基于数据挖掘技术的电子商务模式研究

基于数据挖掘技术的电子商务模式研究

夏小云[1]2007年在《C2C电子商务数据挖掘的研究及应用》文中研究说明随着网络技术的发展、Internet的普及和数据库技术的成熟,全球传统商务正经历一次重大变革,电子商务正以令人难以置信的速度蓬勃发展。同时电子商务的发展也促使了网站大量的客户交易数据的积累。如何充分利用这些数据,将这些数据转换成有用的信息和知识,从而更好地提高网站的服务质量和创造更多潜在的利润空间,是电子商务迫切需要解决的问题。数据挖掘是从大规模的数据中抽取非平凡的、隐含的、事先未知的、有潜在使用价值的信息的技术。在网络时代,数据挖掘技术也自然被应用到对电子商务网站的海量数据进行分析和处理中来。本论文的主要工作得到国家863项目“数据挖掘应用平台研制及应用”和上海市科学技术发展基金项目“数据挖掘应用平台及相关技术研究”的支持。本文对电子商务的领域知识以及数据挖掘技术进行了深入的研究,总结归纳了国内电子商务模式及其发展趋势,针对C2C(consumer to consumer,即消费者个人对个人)模式中电子商务数据的特点,详细阐述了数据挖掘技术在基于C2C模式电子商务数据分析中的应用。并把数据挖掘技术运用到电子商务平台中,进行了一系列创新性的有益探索。我们利用搜索引擎技术获取互联网上国内主要叁家C2C网站(淘宝、eBay易趣和拍拍)的公开数据,通过ETL工具进行数据整合,借助数据挖掘技术,对电子商务交易数据进行深入的分析,从而为正确的电子商务应用决策提供强有力的支持和可靠的保证。不仅帮助卖家更深入的了解买家的需求、购买力以及购物行为特征,挖掘潜在的买家,而且有助于买家更好的了解商品,为买家提供便利的交易方式和广泛的选择。对于C2C用户的买家和卖家都具有一定的实用价值和现实意义。

周世东[2]2008年在《Web数据挖掘在电子商务中的应用研究》文中研究指明随着Internet的迅速发展和普及,一种新型的商务模式——电子商务的发展越来越引起研究者们的关注,人们希望充分利用其优点,获得更多的经济效益。将数据挖掘的思想和方法应用到电子商务中,帮助电子商务网站从海量信息中获得真正有价值的知识,以指导企业决策、为电子商务网站的客户提供更方便的服务成为现在研究的一个热点问题。数据挖掘是随着数据库技术的发展出现的一种全新的信息技术,它融合了数据库、人工智能以及统计学等多种学科的知识,通过对历史积累的大量数据的有效挖掘,试图从这些数据中提取出先前未知、有效和有用的知识。本文在对数据挖掘和Web挖掘的相关概念和功能特点进行详细综述的基础上,进一步研究了Web数据挖掘的主要挖掘方式和具体实现形式;然后探讨了电子商务及个性化推荐系统的定义、分类、特点及数据挖掘技术在其中应用的特点等问题;在以上工作的基础上,本文设计了一个面向Web数据挖掘技术的电子商务平台,同时构建了基于Web使用挖掘的个性化服务推荐系统。本系统通过对Web服务器日志数据的挖掘,获得用户聚类和浏览模式,为不同类用户提供个性化服务。在对个性化服务推荐系统的描述中引入了关联规则的Apriori算法和聚类分析的k-means算法,通过对数据预处理、数据挖掘、推荐模型等一系列问题的解决,研究数据挖掘技术在电子商务中实现的过程,实现个性化服务推荐。最后,给出了本文的总结及对今后工作的展望。

范永健[3]2009年在《基于数据挖掘的电子商务推荐系统模型研究》文中认为随着电子商务的飞速发展,个性化推荐系统发挥着越来越重要的作用。在多维数据、移动商务环境下,基于数据挖掘的实时、高效、准确的个性化推荐系统模型的研究,必将推动移动电子商务的发展,有着广泛的应用前景。本文对基于数据挖掘的电子商务推荐系统进行了研究,在总结和分析的基础上,着重对叁方面进行了研究:推荐系统算法的分析与改进;利用多数据源多模型的个性化推荐系统模型设计;在移动商务环境下对个性化推荐系统的体系结构进行研究。本文主要研究内容如下:(1)在分析比较数据挖掘和主要推荐算法的基础上,对系统推荐算法进行改进。介绍了数据挖掘的概念、分类和发展现状,分析关联规则、聚类、分类和神经网络等数据挖掘算法,在全面分析和讨论了推荐系统主要算法内容和优缺点的基础上,设计出一种基于BP神经网络的聚类协同过滤算法,给出聚类协同过滤算法和BP神经网络的实现,并从多方面对该算法特征进行分析。(2)设计基于数据挖掘的电子商务推荐系统模型。该模型首次引入规则类型库、推荐方法库,并将规则类型库、推荐算法库、模式规则库和推荐方法库独立设计,有效地支撑了多种数据多种推荐算法实时、高效的运行,保证了推荐系统的推荐质量和效率。(3)对电子商务重要发展方向——移动商务环境下个性化推荐系统进行研究。介绍了移动电子商务的相关技术和移动电子商务系统体系结构的划分;分析了移动数据管理技术对移动电子商务发展的作用并介绍移动数据管理技术;给出移动商务个性化推荐系统体系布局;构建移动商务个性化推荐系统结构框架,对系统框架运行流程和数据流向进行描述,并从多方面对该框架模型特征进行分析。

马刚[4]2008年在《关联规则挖掘在电子商务中的研究与应用》文中研究说明随着信息技术和互联网技术的发展,电子商务作为一种新型、高效的商务模式开始普及,现在用户可以在计算机前轻点鼠标就能完成复杂的商品买卖行为,但电子商务在给人们带来方便、快捷的同时也带来了信息过载的问题,尤其是对B2C电子商务而言,用户在大量产品信息中很难找需要的商品或服务。数据挖掘技术可以解决这类问题,通过关联规则挖掘,找出销售的商品之间﹑商品与客户之间的存在内在联系,对于电子商务中个性化商品推荐﹑企业的市场定位以及相应的进销存策略有非常重要的指导意义。本文详细描述了关联规则挖掘的基本理论以及关联规则挖掘的经典算法Apriori算法,分析了在电子商务领域中,Apriori算法存在着规则冗余度大、效率不高和不能挖掘定量规则等问题,文中提出了基于粗集的关联规则挖掘算法,由于粗集理论的特性,该算法能够较好的应用在电子商务领域中,处理好上述问题。本文还重点研究了电子商务发展的一个重要趋势:个性化服务。个性化推荐是实现个性化服务的技术手段,文中介绍了现在流行的几种常用的电子商务推荐技术如基于内容的推荐、基于协同过滤的推荐和基于关联规则的推荐,分析了它们存在的不足之处,并提出了基于关联规则挖掘和ART神经网络的电子商务推荐技术,该推荐技术不仅能根据用户的浏览行为或购买行为进行推荐,还将用户划分成不同的组,根据用户组的特征来进行相关的推荐,本文最后还在该推荐技术的基础上实现了一个原型的电子商务推荐系统,以验证该推荐技术的可行性及应用性。

张晓娟[5]2010年在《基于消费者行为分析的网络购物公司营销战略创新》文中进行了进一步梳理eBay作为全球最大的网络交易平台之一,为个人用户和企业用户提供国际化的网络交易平台,取得了巨大成功。但是今天eBay同时也面临着Amazon和淘宝等众多国际、国内等竞争对手的激烈竞争。如何重新构建自己独特的核心竞争力,在竞争中获胜,成为eBay公司的关键经营战略。本文重点研究了eBay公司是如何基于数据挖掘的消费者行为分析技术来实现服务创新的。本文尝试着将数据挖掘工具引入客户关系管理分析过程中,通过利用eBay中国公司大型客户关系管理数据库,对客户成长周期的4个阶段进行深度数据挖掘,同时结合4R CRM分析框架,制定出了对应的营销策略,最终在市场中保持了其竞争优势。本文的研究不仅可以为互联网企业扩大业务、危机中求发展带来新的思路,为互联网企业提升客户关系管理水平、提升客户满意度、获取竞争优势提供一定的帮助。

常一帆[6]2008年在《客户关系管理在电子商务中的应用研究》文中认为随着电子商务的发展,传统的商业模式受到了严峻的挑战,它要求企业以全新的思维来看待客户。因此,客户关系管理得到了广泛的应用和发展,它为企业提供了收集、分析和利用各种客户信息的应用系统,以及企业面对客户的科学手段和方法,使企业的销售理念从以产品为中心转换到以客户为中心。数据仓库和数据挖掘技术是保证CRM实施成功的基础。借助于数据仓库和数据挖掘技术,CRM系统可以充分利用它们的分析结果,制定市场策略,探索企业和所对应市场的运营规律,并向客户提供个性化产品以及优质服务。首先,本文针对电子商务环境下企业的业务需求,采用J2EE轻量级架构——Struts、Spring、Hibernate开发企业电子商务系统,其中包括客户管理,订单管理,商品管理,库存管理等功能。通过学习客户关系管理的基本思想和基础理论,将CRM理念和技术引入到电子商务系统中。从分析企业的业务需求入手,建立了企业的CRM应用模型。其次,本文研究了数据仓库和数据挖掘技术在CRM系统中的应用。根据分析需求,构建面向客户主题、销售主题和退货主题的数据仓库,并利用Microsoft Excel作为分析结果的前端展示,使企业的经营者可以从多角度观察数据;分析了面向电子商务的客户细分问题,重点研究了企业客户流失的问题,选择以客户价值和客户特征为主的细分指标,应用Analysis Service的聚类算法,构建已流失的客户模型和将要流失的客户模型,帮助企业找出客户流失的群体和特征,并给出了相应的营销策略。最后,对论文的研究内容和应用结果做了总结,并指出了课题的不足和今后的研究方向。

郭士琪, 赵尔丹[7]2017年在《基于数据挖掘的电子商务在企业的应用》文中研究说明客户是企业最主要的竞争资源之一,能否拥有充足的客户源主要依靠的是企业能否妥善处理好和客户的关系,而要做到这一点,就必须专门在数据挖掘的基础上,开发企业专门的电子商务系统,对这些丰富的数据进行挖掘和管理分析。本文将就基于数据分析的电子商务在企业的重要性、具体途径等方面来进行具体的分析和研究。

徐莉[8]2013年在《基于数据挖掘技术的电子商务推荐系统的研究》文中研究表明随着计算机和互联网的普及,越来越多的人、越来越多的地方使用电脑来处理事务。因此在科研机构、企业或者是政府部门都积累了大量的数据资料。人们所面对的以不同形式存储的数据数量急剧增长。二十世纪90年代末开始,数据挖掘技术逐步兴起,越发成熟,改变了人们对数据的运用方式。在以前,人们对数据都进行比较简单的操作,例如存储、查询。而运用数据挖掘技术后,人们就可以从多种类型的数据中提取彼此隐藏的关系,构成尚未被发现的有价值的知识或者模型。企业作出决策时会将这种新发现的知识模式作为参考依据。于此同时,电子商务不断侵吞传统销售模式下的市场份额,已经成为越来越重要的商品销售模式。电子商务以其多样的商品、方便的交易方式,得到了越来越多人的亲睐。网上购物成为年轻人生活里不可或缺的一部分。事物都有两面性。随着电子商务的发展,一些问题也凸显出来。商品的种类越来越多,电子商务站点的网站结构也越发复杂,这使得顾客在寻找自己想要的商品时不再那么直接和顺利,可能会迷失在商品海洋中。在这种背景下,推荐系统适时而出,在一定程度上解决了电子商务站点的发展瓶颈。一个好的电子商务推荐系统,就相当于传统销售模式下的售货员,能够引导顾客顺利购买到自己想要的东西。对企业而言,它能够帮助自己提高销售业绩、增加竞争力,有效保留住顾客。本文主要做了以下工作。对推荐系统中常用的数据挖掘技术进行了对比分析,以现有的数据挖掘算法研究成果为基础,针对传统经典K均值聚类算法的固有缺陷,结合遗传算法全局最优收敛并且对最初值不敏感的特性,提出了基于遗传算法映射的K均值算法。详细叙述了算法的核心思想、算法流程,并对算法进行实验测试和性能分析。同时在分析个性化推荐系统的基本模型架构的基础上,结合当前应用中对推荐模型的新需求,提出了个性化推荐系统的多推荐模型,给出了其基本框架。并且对多推荐模型下的电子商务系统流程进行了分析,给出了多推荐模型的实现方式。

张永明[9]2007年在《基于电子商务活动的客户知识管理及客户价值挖掘研究》文中研究指明企业要在电子商务环境下取得竞争优势,必须在客户方面投入大量精力,对客户的要求做出即时的反应,与客户建立良好的关系,否则在电子商务的激烈竞争中是不可能取胜的。客户知识管理(Customer Knowledge Management CKM)提供了一个收集、分析和获取客户知识的平台,也提供了一种全新的商业战略和方法。通过对客户知识的有效管理,才能做到充分地“理解”客户价值。客户价值被认为是企业竞争性优势和长期赢利的关键。因此,为了取得竞争优势,企业必须建立一套能动态反映客户价值变化的方法体系。随着市场的日益丰富,客户的信息和产品的信息越来越多,巨大的数据量使传统的方法已经难以胜任,而数据挖掘技术可以为企业提供一个深刻了解、全面管理客户价值的窗口。本文首先概述了电子商务与客户知识管理产生的背景,阐述了电子商务环境中企业客户知识管理的提出和发展的原因及其内涵,分析了电子商务环境下客户知识的特征,并以此对客户知识进行分类,探讨客户知识管理的作用原理、规律和形式,以及客户知识管理的内容。比较分析了客户知识管理、客户关系管理等相关概念之间的联系和区别;其次,在对现有的各种客户价值理论进行归纳总结并对其内涵进行阐述的基础上,分析了电子商务活动中客户价值形成的机理,建立了基于知识管理的电子商务活动中的客户价值管理架构;再次,以数据挖掘的方法为支撑,提出了基于数据挖掘技术的客户价值管理体系。在这个体系中,我们根据客户价值这一主题从CRM领域抽象出七个商业模块,从各个方位来确定客户的价值,为客户价值的创造和让渡打下基础。最后是数据挖掘技术运用于客户价值管理的案例,提供了南京南北通控制系统有限公司进行客户细分、保留高价值客户的例子。并以Dell为例,介绍客户知识管理的实现,并分析案例的经验和启示。

刘洋[10]2009年在《水产业分销电子商务管理平台的构建与应用研究》文中指出随着现代信息技术的飞速发展,电子商务在不断成熟和完善。电子商务在给水产业带来商机的同时,也给水产业带来了巨大的竞争压力。作为传统而古老的水产业,要想赢得竞争优势,提高核心竞争力,就必须尽快改变传统的经营模式,充分利用电子商务的优势。电子商务是在计算机网络平台上,按照一定标准开展的商务活动。当企业将它的主要业务通过内联网、外联网以及互联网与企业的职员、客户、供销商以及合作伙伴直接相连时,其中发生的各种活动就是电子商务。将电子商务应用在水产品生产、销售中就是所谓的水产电子商务,即在水产品生产、销售过程中全面导入电子商务系统,利用信息技术,进行需求、价格等信息的发布与收集,以网络为媒介,依托水产品生产基地与物流配送系统,使水产品交易与货币支付迅捷、安全地实现。本文研究的水产业分销电子商务管理平台是以水产业信息化为基础,以水产业可持续发展为指导,以提高水产业管理水平与质量为目标,促进水产业的信息化管理的快速发展。首先,对作为主要的理论基础的信息资源管理理论、交易成本理论、价值链理论进行了阐述和分析。从分析信息资源管理的内涵入手,探讨了信息资源管理的基本作用、信息资源管理理论的集成思想以及信息系统发展路径。提出电子商务能够降低交易成本并且可使产业价值增值。其次,通过对水产业发展的历史与现状的调查分析,研究了水产业的生产特征和经济特征,提出水产业的经济特征决定了水产业的发展。第叁,对水产业分销电子商务管理平台的关键技术进行了研究。数据挖掘与数据仓库技术可以很好地解决庞大的统计数据的分析难题,可以通过管理平台构建基于数据挖据和数据仓库的决策支持系统。第四,从水产业的实际需求出发,分析水产行业信息化的必要性、以及对企业管理的影响。利用信息科学技术,提出水产业分销电子商务管理平台的总体结构设计,包括设计原则、结构设计、软件功能设计、系统运行环境、网络结构设计。最后,根据水产业不同企业的不同需要,对水产业分销电子商务管理平台的功能模块进行设计,从实际解决水产企业信息化建设与发展遇到的问题提供切实可行的应用方案。总之,通过对我国水产业发展历史与现状的调查分析,以信息管理理论、交易成本理论、价值链理论为理论基础,根据水产业的生产和经济特征,运用信息科学技术,结合对数据挖据和数据仓库技术的研究,以期构建出水产分销电子商务管理平台的总体结构,通过对水产业业务流程的优化,并根据实际生产中的需要,设计各个功能部分,形成基于数据挖掘和数据仓库的决策支持系统,为我国水产业发展信息化管理建设提供一个有效的参考方案。

参考文献:

[1]. C2C电子商务数据挖掘的研究及应用[D]. 夏小云. 江西理工大学. 2007

[2]. Web数据挖掘在电子商务中的应用研究[D]. 周世东. 北京交通大学. 2008

[3]. 基于数据挖掘的电子商务推荐系统模型研究[D]. 范永健. 河北工程大学. 2009

[4]. 关联规则挖掘在电子商务中的研究与应用[D]. 马刚. 上海交通大学. 2008

[5]. 基于消费者行为分析的网络购物公司营销战略创新[D]. 张晓娟. 上海交通大学. 2010

[6]. 客户关系管理在电子商务中的应用研究[D]. 常一帆. 北方工业大学. 2008

[7]. 基于数据挖掘的电子商务在企业的应用[J]. 郭士琪, 赵尔丹. 电子技术与软件工程. 2017

[8]. 基于数据挖掘技术的电子商务推荐系统的研究[D]. 徐莉. 北京邮电大学. 2013

[9]. 基于电子商务活动的客户知识管理及客户价值挖掘研究[D]. 张永明. 南京理工大学. 2007

[10]. 水产业分销电子商务管理平台的构建与应用研究[D]. 刘洋. 中国海洋大学. 2009

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

基于数据挖掘技术的电子商务模式研究
下载Doc文档

猜你喜欢