《管理客戶(hù)關(guān)系管理問(wèn)題研究【論文】》

如何利用數(shù)據(jù)挖掘管理客戶(hù)關(guān)系68341緒論 頁(yè)共11頁(yè)1緒論1.1研究背景電子商務(wù)模式，又稱(chēng)為O2O商務(wù)模式，是指將現(xiàn)代企業(yè)實(shí)行線(xiàn)下的商務(wù)機(jī)會(huì)與互聯(lián)網(wǎng)結(jié)合，讓互聯(lián)網(wǎng)成為線(xiàn)下交易的前臺(tái)的商業(yè)模式。這種模式就是實(shí)現(xiàn)線(xiàn)上線(xiàn)下一體化，可以直接借助互聯(lián)網(wǎng)平臺(tái)來(lái)在線(xiàn)上進(jìn)行對(duì)產(chǎn)品的宣傳，來(lái)吸引到大多數(shù)的客戶(hù)資源，讓客戶(hù)直接在線(xiàn)上對(duì)商品的參數(shù)種類(lèi)進(jìn)行了解和篩選并直接付費(fèi)，在到實(shí)體店來(lái)提取自身在線(xiàn)上所購(gòu)買(mǎi)的商品。1.2國(guó)內(nèi)現(xiàn)狀O2O電商企業(yè)數(shù)據(jù)邊界的模糊化將直接受到用戶(hù)數(shù)據(jù)暴增和數(shù)據(jù)社會(huì)化的影響，這些龐大的用戶(hù)量所帶來(lái)的數(shù)據(jù)，已經(jīng)極大的超越了企業(yè)的規(guī)劃范圍和人力所能處理的范圍。過(guò)大的用戶(hù)群體導(dǎo)致已經(jīng)超過(guò)數(shù)據(jù)庫(kù)的承載范圍，使得數(shù)據(jù)捕獲成本在極具的進(jìn)行提升，數(shù)據(jù)的價(jià)值得不到保障并且不能夠清楚的得知，成為O2O電子商務(wù)面臨的最為突出的問(wèn)題所在。根據(jù)相關(guān)數(shù)據(jù)反映，在這個(gè)互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代，電子商務(wù)用戶(hù)的年平均增長(zhǎng)率已經(jīng)將近60%，在這其中企業(yè)能夠捕獲的大約只有30%左右，能夠有效進(jìn)行利用的更是不到5%，作為020電商最為重要的資源，用戶(hù)數(shù)據(jù)得不到充分的挖掘。1.3國(guó)內(nèi)現(xiàn)狀電子商務(wù)改變了人們以往的生活方式，推動(dòng)其走向了一個(gè)新的階段，并且已經(jīng)受到了各行各業(yè)的認(rèn)可，從而大力的朝著電子商務(wù)模式進(jìn)行發(fā)展，現(xiàn)階段已經(jīng)電商已經(jīng)覆蓋到了市面上多個(gè)領(lǐng)域，為經(jīng)濟(jì)的增長(zhǎng)發(fā)揮了重要的作用。電子商務(wù)服務(wù)業(yè)正在逐漸地吃呢更為現(xiàn)代最為核心的一個(gè)產(chǎn)業(yè)?！吨袊?guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》指出，直到2018年年初，中國(guó)網(wǎng)名的數(shù)量已經(jīng)突破8億人，普及率相比總?cè)藬?shù)已經(jīng)突破了一半兒；2018年上半年新入網(wǎng)的網(wǎng)名將近3000萬(wàn)，相比2017年年末又增長(zhǎng)了3.8%；其中，移動(dòng)端的網(wǎng)名達(dá)到7.9億，網(wǎng)名通過(guò)移動(dòng)設(shè)備來(lái)對(duì)接互聯(lián)網(wǎng)的比例高達(dá)98.2%?！?019-2024年中國(guó)互聯(lián)網(wǎng)市場(chǎng)前景及投資機(jī)會(huì)研究報(bào)告》中提出，2018年年末，我國(guó)在網(wǎng)絡(luò)上進(jìn)行消費(fèi)購(gòu)物的用戶(hù)數(shù)量已經(jīng)突破6億人，相比上一年又增加了14.5%，相比所有的網(wǎng)名比例已經(jīng)高達(dá)73.7%。通過(guò)移動(dòng)設(shè)備來(lái)進(jìn)行網(wǎng)絡(luò)購(gòu)物的用戶(hù)已達(dá)5.9億人，比往年增加了17.3%，使用比例占據(jù)總用戶(hù)的72.6。1.4本文研究?jī)?nèi)容本文以eBay為主要分析對(duì)象。eBay是一個(gè)典型的O2O電子商務(wù)購(gòu)物平臺(tái)，本文通過(guò)進(jìn)行數(shù)據(jù)挖掘的方法對(duì)eBay進(jìn)行應(yīng)用分析，分析在eBay上新用戶(hù)的消費(fèi)行為、用戶(hù)的歷史數(shù)據(jù)、用戶(hù)再生階段消費(fèi)者行為的數(shù)據(jù)，以及對(duì)消費(fèi)者具體行為的結(jié)果進(jìn)行分析。2數(shù)據(jù)挖掘技術(shù)概述2.1數(shù)據(jù)挖掘定義數(shù)據(jù)挖掘能夠?qū)⒋笠?guī)模的數(shù)據(jù)進(jìn)行儲(chǔ)存，并且這些數(shù)據(jù)都能夠大量的來(lái)進(jìn)行利用，結(jié)合自身的需求來(lái)將這些數(shù)據(jù)轉(zhuǎn)換成對(duì)自身由幫助的信息，這也是數(shù)據(jù)挖掘?yàn)槭裁茨軌蚴盏酱蠖鄶?shù)企業(yè)重視并使用的主要原因。數(shù)據(jù)挖掘得到的這些信息可以應(yīng)用到各個(gè)領(lǐng)域，比如市場(chǎng)內(nèi)心、科學(xué)探索、管理商務(wù)等等。因此，也可以說(shuō)信息技術(shù)自然演變的結(jié)果就是數(shù)據(jù)挖掘。2.2數(shù)據(jù)挖掘類(lèi)型數(shù)據(jù)挖掘類(lèi)型主要有以下幾類(lèi)：2.2.1分類(lèi)這是數(shù)據(jù)挖掘類(lèi)型最為普遍的一種，數(shù)據(jù)所代表的對(duì)象的類(lèi)型用目標(biāo)數(shù)據(jù)來(lái)進(jìn)行表述。例如在醫(yī)學(xué)的應(yīng)用中，病人的分類(lèi)可分為有癥狀和正常無(wú)癥狀兩大類(lèi)；在金融的應(yīng)用中，可按風(fēng)險(xiǎn)程度來(lái)分為高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)來(lái)進(jìn)行區(qū)分。分類(lèi)數(shù)據(jù)挖掘?qū)?yōu)先的從一個(gè)訓(xùn)練集中初步得到模型，該訓(xùn)練集中的信息數(shù)據(jù)都將被這個(gè)模型所覆蓋。在將新的數(shù)據(jù)參照該模型進(jìn)行劃分。2.2.2估計(jì)這種類(lèi)型在結(jié)構(gòu)上基本等同于分類(lèi)。分類(lèi)的估計(jì)目標(biāo)數(shù)據(jù)項(xiàng)具有連續(xù)性的特征，而分類(lèi)目標(biāo)數(shù)據(jù)項(xiàng)具備離散型。2.2.3預(yù)測(cè)通過(guò)對(duì)過(guò)去和當(dāng)下行為的數(shù)據(jù)進(jìn)行分析，以此來(lái)對(duì)未來(lái)的行為進(jìn)行判斷和猜測(cè)。在嚴(yán)格意義上來(lái)說(shuō)這歸納為一種特別的估計(jì)或者分類(lèi)，其預(yù)估的結(jié)果就是目標(biāo)數(shù)據(jù)項(xiàng)。2.2.4聚集將一組對(duì)象呈現(xiàn)出幾個(gè)板塊，每一個(gè)板塊以簇來(lái)進(jìn)行稱(chēng)呼，并且每個(gè)簇中的對(duì)象都具有一定的等同性。聚集分析相對(duì)于其他數(shù)據(jù)挖掘方法往往占據(jù)著優(yōu)先的位置。2.3數(shù)據(jù)挖掘過(guò)程數(shù)據(jù)挖掘的流程如下圖所示：圖2.1數(shù)據(jù)挖掘的過(guò)程將業(yè)務(wù)存在的問(wèn)題現(xiàn)狀清晰明了的給提出來(lái)，對(duì)數(shù)據(jù)挖掘的作用和目的進(jìn)行了解，才是掌握數(shù)據(jù)挖掘的前提。數(shù)據(jù)挖掘受到一些不可控因素的影響，最后的結(jié)構(gòu)也存在著一種未知性，但是所要進(jìn)行追尋分析的問(wèn)題是可知曉的，因此，為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘是無(wú)法完成最終的目的。具體過(guò)程可從以下幾個(gè)方面來(lái)執(zhí)行：2.3.1數(shù)據(jù)準(zhǔn)備數(shù)據(jù)的選擇：對(duì)相關(guān)信息進(jìn)行搜集，信息的范圍為一切和對(duì)象有關(guān)的數(shù)據(jù)信息，在這些信息中進(jìn)行篩選，將能夠收到數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)提拔出來(lái)，實(shí)現(xiàn)數(shù)據(jù)源的提出。其中，數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)挖掘最為合理的數(shù)據(jù)源。多個(gè)零散的數(shù)據(jù)庫(kù)中的數(shù)據(jù)所集合，就形成了數(shù)據(jù)倉(cāng)庫(kù)，并將各個(gè)數(shù)據(jù)之間不對(duì)等的現(xiàn)狀給予消除。如果數(shù)據(jù)倉(cāng)庫(kù)不能獲得，那么就要對(duì)應(yīng)的從各個(gè)數(shù)據(jù)庫(kù)之間來(lái)將數(shù)據(jù)進(jìn)行提拔。數(shù)據(jù)挖掘有時(shí)候在對(duì)數(shù)據(jù)進(jìn)行搜尋提拔的時(shí)候，還要將原來(lái)的數(shù)據(jù)庫(kù)進(jìn)行相應(yīng)的調(diào)整，以此來(lái)滿(mǎn)足可用數(shù)據(jù)源的獲得，例如將歷史數(shù)據(jù)的保留期就行延伸就是典型案例。2.3.2數(shù)據(jù)挖掘?qū)⑺修D(zhuǎn)換后的數(shù)據(jù)集合到一起進(jìn)行自動(dòng)搜尋具有特殊性的數(shù)據(jù)。在這一過(guò)程中，除了完善和選擇以外的其他過(guò)程都是自動(dòng)操作執(zhí)行的[17]。2.3.3分析和同化結(jié)論分析：對(duì)結(jié)果進(jìn)行評(píng)價(jià)并解釋?zhuān)摮霈F(xiàn)過(guò)的分析方法一般都會(huì)在數(shù)據(jù)挖掘操作中進(jìn)行利用，涉及到可視化技術(shù)。解釋并評(píng)估結(jié)果，其使用的分析方法一般應(yīng)作數(shù)據(jù)挖掘操作而定，通常會(huì)用到可視化技術(shù)。知識(shí)的同化：將分析之后得到的數(shù)據(jù)信息歸納到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)內(nèi)部去。2.4數(shù)據(jù)挖掘的方法2.4.1市場(chǎng)籃分析（關(guān)聯(lián)分析）（MarketBasketAnalysis）將一次活動(dòng)中可能會(huì)多次出現(xiàn)的對(duì)象進(jìn)行搜尋，從而推脫出的模型會(huì)將一組對(duì)象同時(shí)出現(xiàn)的可能[18]。具體方法即是將各種組合出現(xiàn)的可能利用科學(xué)的方法來(lái)計(jì)算，當(dāng)這個(gè)可能性達(dá)到一定的值時(shí)，那么該對(duì)像組合即證明了同時(shí)出現(xiàn)的對(duì)象。eBay的市場(chǎng)一天的數(shù)據(jù)分析各個(gè)商鋪之間存在著大大小小的緊密性。用戶(hù)在對(duì)產(chǎn)品進(jìn)行選擇和購(gòu)買(mǎi)的時(shí)候，極大的可能會(huì)將產(chǎn)品周邊的其他產(chǎn)品，又或者是同一種產(chǎn)品的其他產(chǎn)品進(jìn)行選擇、這些商品之間就存在著一種類(lèi)似性。對(duì)客戶(hù)的這些行為特征進(jìn)行分析，并參照著已購(gòu)買(mǎi)的產(chǎn)品種類(lèi)，對(duì)客戶(hù)未來(lái)還要選購(gòu)的產(chǎn)品進(jìn)行預(yù)測(cè)。2.4.2聚集分析（ClusterDetection）通過(guò)對(duì)數(shù)據(jù)的分析將一個(gè)數(shù)據(jù)歸納為幾個(gè)簇，這些簇的特征大致相同，反之，將多個(gè)相同特征的簇整合集中。eBay平臺(tái)的交易量用ORACLE數(shù)據(jù)庫(kù)進(jìn)行聚集分析。對(duì)推廣質(zhì)量，商品關(guān)聯(lián)分析。進(jìn)行交叉銷(xiāo)售和自動(dòng)交叉銷(xiāo)售。刺激消費(fèi)者消費(fèi)欲望，增大銷(xiāo)售金額。2.5O2O平臺(tái)的數(shù)據(jù)挖掘技術(shù)應(yīng)用2.5.1挖掘客戶(hù)的購(gòu)買(mǎi)行為電子商務(wù)活動(dòng)中最為普遍的數(shù)據(jù)挖掘行為就是對(duì)客戶(hù)客戶(hù)的購(gòu)買(mǎi)行為和特征進(jìn)行判斷分析[22]?？蛻?hù)購(gòu)買(mǎi)行為分析是結(jié)合眾多客戶(hù)以往的交易情況，推算出客戶(hù)交易、流轉(zhuǎn)之間的規(guī)律，并以此為參考創(chuàng)設(shè)信息視圖，來(lái)促進(jìn)企業(yè)更加貼近的了解客戶(hù)的需求特征，促進(jìn)客戶(hù)服務(wù)質(zhì)量得到提升，最終實(shí)現(xiàn)企業(yè)效益的增長(zhǎng)。2.5.2分析客戶(hù)對(duì)站點(diǎn)的訪(fǎng)問(wèn)行為客戶(hù)對(duì)站點(diǎn)的訪(fǎng)問(wèn)行為大致呈現(xiàn)以下兩個(gè)方面，即：一方面是對(duì)客戶(hù)的訪(fǎng)問(wèn)模式進(jìn)行分析；第二方面是對(duì)客戶(hù)在站點(diǎn)內(nèi)部所形成的訪(fǎng)問(wèn)記錄進(jìn)行分析。2.5.3從歷史銷(xiāo)售數(shù)據(jù)中挖掘交易規(guī)律電子商務(wù)活動(dòng)中產(chǎn)生的大量的交易數(shù)據(jù)是一類(lèi)非常有挖掘價(jià)值的數(shù)據(jù)，關(guān)鍵在于從什么角度去挖掘，確定什么樣的目標(biāo)。3O2O平臺(tái)的數(shù)據(jù)挖掘應(yīng)用案例分析3.1分析對(duì)象本文以eBay為主要分析對(duì)象。eBay是一個(gè)典型的O2O電子商務(wù)購(gòu)物平臺(tái)，本文通過(guò)進(jìn)行數(shù)據(jù)挖掘的方法對(duì)eBay進(jìn)行應(yīng)用分析，分析在eBay上新用戶(hù)的消費(fèi)行為、用戶(hù)的歷史數(shù)據(jù)、用戶(hù)再生階段消費(fèi)者行為的數(shù)據(jù)，以及對(duì)消費(fèi)者具體行為的結(jié)果進(jìn)行分析。3.2新用戶(hù)消費(fèi)行為的數(shù)據(jù)挖掘3.2.1數(shù)據(jù)挖掘技術(shù)的使用步驟3.2.1.1衡量指標(biāo)“用戶(hù)質(zhì)量”定義確認(rèn)第一指標(biāo)：eBay平臺(tái)成功注冊(cè)并上市后對(duì)一個(gè)月內(nèi)的交易金額進(jìn)行統(tǒng)計(jì)，金額和用戶(hù)質(zhì)量之間將呈現(xiàn)出一種正比關(guān)系，即用戶(hù)質(zhì)量會(huì)伴隨著金額的增加而提升。第二指標(biāo)：eBay平臺(tái)成功注冊(cè)并上市后對(duì)一個(gè)月內(nèi)的交易用戶(hù)比例進(jìn)行統(tǒng)計(jì)，交易用戶(hù)的比例越高那么對(duì)應(yīng)的用戶(hù)質(zhì)量也就越好。虛擬投資回報(bào)率：通過(guò)媒體宣傳的形式所吸引的新用戶(hù)在eBay平臺(tái)上成功交易的金額/所有新用戶(hù)的獲得成本。這都是源于eBay的利潤(rùn)都是從賣(mài)家銷(xiāo)售金額按照一定的百分比進(jìn)行征收，而不是從買(mǎi)家身上來(lái)獲取，并不屬于真正意義上的投資回報(bào)率。3.2.1.2假定條件由于傳統(tǒng)媒體的效果存在的一種特性，導(dǎo)致其無(wú)法直接的來(lái)進(jìn)行衡量，對(duì)此eBay的廣告戰(zhàn)略就一直是主張互聯(lián)網(wǎng)平臺(tái)下的網(wǎng)絡(luò)推廣，讓用戶(hù)直接利用互聯(lián)網(wǎng)搜索的方式找到eBay公司網(wǎng)站，就可以直接進(jìn)行注冊(cè)。所以，本章對(duì)互聯(lián)網(wǎng)媒體效果于某市場(chǎng)一日銷(xiāo)售數(shù)據(jù)進(jìn)行分析。3.2.1.3eBay公司廣告推廣媒體介紹門(mén)戶(hù)廣告推廣的主要媒體非常的廣泛，如：騰訊，網(wǎng)易，新浪等等；利用網(wǎng)絡(luò)搜索的模式來(lái)進(jìn)行推廣的主要媒體有：百度、谷歌、雅虎等等；垂直網(wǎng)站廣告推廣的主要媒體有：盛大、卓越、貓撲等等。3.2.1.4歷史數(shù)據(jù)獲取要獲取歷史數(shù)據(jù)就要加強(qiáng)對(duì)新用戶(hù)的挖掘，并將外部媒體所吸引來(lái)的新用戶(hù)進(jìn)行對(duì)比。從現(xiàn)階段具備的數(shù)據(jù)倉(cāng)庫(kù)中所屬的“用戶(hù)信息”板塊來(lái)將歷史數(shù)據(jù)進(jìn)行獲得。詳情見(jiàn)圖1所示即是客戶(hù)數(shù)據(jù)的顯示，是通過(guò)運(yùn)用PLSQLr軟件對(duì)數(shù)據(jù)庫(kù)中存儲(chǔ)的歷史數(shù)據(jù)通過(guò)select語(yǔ)句進(jìn)行查詢(xún)，其中在語(yǔ)句中輸入媒體名稱(chēng)、媒體消費(fèi)、新用戶(hù)量、活躍用戶(hù)數(shù)量、新用戶(hù)交易額、新用戶(hù)成本、活躍用戶(hù)比數(shù)例和虛擬投資回報(bào)率進(jìn)行歷史數(shù)據(jù)查詢(xún)，這樣就可以在ORACLE數(shù)據(jù)庫(kù)系統(tǒng)中得到如下所示的數(shù)據(jù)。圖3.1數(shù)據(jù)庫(kù)查詢(xún)數(shù)據(jù)顯示3.2.2用戶(hù)獲取數(shù)據(jù)的歷史數(shù)據(jù)分析從整體的角度來(lái)看，聯(lián)盟網(wǎng)站廣告的新用戶(hù)獲取的投資回報(bào)率是最高的，反之，對(duì)應(yīng)的成本確實(shí)最少的；門(mén)戶(hù)網(wǎng)站廣告是投資回報(bào)率最低的廣告模式；用戶(hù)的活躍最高的即是搜索引擎廣告。門(mén)店網(wǎng)站所需的廣告費(fèi)用相對(duì)于整個(gè)市場(chǎng)的預(yù)算值來(lái)看，占據(jù)了百分之六十，對(duì)新用戶(hù)的貢獻(xiàn)率也毫不遜色的突破百分之五十五，但是最終用戶(hù)成功交易的金額卻僅僅只有百分之二十二。廣告費(fèi)用最低的媒體宣傳模式就是聯(lián)盟網(wǎng)站和搜索引擎，分別占比13%和14%，但這兩個(gè)媒體的用戶(hù)特征也存在著諸多不同點(diǎn)：聯(lián)盟網(wǎng)站的新用戶(hù)比例已經(jīng)超過(guò)30%，交易額更是達(dá)到將近40%，新用戶(hù)呈現(xiàn)出一種非常強(qiáng)烈的活躍特性，但是對(duì)于大多數(shù)用戶(hù)而言，他們自身的購(gòu)買(mǎi)能力并不是特別的強(qiáng)，購(gòu)買(mǎi)的商品多數(shù)為一些比較廉價(jià)的商品。而搜索引擎只帶來(lái)了不到20%的新用戶(hù)，這少數(shù)的新用戶(hù)帶來(lái)的交易額卻已經(jīng)達(dá)到34%，可見(jiàn)搜索引擎帶來(lái)的用戶(hù)具有非常強(qiáng)的購(gòu)買(mǎi)能力。3.2.3eBay基于數(shù)據(jù)挖掘結(jié)果的市場(chǎng)營(yíng)銷(xiāo)調(diào)整1）由于聯(lián)盟網(wǎng)站的用戶(hù)消費(fèi)水平和能力都比較低，因此其廣告內(nèi)容推薦的商品將主打低價(jià)位的廉價(jià)商品，以此來(lái)提高用戶(hù)的滿(mǎn)意度，促使活躍度進(jìn)行提升；反之，對(duì)于搜索引擎媒體，則主張高質(zhì)量，高定位的高價(jià)格商品。2）在搜索引擎渠道上的預(yù)算進(jìn)行提升，這都是源于該渠道的用戶(hù)消費(fèi)群體的消費(fèi)水平都處于一個(gè)變高的階段，完全符合現(xiàn)階段公司的發(fā)展戰(zhàn)略。在對(duì)搜索引擎的廣告投入進(jìn)行增加的時(shí)候，也要盡量選擇一些高質(zhì)量的搜索引擎媒體，避免相對(duì)口碑較差的，如百度等等。3）綜合的來(lái)衡量“活躍度”和“消費(fèi)水平”的優(yōu)先級(jí)，對(duì)聯(lián)盟灣站媒體上的廣告投入基于實(shí)際情況來(lái)進(jìn)行相應(yīng)的調(diào)動(dòng)。當(dāng)用戶(hù)活躍度高交易的金額卻沒(méi)有達(dá)到標(biāo)準(zhǔn)水平時(shí)，那么就要對(duì)投放進(jìn)行縮減，反之就進(jìn)行擴(kuò)充。4）通過(guò)以上廣告投放策略調(diào)整，盡量能夠做到精準(zhǔn)營(yíng)銷(xiāo)，發(fā)揮每個(gè)媒體的特色貢獻(xiàn)。5）絕大多數(shù)廣告的投入只對(duì)QQ進(jìn)行了保留，還要繼而的深入對(duì)QQ各個(gè)廣告位置帶來(lái)的效果進(jìn)行調(diào)查分析，將效果相對(duì)領(lǐng)先的廣告位置進(jìn)行保留。3.2.4eBay市場(chǎng)營(yíng)銷(xiāo)策略的調(diào)整效果2017年廣告投放結(jié)果表明，整體互聯(lián)網(wǎng)廣告的投入產(chǎn)出比從3.9提升到了8.7，平均新用戶(hù)獲得的成本從美元47.76降低到了美元32。3.3用戶(hù)再生階段消費(fèi)者行為數(shù)據(jù)挖掘1）：在過(guò)去的六個(gè)月里都存在消費(fèi)交易的行為的客戶(hù)群體2）通過(guò)運(yùn)用目前的ORACLE系統(tǒng)，深度把握客戶(hù)信息。如圖2所示為客戶(hù)數(shù)據(jù)查詢(xún)模塊，這一模塊是通過(guò)運(yùn)用PLSQL軟件中源自O(shè)RACLE的后臺(tái)端調(diào)用。在該軟件模塊中，通過(guò)后臺(tái)的數(shù)據(jù)分類(lèi)調(diào)用，得到這些用戶(hù)所有的交易信息（包括電子郵件地址、購(gòu)買(mǎi)商品類(lèi)別、購(gòu)買(mǎi)商品名稱(chēng)、購(gòu)買(mǎi)商品金額）。圖3.2數(shù)據(jù)庫(kù)數(shù)據(jù)查詢(xún)示例3)數(shù)據(jù)的清洗數(shù)據(jù)很大程度上存在不符合要求的情況，而主要包括不完整的、錯(cuò)誤的、重復(fù)的數(shù)據(jù)。在將獲得的眾多數(shù)據(jù)，進(jìn)行分類(lèi)，并編制篩選規(guī)則，將重復(fù)的消費(fèi)記錄，缺失的消費(fèi)記錄進(jìn)行篩除。逐步獲得具體得到最后的有效數(shù)據(jù)列表。4）獲取歷史數(shù)據(jù)報(bào)表示例如下圖3所示，這是運(yùn)用ORCLE數(shù)據(jù)庫(kù)軟件進(jìn)行select語(yǔ)句篩選，其中在語(yǔ)句中輸入類(lèi)別：用戶(hù)ID、用戶(hù)名稱(chēng)、用戶(hù)性別、用戶(hù)郵箱、商品類(lèi)別、交易金額。就可以得出如下所示的歷史數(shù)據(jù)信息。圖3.3eBayORLCE數(shù)據(jù)庫(kù)數(shù)據(jù)篩選結(jié)果示例

結(jié)論綜上所述，本研究對(duì)于數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用進(jìn)行了詳細(xì)分析，研究成果如下：（1）本文對(duì)數(shù)據(jù)挖掘技術(shù)概念進(jìn)行了界定，數(shù)據(jù)挖掘在當(dāng)前已經(jīng)融合了多個(gè)學(xué)科的知識(shí)，不僅包含了機(jī)器學(xué)習(xí)，以及各類(lèi)的模式識(shí)別和相關(guān)的統(tǒng)計(jì)學(xué)等研究成果。數(shù)據(jù)挖掘能夠?qū)Ａ康臄?shù)據(jù)進(jìn)行清除，然后對(duì)數(shù)據(jù)進(jìn)行整理，從而得出所需要的精確數(shù)據(jù)。（2）本文對(duì)數(shù)據(jù)挖掘在網(wǎng)絡(luò)狗太的的應(yīng)用進(jìn)行總結(jié)，主要有挖掘客戶(hù)的購(gòu)買(mǎi)行為，分析客戶(hù)對(duì)站點(diǎn)的訪(fǎng)問(wèn)行為，從歷史銷(xiāo)售數(shù)據(jù)中挖掘交易的規(guī)律。（3）本文以eBay網(wǎng)站為例，對(duì)其數(shù)據(jù)挖掘行為進(jìn)行分析，該平臺(tái)公國(guó)挖掘消費(fèi)者的消費(fèi)行為數(shù)據(jù)，從而獲得了相關(guān)的結(jié)果，然后調(diào)整自身的營(yíng)銷(xiāo)戰(zhàn)略，從而促進(jìn)市場(chǎng)營(yíng)銷(xiāo)的發(fā)展，并且本文還以eBay的具體銷(xiāo)售數(shù)據(jù)進(jìn)行了論證。參考文獻(xiàn)彭楚鈞,鄧恩.基于大數(shù)據(jù)的電子商務(wù)專(zhuān)業(yè)《網(wǎng)絡(luò)營(yíng)銷(xiāo)》課程教學(xué)改革研究[J].