探索基于数据挖掘的CtoC模式电子商务个性化信息推荐服务应用

于红岩 甄宝华 韩 雪刘玉洁

（1.齐齐哈尔工程学院，黑龙江 齐齐哈尔 161005；2.哈尔滨顶津食品有限公司齐齐哈尔生产分公司,黑龙江 齐齐哈尔 161005）

一、数据挖掘相关技术及其在电子商务服务中的应用

（一）数据挖掘相关理论

1、数据挖掘含义

数据挖掘(DataMining)就是从海量的、不完整的、模糊的、随机的、有噪声的实际应用的数据中,提取出隐含在其中的、有效的、新颖的、潜在有用的并最终可被用户理解的信息和模式的非平凡过程。

2、数据挖掘的主要功能

数据挖掘是综合了各个学科的相关技术，主要功能有：数据总结、分类、聚类、关联分析、预测、偏差的检测，并通过以上数据挖掘的各项功能互相联系、相互作用进而发挥他们的功能。

3、数据挖掘的基本流程

数据挖掘是一个完整的过程,：即从大量的数据信息中挖掘出有效的、潜在有用的信息,并运用这些信息做出相关决策，进而提供给用户。数据挖掘可通过三步骤进行:（1）数据准备(datapreParation)：包括数据选取、数据预处理和数据变换；（2）数据挖掘：如数据分类、聚类、关联规则、序列模式等；（3）结果的解释评估：将挖掘出的结果以一种易于用户理解的形式表示出来并进行分析和评价，经过评估,将存在一些冗余或是无关的模式剔除;一些有用的模式也可能不能满足用户的实际要求,这时需要返回原阶段重新操作；由于数据挖掘的结果是面向用户的,因此需要对发现的模式进行可视化操作，将结果转化成为用户易懂的表示形式。

（二）数据挖掘技术的应用

数据挖掘技术从一开始出现就是面向应用的，应用领域相当广泛，如电子商务、电话收费与管理、商业银行、交通、零售等商业领域。随着数据挖掘技术的日渐成熟，该技术所能解决的商业问题越来越多，同时随着电子商务发展的势头越来越强劲，数据挖掘技术在电子商务领域将有一个非常广阔的发展空间，运用数据挖掘技术能够预测用户的消费趋势、市场需求，为企业建设个性化的商业网站，能给企业带来新的商业增长点，进而为企业创造巨大的商业利润，但在实际应用中，运用数据挖掘解决电子商务问题遇到了很多问题，特别是如今消费者个性化需求增长加快给商务网站个性化服务提出了较高要求，而且如何将服务器的客户数据信息转化成为适合数据挖掘的数据格式，如何解决诸如怎样控制整个Web上信息发现过程的分布性、异构性问题等也给数据挖掘技术带来了挑战，如何利用数据挖掘技术更有效统计和分析用户个性化特征，进而指导营销的组织和分配，最终让企业在激烈的市场竞争中处于有利位置成为研究的重点。数据库挖掘技术具体应用：数据库营销、背景分析、客户群体划分、交叉销售等市场分析行为，以及客户流失性分析、欺诈发现、客户信用记分等等。

（三）电子商务的相关理论

1、电子商务含义

电子商务(Electronic commerce)是指利用互联网进行的商务活动。

2、电子商务的主要模式划分

电子商务现有的主要模式为:企业对消费者个人的电子商务，个人对个人的电子商务，企业对企业的电子商务等等。

（四）个性化信息推荐服务含义

个性化信息推荐服务是一种有针对性的服务方式，根据用户的特点来实现，运用各种渠道对资源进行汇总、整理和分类，进而向用户提供个性化的推荐信息，以满足用户的个性化需求。

二、电子商务个性化信息推荐服务在CtoC模式中应用

（一）CtoC模式特征

个人对个人的电子商务模式是一种比较特殊的电子商务模式,是指消费者个人运用互连网进行的商务过程，典型的CtoC电子商务平台有电子商城,用户拥有买家和卖家双重身份。该商城有以下特点:

1、C2C电子商务模式不同于传统的消费交易模式，该模式通过直销、代理等形式为用户带来实惠。

2、形式多样灵活，能吸引消费者眼球。

3、交易额度低，交易量大

4、身份灵活和操作方便

（二）CtoC模式电子商务个性化信息推荐服务遇到的问题和解决措施

伴随着电子商务的快速发展,电子商务的后台数据库虽然能够提供大量的交易数据和与顾客相关信息的数据,但用户如何从海量的数据资源中挖掘出所需求的有用信息是当前的关注的热点问题。因此也产生了一系列的问题：

1、电子商城有责任为企业经营提供各种有利于其发展的增值服务,方便卖家制定营销策略,，提高电子商城的利润空间，也给用户提供了方便。但是如何针对不同的用户提供不同的增值服务是商家面临的问题。

解决措施：根据用户的消费和操作习惯,将庞大的用户划分成几个用户群，然后依据各个用户群的属性对该群进行特征定义,根据用户对产品的关注不同,消费习惯差异,提供不同的增值服务。

2、一些惠顾的客户也是庞大的数据集中的一员，卖家也许未能及时发现电子商城的这些惠顾客户。没能掌握这些始终钟情于自己店铺商品的用户,没有及时维护他们已有的消费热情,因而没能进一步发展更高级的合作。

解决措施：可以运用数据挖掘技术中的聚类方法划分群模型,然后从中分析出具有不同特点的不同类别的用户，提取惠顾的客户，重点分析他们的特征，针对他们的特点制定更多友好的促销信息，推销自己的商品，引导这些用户进行消费,以提高该类用户对商品的依赖度,从而使关系更加稳定。

三、CtoC模式电子商务个性化信息推荐服务应用前景和可能遇到的问题

基于数据挖掘的电子商务业务模型的设计与开发还不够成熟,而且是一个系统工程，它需要数据挖掘专家、其他领域专家共同参与,由于各领域的差别较大,很难找到统一的标准，这就使得数据挖掘技术在电子商务领域的应用发展速度缓慢，CtoC电子商务运营模式是众多电子商务模式中的一种,个性化服务特征明显，应用前景广阔，但也受到数据挖掘技术应用的限制，不能准确定位个性消费者特征，要想进一步快速发展，可以结合CtoC模式商城的具体项目应用实践,设计和实现对解决方案有用的数据挖掘模型，但这些只是很初步的工作,系统模型中还有很多的不足之处,需要研究人员进一步分析和完善CtoC模式中数据分析的应用,进而开发新的应用模型以适应业务模型的不断变化。

个性化服务将成为未来互联网发展的核心技术和理念。现有的个性化服务在获取个人喜好方式等方面都具有局限性，而实际上可以通过微博、QQ、MSN等很多方式获取个人的喜好,挖掘这些信息将能更加全面和准确的定位用户偏好。特别是伴随着互联网时代的真正到来,数据将在我们的生活中扮演越来越重要的角色,而与之相关的挖掘数据技术也将会变得更加有实际意义。但是，CtoC模式电子商务个性化推荐服务也面临很多挑战：

1、推荐服务需求的多样化。

2、推荐服务的精确性和实时性：推荐质量与实时性之间的平衡问题一直是推荐系统所面对的最大挑战，大部分分推荐技术是以牺牲推荐质量为前提来保证推荐服务实时性要求。

3、推荐结果解释研究：目前的电子商务推荐系统一般都采用向用户提供评价信息或TOP排行等方式提供产生推荐的原因。

[1]杨雪雁.电子商务概论[M].北京大学出版社,2010.

[2]康雨洁.基于协同过滤的个性化社区推荐方法研究[D].安徽合肥:中国科学技术大学,2011.

[3]项亮.推荐系统实践[M].北京:人民邮电出版社,2012.