2018数据挖掘在电子商务用户资源管理中的应用研究

6744819

　　[摘要] 本文介绍了电子商务用户资源管理的内涵、重要性及现状，并分析了数据挖掘技术在电子商务用户资源管理中的应用。
　　[关键词] 用户资源管理 电子商务 数据挖掘
　　
　　一、前言
　　随着Internet的普及，电子商务如同燎原之火，在全世界迅猛发展。权威统计表明，2006年中国互联网市场稳步增长，网民数量增长至1.35亿，电子商业交易总额达到1.1万亿人民币,年增长了48.6%，2007年将继续增长。由此可见，电子商务在国民经济发展中的地位日趋重要，展开电子商务业务已是大势所趋；但不可否认的是，电子商务的发展使管理者收到大量无序信息，尤其是用户资源信息。如何对这些信息进行有效组织利用，找出真正有价值的信息，以指导商业决策行为，成为电子商务经营者和管理者关注的问题。迅速发展的数据挖掘技术，为此问题提供了有效的解决途径。
　　二、电子商务用户资源管理
　　从广义上说，电子商务用户是指使用电子商务信息资源和服务的一切个体和群体。电子商务的用户是在长期服务过程中逐步形成的，是电子商务服务能力在社会关系体系中的呈现。与电子商务的其他资源相比，用户资源有其特殊性，例如动态的伸缩性，对其他资源的依附性等。
　　1.用户资源管理的内涵
　　在电子商务发展过程中，其资源的内涵不断扩展。从有形资源的管理，包括商品的管理、人力资源管理、经费管理等，扩展到无形资源的管理，包括品牌、文化等。但这种管理概念仅仅局限于电子商务内部。而在现代信息社会，电子商务应把“用户”这种外部资源纳入自身管理体系中，实现与其他资源的整合。
　　用户资源管理是对有使用价值的用户资源，通过有效的管理和控制程序，来实现电子商务某种服务效益的目标活动。应该包括用户信息管理、用户服务活动管理、用户后期支持管理。用户信息管理的主要任务是系统的搜集、组织和存储用户的相关信息，通过用户信息的统计和分析，明确用户的需求，划分用户群；用户服务活动管理则负责对用户在电子商务网站内的信息行为进行管理，针对用户个性化需求，指定出电子商务的资源建设和服务策略，实现用户服务活动的相关信息集成；用户后期支持管理指对用户接收服务后的情况进行跟踪了解和分析，发现问题，提出不断修改和提高的方案。
　　2.用户资源管理的重要地位
　　(1)用户资源管理是电子商务管理的核心。电子商务管理必须以用户资源管理的要求和目标展开工作，因为只有这样才能将“用户”作为一种资源有效的贯穿于电子商务管理工作的全过程中，电子商务管理的效果与价值才能真正的以用户使用的效益方式体现出来。简单的说，只有掌握了用户，电子商务才有效益。
　　(2)用户资源管理是个性化服务的重要基础。个性化服务是以用户需求为中心的服务方式，通常步骤为:收集用户信息;分析用户数据，创建复合用户特性的访问方式;向用户提供复合其特殊需求的个性化服务。电子商务用户资源管理的本质和目标是对用户信息和行为进行深入的分析和研究，在满足用户直接需求的基础上，发掘用户的潜在需求，使用户得到延伸的服务收益，以此给予用户强烈的个性化服务感受和“无缝式体验”，提高满意度，实现用户价值最大化前提下的用户和电子商务双赢。
　　3.用户资源管理的现状
　　就目前而言，国内大多数电子商务用户资源管理仍然属于描述型管理，不能实现对大范围用户信息特征和行为特征的整理和分析，并据此进行各种推理，进而发现反映其特征的模型和进行用户规模化分类和聚类。而数据挖掘技术在电子商务中的应用为解决上述问题,突破管理局限性提供了有力的支持和保障。
　　三、数据挖掘技术
　　1.数据挖掘的概念
　　数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它集成了许多学科中成熟的工具和技术，包括数据库技术、统计学、机器学习、模式识别、人工智能和神经网络等。
　　2.数据挖掘能够获取的知识模式
　　（1)路径分析。判定在一个Web网站中用户最频繁访问的路径。
　　（2)聚类分析。输入数据并无任何标记，聚类分析可以从Web访问信息中聚集出那些具有相似特性和差异特性的信息，目的是使同一类数据的相似性尽可能大，不同类数据的相似性尽可能小。以增强对客观事实的认识，是分类和异常检测的先决条件。
　　（3)关联规则的发现。找到用户对网站上各种文件之间访问的相互关系，明确用户访问页面与页面之间的相关性和购买商品的相关性和依赖性。
　　（4)序列模式的发现。在时间戳有序的事务中，找到一项跟随另一项的内部事务模式，即因果关系。
　　（5)分类和预测。分类发现就是给出识别一个特殊群体的公共属性描述，用来分类新的项。分类的目的是通过构造分类模型把数据库中的项映射到给定类别中的某一个，以便用于预测；也就是利用历史数据记录自动推导出给定数据的推广描述，从而对未来数据进行预测。
　　（6)异常检测。对分析对象少数的、极端的实例,反常的不合规则的特例进行描述，根据观察结果和预测值的差别揭示内在原因。