng)險(xiǎn)評(píng)估的管理上有著強(qiáng)化作用。3.1.4確定異常事件在許多的商業(yè)環(huán)境中，異常的事情往往有著明顯的商業(yè)價(jià)值，如消費(fèi)者的喪失、網(wǎng)絡(luò)欺詐、手機(jī)話費(fèi)的拖欠等。要快速的精確地鑒別這些異常事件可以使用數(shù)據(jù)挖掘技術(shù)中的奇異點(diǎn)分析,為企業(yè)在做決策時(shí)有著數(shù)據(jù)支持,讓企業(yè)不需要受到不該失去的損失。3.2電子商務(wù)中數(shù)據(jù)挖掘的技術(shù)過程邏輯數(shù)據(jù)庫(kù)被選擇的數(shù)據(jù)預(yù)處理后的數(shù)據(jù)被轉(zhuǎn)換的數(shù)據(jù)被抽取的信息被同化的知識(shí)邏輯數(shù)據(jù)庫(kù)被選擇的數(shù)據(jù)預(yù)處理后的數(shù)據(jù)被轉(zhuǎn)換的數(shù)據(jù)被抽取的信息被同化的知識(shí)選擇預(yù)處理分析和同化轉(zhuǎn)換挖掘掘選擇預(yù)處理分析和同化轉(zhuǎn)換挖掘掘圖3.1數(shù)據(jù)挖掘的技術(shù)過程電子商務(wù)中的數(shù)據(jù)挖掘過程一般包括5個(gè)要的階段：如圖3.1數(shù)據(jù)選擇和準(zhǔn)備、數(shù)據(jù)處理和挖掘、分析和同化。63.2.1確定業(yè)務(wù)對(duì)象能夠明確的而有效的找出業(yè)務(wù)中所存在的主要問題，而對(duì)數(shù)據(jù)挖掘的目標(biāo)進(jìn)行明確定位，這是進(jìn)行數(shù)據(jù)挖掘的關(guān)鍵步驟。關(guān)于最終的分析結(jié)果，則無(wú)法預(yù)知。而對(duì)于需要研究的問題，確實(shí)會(huì)所有意識(shí)，如果僅僅出于為了數(shù)據(jù)挖掘而進(jìn)行該行為，則其盲目性非常明顯，勢(shì)必很難獲得成功。

3.2.2數(shù)據(jù)準(zhǔn)備數(shù)據(jù)的選擇:找出要探究的業(yè)務(wù)對(duì)象的所有內(nèi)外部之間數(shù)據(jù)信息在從里面挑出最合適的數(shù)據(jù)進(jìn)行分析預(yù)測(cè)。

數(shù)據(jù)的預(yù)處理:在做研究之前需要確認(rèn)數(shù)據(jù)的質(zhì)量是否符合標(biāo)準(zhǔn)，提高數(shù)據(jù)的質(zhì)量和分析的準(zhǔn)確性。然后確定要進(jìn)行的挖掘操作的類型。數(shù)據(jù)的轉(zhuǎn)換:數(shù)據(jù)的轉(zhuǎn)換實(shí)際上就是轉(zhuǎn)換成各種各樣的分析模型，都是根據(jù)精細(xì)的算法建立出來(lái)的結(jié)。首要的關(guān)鍵基礎(chǔ)是需要一個(gè)可以有著合理的分析模型進(jìn)行計(jì)算。

數(shù)據(jù)的挖掘:把收集到的數(shù)據(jù)并且轉(zhuǎn)換到能夠進(jìn)行數(shù)據(jù)挖掘分析。在加上合理的算法后，就能夠讓系統(tǒng)軟件自動(dòng)化的進(jìn)行數(shù)據(jù)分析。結(jié)果的分析:分析數(shù)據(jù)后的結(jié)果對(duì)其解釋和評(píng)估。通常在分析方法加入一些能夠運(yùn)用圖表顯示出來(lái)的技術(shù)，使分析結(jié)果更加直觀。知識(shí)的同化:將分析所得到的知識(shí)集合到業(yè)務(wù)信息系統(tǒng)的組織構(gòu)造中去。3.3數(shù)據(jù)挖掘在電子商務(wù)應(yīng)用中的關(guān)鍵技術(shù)進(jìn)行數(shù)據(jù)挖掘，其首要任務(wù)是先從數(shù)據(jù)中發(fā)現(xiàn)相應(yīng)的模式。之后，則根據(jù)所挖掘任務(wù)的情況進(jìn)行數(shù)據(jù)挖掘。數(shù)據(jù)挖掘可分為這些方面：一是概念方面的描述；二是進(jìn)行聚集發(fā)現(xiàn)；三是關(guān)聯(lián)規(guī)則發(fā)現(xiàn)；四是關(guān)于分類發(fā)現(xiàn)；五是關(guān)于回歸發(fā)現(xiàn)；六是序列模式發(fā)現(xiàn)等方面。不同的數(shù)據(jù)挖掘技術(shù)，在具體功能上也不同，因此，在對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行選擇之前，需要對(duì)進(jìn)行問題轉(zhuǎn)化，也就是把存在的商業(yè)問題進(jìn)行轉(zhuǎn)化成，即轉(zhuǎn)化為相應(yīng)的數(shù)據(jù)挖掘的任務(wù)，之后，再根據(jù)該任務(wù)的具體情況進(jìn)行挖掘技術(shù)的選擇。下面具體的分析每一種挖掘任務(wù)應(yīng)使用哪些挖掘技術(shù)手段。[5]3.3.1分類分類主要是通過對(duì)已知的數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)的尋找分析，并把具有共同特點(diǎn)的數(shù)據(jù)7進(jìn)行分類，進(jìn)行分類旨在對(duì)某個(gè)給定的類別進(jìn)行界定。之后，則可以在客戶分析領(lǐng)域中進(jìn)行使用，如客戶主要有哪些類型，客戶是否對(duì)服務(wù)滿意等，在做好這些方面的分析之后，則可以實(shí)施針對(duì)性的服務(wù)模式。如一個(gè)汽車零售商為了提升業(yè)績(jī)，則可以根據(jù)對(duì)汽車的喜好進(jìn)行客戶分類，并在這基礎(chǔ)上提供針對(duì)性服務(wù)措施，從而能使得商業(yè)機(jī)會(huì)獲得提升。3.3.2回歸分析回歸分析方法在很多研究中獲得運(yùn)用，主要對(duì)事務(wù)數(shù)據(jù)庫(kù)中的屬性值在某個(gè)時(shí)間段內(nèi)的特征進(jìn)行反映，形成一個(gè)關(guān)聯(lián)的函數(shù)，在從中發(fā)現(xiàn)它們之間關(guān)聯(lián)，主要的研究包括對(duì)數(shù)據(jù)序列的趨勢(shì)特征進(jìn)行研究之外，還對(duì)數(shù)據(jù)序列的預(yù)測(cè)進(jìn)行研究，此外還有對(duì)數(shù)據(jù)間的相關(guān)關(guān)系等進(jìn)行分析。可以把該分析方法運(yùn)用到市場(chǎng)營(yíng)銷領(lǐng)域，具體來(lái)說，可以對(duì)客戶尋求及銷售趨勢(shì)預(yù)測(cè)等進(jìn)行分析。3.3.3聚類所謂的聚類分析，簡(jiǎn)單來(lái)說，就是對(duì)一組數(shù)據(jù)進(jìn)行細(xì)化，如可以按照相似性或者差異性等進(jìn)行劃分，進(jìn)行該類劃分的目的在于使得把屬于同一類別的數(shù)據(jù)間的這種相似性進(jìn)行放大。在運(yùn)用實(shí)踐中，可以在客戶群體的分類及客戶背景分析方面進(jìn)行運(yùn)用，此外，還能運(yùn)用在客戶購(gòu)買趨勢(shì)預(yù)測(cè)及市場(chǎng)細(xì)分等方面。3.3.4關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則描述的是數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)之間存在的一種規(guī)則，簡(jiǎn)單來(lái)說，可以理解為根據(jù)一個(gè)事務(wù)中的某些項(xiàng)推出該項(xiàng)有可能也在另一事務(wù)中出現(xiàn)的現(xiàn)象，實(shí)際上是隱藏在數(shù)據(jù)之間的一種關(guān)聯(lián)。在實(shí)踐中，在進(jìn)行客戶管理中，可以通過該方法進(jìn)行相應(yīng)分析，并在這基礎(chǔ)上進(jìn)行市場(chǎng)定位，進(jìn)而可以為相應(yīng)的市場(chǎng)定位決策做參考。3.3.5特征特征分析則是對(duì)數(shù)據(jù)庫(kù)中的一組數(shù)據(jù)進(jìn)行解讀，并從中提取出某些相應(yīng)的特征屬性，而該特征式實(shí)際上就是該數(shù)據(jù)集的總體特征展示。如分析人員在對(duì)流失的客戶進(jìn)行分析之后，則能對(duì)其因素的特征進(jìn)行分析收集，之后則可以以此作為根據(jù)做好客戶流失的防控工作。3.3.6變化和偏差分析偏差在現(xiàn)實(shí)生活出現(xiàn)的頻率較高，其主要包括一些很大的例外等，如在進(jìn)行分類中的一些反常實(shí)例，此外還有模式的例外等，以及通過觀察結(jié)果對(duì)期望之后得出的一些偏差等。進(jìn)行偏差分析主要是為了對(duì)觀察結(jié)果與參照量之間存在的差別進(jìn)行分析，8并為管理者提供危機(jī)預(yù)警警示作用。3.3.7Web頁(yè)挖掘伴隨著英特網(wǎng)的快速發(fā)展，在加上web頁(yè)技術(shù)的普及，讓web頁(yè)上的信息數(shù)據(jù)量變得豐富起來(lái)，利用數(shù)據(jù)挖掘技術(shù)對(duì)web上的數(shù)據(jù)進(jìn)行分析挖掘，挖掘分析關(guān)于政治上、經(jīng)濟(jì)上和政策等有關(guān)的信息資源，加大力度從對(duì)自身有著較大影響的內(nèi)部影響和外部影響中挖掘出對(duì)企業(yè)有著重要的外在價(jià)值或者潛在價(jià)值，通過挖掘出的分析結(jié)果進(jìn)行預(yù)處理，找出可能對(duì)企業(yè)存在的不利因素，并且對(duì)這些信息進(jìn)行管理，評(píng)價(jià)，和分析出對(duì)企業(yè)有利的決策。[11]第4章微信朋友圈營(yíng)銷未來(lái)發(fā)展趨勢(shì)分析與建議9第4章數(shù)據(jù)挖掘在電子商務(wù)中應(yīng)用的實(shí)例研究4.1關(guān)聯(lián)分析法模型原理關(guān)聯(lián)分析：叫做對(duì)應(yīng)分析法，也可以稱為R-Q型因子分析，21世紀(jì)70年代的時(shí)候由一個(gè)法國(guó)人所提及出來(lái)的一種技術(shù)手段，通過分析由定性變量構(gòu)成的交互匯總表來(lái)揭示變量間的聯(lián)系。[6]它是一種視覺化的數(shù)據(jù)分析方法，可以將幾組看似沒有什么關(guān)聯(lián)的數(shù)據(jù)，通過可視化的技術(shù)手段定位圖展現(xiàn)出來(lái)。在市場(chǎng)的細(xì)分，[7]質(zhì)量檢測(cè)等多種領(lǐng)域都有涉及這些技術(shù)。[8]關(guān)聯(lián)分析法一種多元統(tǒng)計(jì)分析方法，是在R型和Q型因子分析的基礎(chǔ)上演變出來(lái)的，也可以稱作是R-Q型因子分析。在R-Q型分析中，要研究的對(duì)象是樣品，就采用Q型的因子分析；對(duì)象是變量，就用R型因子來(lái)作分析。可是它們之間卻是對(duì)立的關(guān)系，需要對(duì)它們所處理的對(duì)象進(jìn)行分開處理。因此，分析對(duì)象之間的內(nèi)在聯(lián)系就是一件相對(duì)困難的事情，對(duì)象本身的屬性是個(gè)變量，而對(duì)象卻是是個(gè)固定量。對(duì)應(yīng)分析就由此而產(chǎn)生。解決了上面所提及的不足之處，對(duì)應(yīng)分析法把R因子和Q因子分析的方法結(jié)合起來(lái)，并將它們統(tǒng)一起來(lái)使得由R型的分析結(jié)果很容易得到Q型的分析結(jié)果，解決了Q因子分析中計(jì)算了過大的問題；更重要的是可以把變量和樣品的載荷反映在相同的公因子軸上，這樣就可以把對(duì)象和屬性之間聯(lián)系起來(lái)利于分析利用。通過行和列中的元素和屬性的結(jié)構(gòu)分布，在用二維的坐標(biāo)軸所表現(xiàn)出來(lái)，這是作為對(duì)應(yīng)分析法的一個(gè)主要思想方針。對(duì)應(yīng)分析法最大的優(yōu)勢(shì)就是能夠把所有的屬性和事物都在一張圖表上表現(xiàn)出來(lái)，對(duì)象的類別和屬性能夠很直觀的看出來(lái)。[9]對(duì)應(yīng)分析方法的解決過程主要可以分為圖表和關(guān)聯(lián)圖來(lái)組成。在對(duì)應(yīng)分析表中由行和列組成的一個(gè)二維表。并且每一個(gè)行都有一個(gè)代表事物的屬性，列則代表著不同事物,它由樣本集合構(gòu)成,排列順序并沒有特別的要求。在關(guān)聯(lián)圖上,各個(gè)樣本都濃縮為一個(gè)點(diǎn)集合,而樣本的屬性變量在圖上同樣也是以點(diǎn)集合的形式顯示出來(lái)。[10][11]對(duì)應(yīng)分析法的基本步驟如下：[6]（1）設(shè)總共有n個(gè)樣品，每個(gè)樣品觀測(cè)p個(gè)指標(biāo)，原始數(shù)據(jù)矩陣為：10（4.1）（2）對(duì)數(shù)據(jù)矩陣先分別按行和列求和，再求總和，即有：行求和：（4.2）列求和:（4.3）列求和：（4.4）（3）計(jì)算中心-對(duì)稱矩陣： （4.5）（4）進(jìn)行R型因子分析：計(jì)算協(xié)方差矩陣的特征值，按其累計(jì)百分比，取前m個(gè)特征值，，，，并計(jì)算相應(yīng)單位特征向量第4章微信朋友圈營(yíng)銷未來(lái)發(fā)展趨勢(shì)分析與建議11，，，，從而得到型因子載荷矩陣：(4.6)（5）進(jìn)行Q型因子分析：對(duì)（4）中的前m個(gè)特征根計(jì)算相應(yīng)于矩陣的單位特征向量，從而得到型因子載荷矩陣：(4.7)（6）在二維因子軸上作圖。第4章微信朋友圈營(yíng)銷未來(lái)發(fā)展趨勢(shì)分析與建議124.2電子商務(wù)網(wǎng)站樣本、指標(biāo)及數(shù)據(jù)4.2.1評(píng)價(jià)網(wǎng)站樣本選擇為了較好地反映我國(guó)電子商務(wù)網(wǎng)站的建設(shè)現(xiàn)狀，并達(dá)到網(wǎng)站評(píng)價(jià)研究的目的，本案例選取iWebChoice在2016年近三月排行的結(jié)果。iWebChoice網(wǎng)站建設(shè)于2007年，作為一家數(shù)據(jù)服務(wù)商，主要提供的是對(duì)在互聯(lián)網(wǎng)上的細(xì)分市場(chǎng)的行業(yè)網(wǎng)站的先后排名情況。排名數(shù)據(jù)主要是從Alexa網(wǎng)站上提供的，在通自身的技術(shù)手段對(duì)Alexa數(shù)據(jù)分析出更直觀的清晰的數(shù)據(jù)排名以及網(wǎng)站情況。在排名規(guī)則上，iWebChoice秉承公平公開的原則，所有排名數(shù)據(jù)都可以在Alex官網(wǎng)進(jìn)行追溯。本案例選擇網(wǎng)站流量排名靠前的30個(gè)電子商務(wù)網(wǎng)站來(lái)進(jìn)行對(duì)應(yīng)分析。[12]4.2.2評(píng)價(jià)指標(biāo)變量在對(duì)電子商務(wù)網(wǎng)站所具有影響力的各因素進(jìn)行綜合分析之后，本案例在對(duì)電子商務(wù)網(wǎng)站評(píng)價(jià)標(biāo)準(zhǔn)的界定上，結(jié)合研究需要從這選出七個(gè)指標(biāo)變量作為該指標(biāo)標(biāo)準(zhǔn)，具體為：第一個(gè)指標(biāo)變量為網(wǎng)站流量排名；第一個(gè)指標(biāo)變量為每百萬(wàn)人中訪問該站的人數(shù)；第二個(gè)指標(biāo)變量為反向的鏈接數(shù)；第三個(gè)指標(biāo)變量為近三月的日均IP量；第四個(gè)指標(biāo)變量為訪問的速度；第五個(gè)指標(biāo)變量為平均每個(gè)訪問者瀏覽的頁(yè)面數(shù)；第六個(gè)指標(biāo)變量為搜索引擎的收錄數(shù)量等。在本文中，相應(yīng)的研究數(shù)據(jù)主要取自Alexa網(wǎng)站，而網(wǎng)站的流量排名定位上，則主要是通過對(duì)網(wǎng)站訪問的用戶數(shù)量進(jìn)行計(jì)算的結(jié)果，出于避免分析出現(xiàn)重復(fù)性的需要，網(wǎng)站的流量排名僅作為分析的一種參考，而不是作為一種指標(biāo)變量。[13][14]4.2.3評(píng)價(jià)原始數(shù)據(jù)收集及處理本案例對(duì)相應(yīng)數(shù)據(jù)進(jìn)行收集得知，每百萬(wàn)人中的這個(gè)七個(gè)指標(biāo)數(shù)據(jù)都是從網(wǎng)絡(luò)數(shù)據(jù)倉(cāng)庫(kù)Alexa網(wǎng)站以及iWebChoice中進(jìn)行獲取。其中主要通過的是根據(jù)用戶瀏覽指定網(wǎng)站的概率來(lái)制定網(wǎng)站的流量排名，用戶訪問網(wǎng)站的人數(shù)越多，被瀏覽的概率也就越高，網(wǎng)站的流量排名也就越高。每百萬(wàn)人中訪問該站的人數(shù)，是指每一百萬(wàn)個(gè)用戶數(shù)量中裝了Alexa的工具條的使用者瀏覽了到了指定的網(wǎng)站的用戶數(shù)。使用者瀏覽指定網(wǎng)站的平均網(wǎng)頁(yè)數(shù)就是平均每個(gè)訪問者瀏覽的頁(yè)面數(shù)，主要反饋的是網(wǎng)站的建設(shè)的完整度，包括提供的服務(wù)和信息質(zhì)量的保證。網(wǎng)站流量排名、每百萬(wàn)人中訪問該站的人數(shù)和平均每個(gè)訪問者瀏覽的頁(yè)面數(shù)這三個(gè)變第4章微信朋友圈營(yíng)銷未來(lái)發(fā)展趨勢(shì)分析與建議13量數(shù)據(jù)，本案例均取三個(gè)月平均值。本案例的反向鏈接在新的文檔中發(fā)送一條指令信息，在通過指令把舊的文檔通過新的相關(guān)文檔的鏈接來(lái)補(bǔ)充完整，每個(gè)舊的文檔都會(huì)得到更新。主要是通過其他方的網(wǎng)站訪問然后發(fā)送新的鏈接指令在注入到自己的網(wǎng)站中來(lái)。在電子商務(wù)網(wǎng)站中，要獲得好的搜索引擎排名，反向鏈接是一個(gè)不可或缺的重要手段之一。反向鏈接的優(yōu)劣也影響到了網(wǎng)站的搜索引擎排名情況也影響到了從搜索引擎獲取的流量情況。近三個(gè)月日均IP用戶量是指最近三個(gè)月平均每日訪問特定網(wǎng)站的IP用戶的數(shù)量，ip用戶數(shù)量的增加也就意外著該網(wǎng)站受到的關(guān)注的越來(lái)越大，可能存在更多的潛在價(jià)值，訪問速度表示用戶打開該網(wǎng)站網(wǎng)頁(yè)時(shí)所需的平均時(shí)間。信息資源內(nèi)容的查找和獲取關(guān)系到了網(wǎng)站的價(jià)值體現(xiàn)，網(wǎng)站的數(shù)據(jù)豐富程度通過搜索引擎的收錄數(shù)量也能夠體現(xiàn)出來(lái)，本案例搜索引擎收錄數(shù)量指標(biāo)采用百度收錄數(shù)量，數(shù)據(jù)來(lái)自于百度網(wǎng)站，收集方式為百度搜索引擎上輸入“site：+網(wǎng)址”。在大的搜索引擎網(wǎng)站中，和一些當(dāng)下流行的門戶網(wǎng)站中，用戶的訪問數(shù)量是巨大無(wú)窮的，但它們卻與用戶訪問電子商務(wù)網(wǎng)站的關(guān)聯(lián)度不高，減小數(shù)據(jù)誤差以及異常等不確定因素，本案例把一些不確定因素的電商網(wǎng)站和搜索引擎下的門戶網(wǎng)站進(jìn)行排除。Alexa是通過對(duì)整個(gè)互聯(lián)網(wǎng)的用戶數(shù)據(jù)進(jìn)行挖掘分析，一些信息數(shù)據(jù)太小的網(wǎng)站，不具備數(shù)據(jù)挖掘也被排除在外，流量小的網(wǎng)站在排名上也會(huì)出現(xiàn)隱患因素。[12[15]]4.2.4電子商務(wù)網(wǎng)站對(duì)應(yīng)分析評(píng)價(jià)本案例采用了spss統(tǒng)計(jì)軟件,數(shù)據(jù)的統(tǒng)計(jì)功能十分全面，包括常規(guī)的集中量數(shù)和差異量數(shù)、相關(guān)分析、回歸分析、方差分析、卡方檢驗(yàn)、t檢驗(yàn)和非參數(shù)檢驗(yàn)；也包括近期發(fā)展的多元統(tǒng)計(jì)技術(shù)，如多元回歸分析、聚類分析、判別分析、主成分分析和因子分析等方法，并能在屏幕（或打印機(jī)）上顯示（打?。┤缯龖B(tài)分布圖、直方圖、散點(diǎn)圖等各種統(tǒng)計(jì)圖表。從某種意義上講，SPSS軟件還可以幫助數(shù)學(xué)功底不夠的使用者學(xué)習(xí)運(yùn)用現(xiàn)代統(tǒng)計(jì)技術(shù)。14表4.1對(duì)應(yīng)表根據(jù)表4.1對(duì)應(yīng)表所反映了29家電子商務(wù)網(wǎng)站的每百萬(wàn)人訪問人數(shù) 、每百萬(wàn)次瀏覽頁(yè)面中的訪問頁(yè)面數(shù)、平均每個(gè)訪問者頁(yè)面瀏覽數(shù)、訪問速度、搜索引擎收錄數(shù)量、反向鏈接、近三月日均ip訪問量和流量排名情況。15圖4.2維度慣性從圖4.2維度慣性可以看出，行列維度最小值減1的維度，第一維度的就能夠解釋列鏈表58.8%，第二維度解釋了列鏈表的26.9%，說明兩個(gè)維度就能夠說明數(shù)據(jù)的85.6%，這是較為理想的解釋率。從卡方檢驗(yàn)的結(jié)果來(lái)看，卡方值為30446，p<0.001，這說明計(jì)算精度高，本次計(jì)算結(jié)果具有較高的相關(guān)性。16圖4.3對(duì)應(yīng)分析圖總體觀察：我們從圖4.3對(duì)應(yīng)分析圖上左邊是近期排名靠前的電子商務(wù)企業(yè)，而右邊則是近期排名較后的電子商務(wù)企業(yè)。靠近上部的是比較看重百萬(wàn)人瀏覽數(shù)量和百萬(wàn)人訪問的企業(yè)，而靠近下部的是較為看重搜索引擎收錄數(shù)量較多、訪問速度的企業(yè)。觀察鄰近區(qū)域：我們從圖4.3對(duì)應(yīng)分析圖上可以看出，淘寶、天貓、京東和亞馬孫中國(guó)等幾家企業(yè)比較看重百萬(wàn)人瀏覽數(shù)量、每百萬(wàn)人訪問數(shù)量和近三月日均ip訪問情況。而支付寶、易迅網(wǎng)和一呼百應(yīng)比較看重搜索引擎收錄數(shù)量。為為網(wǎng)、阿里巴巴、當(dāng)當(dāng)網(wǎng)和品眾批發(fā)網(wǎng)比較看重訪問速度和平均每個(gè)訪問者頁(yè)面瀏覽數(shù)量。向量分析——偏好排序我們可以從中心向任意點(diǎn)連線-向量，例如從中心向近三月日均IP訪問量作直線，然后在向量及延長(zhǎng)線上作垂線，垂點(diǎn)越靠近向量正向的表示越偏好這種方法。本次分17析以近三日日均訪問IP數(shù)量作為參考點(diǎn)，通過上圖可以看出淘寶網(wǎng)在近三月日均IP訪問量的位置幾乎重合，天貓、京東、亞馬孫中國(guó)、返利網(wǎng)國(guó)美等屬于較為靠近這個(gè)線的企業(yè)，而凡客、為為網(wǎng)、當(dāng)當(dāng)網(wǎng)、阿里巴巴、東方網(wǎng)上購(gòu)網(wǎng)屬于位置距中心線稍遠(yuǎn)的位置，蘇寧、銀泰位置屬于三環(huán)以外的部分，支付寶、一呼百應(yīng)和易迅網(wǎng)屬于較外圍的電子商務(wù)企業(yè)。圖4.4對(duì)應(yīng)分析圖根據(jù)圖4.4對(duì)應(yīng)分析圖上述對(duì)應(yīng)分析計(jì)算結(jié)果，在二維坐標(biāo)上生成屬性點(diǎn)與樣本18點(diǎn)的對(duì)應(yīng)分析圖，如圖4.4對(duì)應(yīng)分析圖所示，該對(duì)應(yīng)分析圖反映了電子商務(wù)網(wǎng)站建設(shè)與定位的狀況，其結(jié)果呈現(xiàn)一定的聚類特征，樣本網(wǎng)站可聚集成三類。第一類為淘寶、天貓、京東商城、亞馬孫中國(guó)、返利網(wǎng)、當(dāng)當(dāng)網(wǎng)和阿里巴巴等幾家企業(yè)，其優(yōu)勢(shì)主要體現(xiàn)在“每百萬(wàn)人中訪問該站的人數(shù)”、“每百萬(wàn)次瀏覽量”、“反向鏈接”和“近三月日均IP量”這四個(gè)指標(biāo)變量，因而，第一類網(wǎng)站主要是有大量的人訪問和多數(shù)的訪問，從而可以看出第一類網(wǎng)站的推廣率和社會(huì)認(rèn)識(shí)度強(qiáng)，網(wǎng)站的流量是這類網(wǎng)站的主要根基，與其他類別的網(wǎng)站相比較，這些網(wǎng)站的優(yōu)勢(shì)在電子商務(wù)網(wǎng)站中是很明顯的。第二類網(wǎng)站為蘇寧易購(gòu)、銀泰網(wǎng)、國(guó)美在線、美國(guó)購(gòu)物網(wǎng)、工廠店和為為網(wǎng)等多家企業(yè)為主，其主要優(yōu)勢(shì)體現(xiàn)在“訪問速度”、“平均每個(gè)訪問者頁(yè)面瀏覽數(shù)”和“流量排名”這四個(gè)指標(biāo)變量，可以發(fā)現(xiàn)這類網(wǎng)站是較第一類網(wǎng)站來(lái)說競(jìng)爭(zhēng)力相對(duì)弱的一部分網(wǎng)站，這部分網(wǎng)站在訪問人數(shù)和次數(shù)上要大大低于第一類網(wǎng)站。從企業(yè)來(lái)看蘇寧、銀泰和國(guó)美均擁有線下實(shí)體店鋪，線上銷售是近年來(lái)發(fā)展的新型方向，相對(duì)于老牌的電商企業(yè)來(lái)說，其競(jìng)爭(zhēng)力較弱。第二類網(wǎng)站中還有很多是一些目前發(fā)展勢(shì)頭略遜于第一類網(wǎng)站的企業(yè)，這類企業(yè)在“每百萬(wàn)人中訪問該站的人數(shù)”、“每百萬(wàn)次瀏覽量”、“反向鏈接”和“近三月日均IP量”的表現(xiàn)要落后于第一類企業(yè)。第三類網(wǎng)站為支付寶、一呼百應(yīng)和易迅網(wǎng)，他們?nèi)齻€(gè)主要靠搜索引擎收錄數(shù)量作為優(yōu)勢(shì)指標(biāo)，這三家企業(yè)具有自己獨(dú)特的競(jìng)爭(zhēng)力，與其他電子商務(wù)企業(yè)相比，更加看重搜索引擎收錄數(shù)量這個(gè)指標(biāo)。這類網(wǎng)站在“近三月日均IP量”、“每百萬(wàn)人中訪問該站的人數(shù)”、“每百萬(wàn)次瀏覽量”、“反向鏈接”、“訪問速度”、“平均每個(gè)訪問者頁(yè)面瀏覽數(shù)”、“流量排名”等指標(biāo)上遠(yuǎn)遠(yuǎn)落后于大多數(shù)企業(yè)，這可能是因?yàn)橹Ц秾毜墓δ苤饕谟谥Ц督灰?，用戶停留時(shí)間較短，而一呼百應(yīng)則更多是搜索功能，用戶將其作為工具使用，停留時(shí)間也通常較短。易迅網(wǎng)的營(yíng)業(yè)范圍較狹窄，故而顧客停留時(shí)間，訪問次數(shù)都不多。第5章總結(jié)與展望19第5章總結(jié)與展望5.1總結(jié)此次，本文研究的重點(diǎn)是通過數(shù)據(jù)挖掘技術(shù)探究電子商務(wù)網(wǎng)站的基本屬性所具有的相對(duì)優(yōu)勢(shì)和劣勢(shì)，采用了相關(guān)技術(shù)的理論模型，運(yùn)用了數(shù)據(jù)挖掘技術(shù)方法中的對(duì)應(yīng)分析法，對(duì)電子商務(wù)網(wǎng)站規(guī)劃探究，為了得到完整的實(shí)時(shí)數(shù)據(jù)，主要是從Alexa數(shù)據(jù)倉(cāng)庫(kù)收集來(lái)的數(shù)據(jù)指標(biāo)，對(duì)電子商務(wù)網(wǎng)站的優(yōu)、劣勢(shì)進(jìn)行分析比較時(shí)有著比較完整的數(shù)據(jù)支持。經(jīng)過軟件分析的圖表可以看出，它們出現(xiàn)了不同的聚類和定位是由于這些網(wǎng)站的指標(biāo)和屬性的側(cè)重點(diǎn)的不同。不同的網(wǎng)站之間具有自己不同的優(yōu)勢(shì)。老牌的電子