Web数据挖掘及在电子商务中的运用

张昊

湖北第二师范学院计算机学院，湖北武汉，430205

0 引言

当今时代，电子商务企业之间的竞争越来越激烈，而为了不被时代所淘汰就需要留存住更多的用户，这样才能更好地助力电子商务企业的不断发展。因此，如何更好地了解用户所需，针对用户的喜好进行个性化服务成了留存用户的关键点。这时Web数据挖掘技术就展现出了其独特的作用，通过Web数据挖掘技术可以很好地挖掘出用户海量数据中的喜好，进而为用户进行个性化服务推荐，以此来提高用户的满意程度。

1 电子商务的概念

电子商务指的是我们对任意信息和通信手段开展任意样式的商务活动或管理操作及信息替换，主要就是让人们或者企业可以在网上进行购物、网上支付等活动[1]，而电子商务的主要贸易对象集中在企业、顾客、客户和政府这四者之间。这种在互联网上就可以完成的事，极大地缩小了地域性，也节省了人们出行的时间，商铺也可以选择只在网上营业，可以减少店铺的成本，这使得电子商务具备了物美价廉、安全便捷等优点，这使得电子商务开始渗透到人们生产生活之中。随着时代的发展，电子商务更是展现出惊人的生命力，这与现在“大数据”时代的到来有着密不可分的关系，而面对大数据时代那些海量的信息数据，如何将这些数据彻底地挖掘和使用起来成了当务之急。

2 Web数据挖掘技术

2.1 Web数据挖掘技术的概念

Web数据挖掘技术主要依托的是Web环境操作技术，其中又涉及了多个领域的知识技能。之前普通的数据挖掘技术在进行挖掘时，只是浅层地从大量数据中搜寻人们所需的内容，而这些数据之中更为深层的内容却没有被挖掘出来，一些潜在信息也无法很好地被人们所利用。普通数据挖掘技术更多是挖掘讯息中存在的规律数据，而Web数据挖掘技术会以半结构化的文档作为中心，这二者的数据模式是截然不同的，挖掘出来的数据信息有一定的互通点，数据中包括的内容几乎不存在语言意义上的信息描述，只凭借HTML语法将这些数据进行结构上的叙说[2]。Web数据挖掘技术研发至今被应用到的领域是非常广泛的，它与普通数据挖掘技术的区别就是可以对特定的数据库进行检索、查询和调用。Web数据挖掘技术目前更多地被运用在大数据的电子商务之中，并且可以对挖掘到的潜在数据进行用户归类、信用评测和风险评估等，以此来帮助电子商务更好地进行针对性服务。

2.2 Web数据挖掘的分类

通常Web数据挖掘分为Web内容、结构和使用挖掘三类。Web内容挖掘主要指的是从Web数据页面中进行潜在信息的挖掘。从资源查找的角度而言，Web内容挖掘的目的是以客户的观点作为起始点，帮助用户将多余的信息过滤，提高用户最终接受信息的质量；从数据库的角度而言，Web内容挖掘的任务是对Web上的数据进行集成建模，这样可以及时对复杂数据进行查询工作。Web结构挖掘主要指的是对Web的链接结构进行分析，Web页面中的链接里面经常蕴涵着许多潜在信息，通过对这些不同链接关系的分析可以确定用户使用Web页面进行搜索时，出现结果的顺序，以此来帮助用户达成更精确的搜索结果。Web结构挖掘最为常用的两个算法是PageRank算法和HITS算法[3]。Web数据挖掘技术应用在电子商务之中更多的是为了更好地分析用户的喜好和行为，进而进行推选，帮助每一位需求不同的用户进行独有的服务。而这些特殊服务主要依靠的就是Web数据挖掘技术，以此来分析出用户最常访问的页面、最近访问的时间数据和配置信息等，以此来分析该用户的行为习惯。

3 Web数据挖掘过程

现在电子商务已经发展成了当下一大热点，Web数据挖掘的具体过程主要分以下几步。（1）确认需要挖掘的信息数据任务，以此作为基础建立相应的模型结构。将那些数据信息进行规格化的处理是建立模型的首要任务，正常情况下都会选择运用不同算法和参数调整的方式来完成优化工作。其实数据挖掘技术本质上更像一个多次循环更迭的过程，而循环更迭的目的就是为了保证最终评估出来数据模型的精准度。（2）数据源。当互联网中电子商务网站开始运行工作时，就会开始产生许多杂乱的数据，例如许多用户的交易数据、浏览记录等，而这些海量数据会对挖掘结果的准确性和质量产生一定的影响。Web结构中，Web客户端的数据会通过子服务器上传至Web服务器，因此客户端数据分析采集情况会影响到网站的整体运行状况。（3）数据预处理。数据预处理的主要目的是加强对数据的挖掘效率，以此来有效减少数据挖掘所需的时间，既保证了最终预测结果的准确性，又更快的对用户进行了有依据的针对性服务。因此Web文档数据在结构上几乎都是呈现出非结构化或者半结构化，这样一来就没有办法直接进行Web数据的处理。采集Web信息数据时，还需要按照本次信息挖掘的主题设计和抉择出最佳的数据项，并且反复进行筛选达到对数据范围的缩小。（4）模式发现。Web挖掘算法主要有关联规则、路径分析、序列模式等。（5）模式分析。这个过程主要是验证、解释和说明所发现的模型，以此来帮助系统决策出正确的有价值信息，随后根据模式进行分析反馈工作，通过对上述步骤的反复操作做到对数据信息的深度挖掘，并且保证最终结果的精确性[4]。（6）结果可视化。Web数据挖掘的价值其实并不仅仅局限于海量数据信息的获取工作，它还可以依照人们最易理解的方式进行信息模型展示，让用户可以直观达成信息内容的可视化。

4 电子商务系统中的Web数据挖掘技术

4.1 路径分析

路径分析主要是通过对用户所访问网站的次数和频率等数据进行分析，最后统一记录用户喜好信息在服务器日志之中，以此来明确该用户具体的喜好和频繁访问的路径[5]。

4.2 统计分析

统计分析主要是用来进行站点的改进设计，通过不断的改进提高站点的性能和安全性。这样可以很好的保障系统正常的运行，使得系统可以对用户页面访问频率、商品页面停留时间、咨询沟通时长等信息的挖掘和统计，以此来发现系统在进行设计时存在的某些问题，并不断进行改进，最终实现系统性能的提高与完善[6]。

4.3 关联规则

关联规则主要的作用是为挖掘不同事件之间的关联性，例如通过数据的统计和挖掘分析出买这件衣服的用户大部分也买了这件裤子，那么通过这种关联规则就可以更好地为用户进行推荐，以此来达成让用户满意的服务，用户用最少的时间购买到了自己喜欢的商品，电子商务平台也获得相应的利润，互惠互利。

4.4 序列模式

序列模式指的是在事件时序上存在的先后关系，例如当该用户买了这个化妆品之后，过一段时间会选择买某种卸妆品，通过时序帮助用户进行推荐，以此来节省用户浏览杂乱信息的时间，还能提高最终的营业额。序列模式可以很好地预测出用户下一个阶段的行为，进而为用户提供个性化的服务，达到对用户的留存。

4.5 分类规则

分类规则主要的作用是根据事物的属性和行为等对事物进行分类，例如在电子商务系统中会自动识别用户的年龄和地区，并以此对不同地区、年龄的用户进行数据分类，以此实现有针对性的服务。

4.6 聚类分析

聚类分析主要指的是根据特定的规则对还没有分类过的记录进行归类。这种分析方式可以很好地帮助运营者深入了解众多客户的需求，进而设计出更多的分类，帮助电子商务系统更为精准地预测到用户的行为喜好。

5 Web数据挖掘技术在电子商务中的应用

5.1 挖掘潜在客户

电子商务不断生存与发展的关键还是看客户量和存留率，那么就非常注重对那些潜在客户的挖掘工作，这也成了许多电子商务工作人员业务考核的一项重要指标，随处可见拉一个新人可以获得多少奖金的任务。市场相关的业务人员在进行推广工作时，大部分都会选择运用较为传统的业务模式来进行推广，比如在各大平台进行广告投放、在街上发宣传单和对已有的目标客户进行直销等。这种方式在前期会产生一定的效益，但是当客户增长到一定数量时，不同的客户会逐渐开始产生不同的专属需求，面对这些不同的需求，业务人员就无法快速对这些客户进行筛选分类。这时就可以选择运用Web数据挖掘技术，通过这种技术对客户留存的信息进行挖掘和分析，快速的统计和筛选出成功率较高的潜在客户。在进行电子商务客户浏览访问信息数据挖掘时，相关的业务人员可以通过Web数据挖掘技术的分类功能锁定那些推广成功率更高的潜在消费者进行直销工作[7]。商户也可以通过Web数据挖掘技术分析用户的浏览时间和类型，并将之进行统计与记录，随后锁定一些热门的元素进行上新，以此来达到有针对性地进货，使得用户获得了自己喜爱的商品，商业也获取了对应的利益。只要不断挖掘潜在客户，让客户了解到各种可能需要的产品，进而进行消费，这样就可以促进电子商务平台的不断发展，客户也可以不断寻找到新的乐趣。因此将Web数据挖掘技术运用到电子商务之中是非常具有可行性的，对电子商务平台和用户而言都是一种互惠互利。

5.2 维系有效客户

虽然挖掘潜在用户是非常重要的一件事，但是忠实的老用户更为重要，因为老用户就是电子商务平台运行的一种保障，加上挖掘新用户需要付出许多成本，最后却收益甚微。将Web数据挖掘技术运用到电子商务之中，可以帮助电子商务企业通过数据预测与挖掘的方式寻找出即将要流失掉的忠实老客户，并且根据该用户的上线浏览等数据进行总结分析，针对客户流失原因展开具有针对性的挽回工作。电子商务之中会涉及许多复杂多变的产品信息，这使得用户会迷失在一堆物品之中，最终耗费了大量的时间没有寻求到所需的物品，进而不愿意再进入平台之中。面对这种情况，只有不断地运用Web数据挖掘技术，遵循“以客户为中心”的原则，全面的了解和掌握住用户的兴趣爱好和具体需求，为忠实的老用户提供出更加贴心和个性化的服务，积极主动为客户进行页面推荐，以此来达到对用户的挽留。用户获得了喜欢和需要的商品，下次会再次选择在该电子商务平台进行下单和浏览，这很好地维系住了有效客户[8]。系统还会根据顾客购物车中的物品进行相同类型的推荐，或者平价的替代品等。这牢牢把握住了用户的心理喜好，也为用户达成了一种节省，商家在销售额方面也获得了增长，这无疑是一件双赢的事情。

5.3 管理客户数据

每一个电子商务企业在运行的过程中都会存储许多用户的信息数据，面对这些海量的信息数据，就需要做好有效的管理工作，一定不能出现用户信息泄露的情况。通过对Web数据挖掘技术的运用，可以帮助电子商务企业最大限度地进行数据资源的整合，随后根据不同用户的习惯、喜好和需求进行研究与分类，进而挖掘出潜在的消费者，为用户进行贴心的服务，提高用户对企业的满意程度和忠实度。以下举例几个通过Web数据挖掘技术进行的数据管理，当用户在电子商务平台之中开始浏览时，系统就会开始根据用户的浏览类型、搜索类型和浏览时长等进行分析，随后可以通过这些信息大致分析出该用户的喜好、性别、年龄段等内容，掌握这些信息之后可以再次建立一个分类系统，进行范围性的推荐。还可以统计用户的消费习惯进行电子商务平台的布局设计的完善，进行针对性的设计，打造出一个具有特点的网站，以此来做到特立独行又不失竞争力，帮助电子商务企业更好地发展。

6 结语

目前为止，Web数据挖掘技术在我国电子商务之中的运用，其实还处在一种不断发展创新的阶段，但是这是具有很大前景的一项融合。如何更加深入地将Web数据挖掘技术运用到电子商务之中，使电子商务市场进一步拓展、创新是一个企业发展的关键。通过上述分析可知，将Web数据挖掘技术运用在电子商务之中是具有可行性和重要作用的，而且Web数据挖掘技术的特点和技术，都可以很好地帮助电子商务企业提升自身所具有的竞争力，不被这个时代所淘汰，为企业带来更多的收益。