Web数据挖掘技术在电子商务中的应用价值探析
摘 要
最近几年，伴随着电力电子技术和互联网技术等的发展，以网络平台为基础的电子商务得到了巨大的进步，各类数据信息的数量不断增加，如何在海量的信息中及时快速地找出有用的数据，是需要重点关注的内容。在这种情况下，应用Web数据挖掘技术，提升对于数据信息的处理效率，是电子商务企业实现持续稳定发展的关键。本文结合Web数据挖掘技术，对其在电子商务中的应用进行了分析和探讨。
【关键词】Web数据挖掘技术 电子商务 应用价值
在电子商务领域，应用Web数据挖掘技术，能够从海量的Web页面提取相应的数据信息系，明确用户群体的访问行为和访问方式，了解用户访问的频率和内容，对用户特征和用户需求进行分析，从而提供更加精准和个性化的服务项目，改进电子商务的服务质量，降低其运行成本，推动电子商务企业的持续健康发展。
1 电子商务与Web数据挖掘技术
电子商务，是指以信息网络为基础，以商品交换为中心的一种商务活动，是传统商业活动各个环节的电子化、信息化和网络化。在电子商务中，消费者的购物、商户之间的交易以及资金的支付等都是在网上进行的，是利用微电脑技术和网络通讯技术进行的商务活动。
Web数据挖掘技术，是指从海量的Web站点以及文档集内，挖掘各种有用信息，是数据挖掘技术在计算机Web环境下的应用。与传统的数据挖掘技术相比，Web数据挖掘技术涉及的领域更多，包括了计算机语言、统计学、信息学等。具体来讲，Web数据挖掘技术可以分为三种不同的类型，一是Web内容挖掘，主要是从Web文档、内容、数据以及相关描述中，发现有用信息，简单来讲，Web内容挖掘是对文字、图片以及网页内容的提取；二是Web结构挖掘，是指从Web的组织结构连接关系中，推导出相关知识的过程，可以分为外部结构挖掘、内部结构挖掘以及URL挖掘；三是Web使用挖掘，也可以称为Web日志挖掘，通过对客户在使用浏览器过程中浏览的信息以及相关页面链接信息的分析，发掘用户的访问模式，分析其规律，对用户的需求和兴趣进行识别，并以此为基础，改进界面结构，提升服务质量，为用户提供个性化的服务。
2 Web数据挖掘技术在电子商务中的应用
2.1 Web数据挖掘技术
2.1.1 协同过滤技术
协同过滤技术与传统的基于内容过滤直接分析内容的方法不同，主要是对用户的兴趣进行分析，从用户群体中找出指定用户的相似用户，综合这些相似用户，对某一相信息进行分析和评价，从而预测此类用户对该项信息的喜好程度。与文本过滤相比，协同过滤能够对诸如音乐、艺术等难以记忆内容分析的信息进行过滤，也能够对一些相对复杂的概念进行过滤。
2.1.2 数据分类技术
数据分类，是指根据数据的某些属性值，将其划分为不同的类别。现阶段，数据分类技术包括了遗传算法、贝叶斯分类、判定树归纳，以及最近几年比较流行的神经网络分类技术，这种技术具有良好的容错能力和并行计算能力，能够实现对数据信息的快速准确分类。
2.1.3 关联规则挖掘技术
用户在对网站的各种文件进行访问时，存在着一定的联系和规则，关联规则挖掘技术就是利用这些联系，找出相应的关联模型，以Aprior算法发掘相关规则。例如，对于商品销售而言，通过关联规则，可以向客户推荐其所感兴趣的商品，实现同类商品的相互链接，提升销售效果。
2.1.4 聚类分析技术
聚类分析是指将抽象的概念或者物理对象的集合分为由类似对象组成的类或者簇，其在获取数据分布情况时，可以作为一个独立的工具，对每一个簇进行观察，对某些簇进行集中分析。比较常用的聚类算法，包括基于模型方法、基于网格方法、基于层次方法等。
2.2 Web数据挖掘技术应用
2.2.1 客户群体聚类
客户群体聚类是指将具备相似浏览行为的客户划分为同一类型，在此基础上，分析客户的共同点，帮助企业更高的了解客户信息，为其提供更加优质的服务。例如，部分客户群体经常会浏览“母婴产品”、“玩具”等，可以将其聚类为一组，预测其为新生儿的父母，对此，应该做好页面的调整，将同类型的产品放在一起，确定相应的营销方案和营销策略，为客户提供便利。
2.2.2 个性化服务定制
对于电力商务企业而言，其追求的主要目标之一，就是为客户提供优质的个性化服务。在网络环境中，由于信息繁杂，用户群体在进行浏览时经常会迷失方向，感到无所适从。而通过个性化服务定制的方式，能够有效拉近企业与客户的相互距离，为客户提供良好的服务。电子商务企业可以运用Web数据挖掘技术，搜集客户群体的访问信息，对其消费行为进行分析，了解客户需求与爱好，对Web页面进行调整，提升客户满意度。
2.2.3 网络站点优化
在现实的超市中，将存在一定联系的商品摆放在一起，可以提升销售效果。而网站作为一个虚拟的超市，其结构的安排与超市存在着很大的相似性，因此为了方便客户的浏览和访问，可以在联系密切的网页间设置链接，将一些重要的商品信息放在客户经常浏览的网页上，提升商品的知名度和销量。另外，应该定期对站点进行优化，提升网络安全，进而保证电子商务的安全。
2.2.4 数据序列分析
序列分析的目的，是对数据间的相互关系进行挖掘，分析的重点在于数据前后的序列关系。例如，在某个时间段内，可以根据用户的消费记录，明确其交易序列，结合交易时间，将序列排成相应的交易集，对出现频率较高的序列进行挖掘，结合Aprior算法，发现序列模式的相关规则。
3 结语
总而言之，在当前的时代背景下，电子商务得到了迅猛的发展，Web数据挖掘技术的应用也愈发广泛。通过数据挖掘，可以从海量的数据中找出有用信息系，对市场走向以及消费需求等进行预测，引导企业优化服务，提升自身的市场竞争力，获得更好的发展。
参考文献
[1]庞英智.Web数据挖掘技术在电子商务中的应用[J].情报科学，2011，29（2）：235-240.
[2]张润，周大镯.电子商务中Web数据挖掘技术应用探讨[J].中国西部科技，2010，（20）：11-13.
[3]马宗亚，张会彦.Web数据挖掘技术在电子商务中的应用研究[J].现代经济信息，2014，（6）：23-24.
作者单位
海南师范大学 海南省海口市 571158
