数据挖掘在电子商务领域的应用研究进展与前沿

李思荃 刘新全

【摘  要】 为了了解我国目前电子商务领域数据挖掘技术的应用研究现状与前沿，文章运用文献计量分析法和社会网络分析法，对 Web of Science 和 CNKI 期刊论文中2000-2021年的相关文献进行研究，对近二十年国内外数据挖掘技术在电子商务领域的应用研究的现状、热点及前沿进行了客观的呈现和分析。研究发现，国内外学者关于电子商务领域数据挖掘技术应用研究热点基本相同；但是在研究数量方面国外高于国内，但研究广度上国内与国外差别不大。国内外的研究将会不断深入，最终相互融合，共同致力于将成熟的数据挖掘技术结合实际企业销售、服务环节，实现最高的企业服务质量，最佳的企业效益水平。

【关键词】 数据挖掘；电子商务；文献统计法

随着世界信息化水平的整体上升，计算机技术与网络技术不断普及，用户数据量在不断增加。据IDC预测，到2025年全球数据圈将扩展至163ZB9（1ZB等于1万亿GB），这相当于2016年所产生16.1ZB数据的10倍。面对每日高速增长的数据量，采用普通的统计分析方法进行分析已经无法满足企业要求，因此，数据挖掘技术应运而生。电商企业中应用数据挖掘技术的案例有很多，如分析挖掘网站内容，进行网站设计、收集用户数据，进行客户管理、分析广告有效性，进行网络广告的精准投放等。在大数据时代，电子商务业务日益增多，数据挖掘技术在电商企业市场发展空间巨大。由于各个电子商务网站在交易状态下产生大量数据记录，为了实现企业核心发展优势的快速提高，可以根据数据分析处理的结果为客户提供全方位服务。企业必须不断完善优化，才能获得更大的进步。

基于此，文章对近二十年的国内外数据挖掘在电子商务领域应用的相关文献进行梳理、归纳和分析，助力我国学者明确未来的研究方向与研究视角，进而丰富我国数据挖掘技术在电子商务领域中的应用研究成果。

一、数据获取与研究方法

为了更好地把握大数据在制造业领域应用研究的发展现状与热点问题，保证研究的客观真实，将中国知网CNKI和WOS核心数据库分别作为国内外数据来源，并采取关键词组合的方式进行检索。中文文献的检索词为主题→大数据且主题→制造，文献类别为期刊，来源类别选择为SCI、EI、CSSCI、CSCD以及核心期刊，限定时间范围是2000—2022年。英文检索策略与中文检索策略一致。为保证研究的可靠新和典型性，剔除会议、论坛等与研究主题关系不密切的文章，最终得到有效文献共753篇，其中中文文献为333篇，外文文献为420篇。

本研究采用文献计量分析、社会网络分析等方法，对国内外数据挖掘技术在电子商务领域的应用研究的现状、热点以及前沿进行研究分析，在分析过程中运用的对应软件分别为基于Java语言开发的文献计量软件CiteSpace。文献题录信息统计分析工具 SATI 以及社会网络分析软件Ucinet。

二、国内外研究热点分析

从CNKI检索到的论文条目来看，国内数据挖掘在电子商务领域应用研究出现频率较高的关键词推荐系统、营销、客户关系管理、数据处理、协同过滤、商务智能、web数据挖掘等，国内学者对数据挖掘技术在电子商务领域中的研究热点侧重于围绕电商平台商品销售展开探讨。在大数据时代，电子商务应用数据挖掘技术的场景在不断地增加。

从Web of Science数据库中检索到的论文条目来看，国外学者对以下问题较为关心，如data warehouse、big data、web mininng、cloud computing、business intelligence、customer management、recommendation等。由此可见，近二十年来，国外的研究学者所关注的研究热点与国内学者基本相同。

三、国内外研究前沿分析

从CNKI数据库中检索到的文献条目可知，国内从2004年逐渐开始数据挖掘的相关研究，从2004年到2021年出现的高频关键词有genetic algorithm、cloud computing、utility evaluation、clustering analysis、information management、web data mining等。近年来，电子商务得到了快速发展，同时也出现了许多问题，如孙桂鸿等人（2022） 为了解决生鲜电商中供需不平衡问题，基于数据挖掘，通过问卷调查法和实地调研法，构建了营销策略与消费者购买意愿的Logistics回归模型。电商营销、电商物流配送以及物流配送站点的选择三者是相辅相成的，缺一不可。Fonseca-Galindo Juan Camilo等人（2022） 以电商物流配送作为研究切入点展开研究针对现实中电子商务物流问题，使用轨迹数据挖掘改善了最后一公里配送路线。董绍斌（2021）则以菜鸟驿站网点选址为研究重点，探究淮安区菜鸟驿站选址空间分布格局及优化方案。虽然网购极大地便利了人们的生活，但是在线购买产品时，商家与客户的信任关系以及电子商务交易风险问题都需要考虑。因此Tahmid Hasan Pranto等人（2022）提出了一种基于区块链的架构，并使用数据挖掘技术用于检测欺诈性用户。Haohua Qing等人（2021）基于数据挖掘进行了跨境电商交易风险分析研究，并经过实证研究表明数据挖掘在预测和掌握跨境电商交易风险数据方面可以发挥理想作用。

电商平台为了实现点对点精准营销，需要在大量的数据中寻找到最大客户价值。王越、郑奇（2019）通过研究模糊C均值聚类，处理庞大的电子商务用户数据，挖掘电商核心资源商业价值，从而实现精准营销。陈娥祥（2022）介绍了如何利用RFM模型进行客户价值分析。然而进行客户价值分析的最终目标是使在线商家普遍向其现有和潜在客户提供强化和差异化的营销服务，并告诉客户感兴趣的项目（Ehikioya Sylvanus A， Zeng Jinbo（2021），所以宋倩（2022）基于關联规则算法设计一种电子商务商品推荐系统，并经过测试验证其实际命中率较高。电商企业不仅要关注当下消费者偏好，还要对未来的消费趋势进行预测才能提供满足消费者需求的商品。Zhang Qing等人（2022）经研究表明数据挖掘技术和神经网络在预测未来消费者购买力信息方面具有较高的准确性。

从Web of Science数据库中检索到的论文条目可知，国外数据挖掘在电子商务领域应用研究高频词主要集中出现在2013年到2016年，其中包括data mining system、product data management、customer relationship、data warehouse、clickstream history、digital marketing information retrieval等。网购产品使用体验分享以及在线客户评论影响着店铺发展以及客户的购买决策。Madhumita Guha Majumder等人（2022）使用机器学习和探索性数据分析的评论挖掘方法探讨了影响在线评论的主要和次要影响因素。因此良好的客户关系管理有助于加强优质客户的培养，提高客户满意度与忠诚度（Xiaowei Huang（2021））。为了对客户进行有效管理，获取最大企业效益，就需要分析客户价值，Hui Yang等人（2022）设计并开发了一种基于数据挖掘和电子商务农产品价值特征的电子商务领域客户价值评价模型。而且为了提升客户体验，为不同的客户提供符合其消费偏好的差异化营销服务也是必要的。Dilip KumarSharma等人（2022）构建电子商务门户对产品购买行为进行分类和区分，并根据用户偏好为其提供产品。而Klas Hjort等人（2013）研究分析了线上购物行为模式，并确定在销售和退货模式的基础上对客户进行细分可以促进差异化的服务交付方法。更为重要的是，为客户提供合适的物流配送服务也被视为必要的，但是平衡物流配送速度与配送成本之间的矛盾，已成为电商企业之间竞争的关键（Kai Guo（2020））。为了解决这个问题，Chen Chao（2017）等人研究了一个带有时间窗（2S-LRITW）的食品位置-路由-库存两阶段问题。但是电商平台运营过程中也应该注意规范化管理问题。崔慧敏（2021）就云电子商务的安全审计问题进行了探讨研究，并提出了在审计实施过程中的难点与痛点。从前人研究可以看出，数据挖掘技术在电商领域得到了广泛的应用，而Xiaojing Tang（2021）提出电子商务平台必须不断完善和简化，才能更好地开展其业务。

国内外学者的研究内容一直随着学科的发展深入而变化，但是国内外的研究前沿基本相同。从根本上说，国内外的学者关于数据挖掘在电子商务领域中的应用研究都是围绕如何为客户提供优质的服务而展开的。国内学者对于数据挖掘在电子商务领域中的应用研究虽晚于国外学者，但是国内学者却不甘示弱，用吃苦耐劳的科研精神做出了许多研究成果，为我国的电子商务发展提供了极大的助力。数据挖掘技术在电子商务领域中的建模和优化研究将会不断深化，数据挖掘技术也将用于解决更加具体、全面的电子商务发展问题。国内外的研究内容终将趋于同化，共同致力于数据挖掘在电子商务领域的应用研究，以提升企业服务质量，增加企业经济效益。

四、结论与展望

随着信息技术的发展，数据挖掘技术在电子商务领域的应用受到研究人员和企业的高度关注，为了解国内外数据挖掘技术在电商平台应用研究的不同，本研究运用文献计量软件和社会网络分析软件，对国内外期刊数据挖掘技术在电子商务领域中的应用研究进行了整理分析，具体结论如下：

第一，在发文量和重要作者方面，国外的文献量始终高于国内；国外对数据挖掘技术在电子商务的应用研究早于国内；国内数据挖掘技术的应用研究还处于初级阶段，但国外核心作者队伍已经达到一定规模，科研具有一定的延展性和深入性。

第二，在研究热点与前沿方面，国内外学者均一直致力于探索电子商务领域的数据挖掘技术的各种可能性。

第三，在未来发展趋势方面，国内外的研究将会不断深入，最终相互融合，共同致力于将成熟的数据挖掘技术结合实际的企业销售、服务环节，实现最高的企业服务质量，最佳的企业效益水平。

本研究通过对比分析国内外期刊关于数据挖掘技术应用在电子商务领域中的现有研究状况和未来研究趋势，为未来的研究者提供了可参考的知识范围并指明了研究方向。不过，本研究对于文章之间的引用与被引用关系并未进行探讨，在未来的研究中，将考虑结合文献的引文分析和共被引分析，更好地把握电子商务数据挖掘技术应用的研究进展与趋势。

参考文献：

［1］ 孙桂鸿，林丽珠，余玉娥，等. 基于数据挖掘的生鲜电子商务营销策略研究——以疫情影响的生鲜电商为例［J］. 新经济，2022（01）：114-119.

［2］ Fonseca-Galindo J C，Surita G D C，Neto J M，et al. A multi-agent system for solving the dynamic capacitated vehicle routing problem with stochastic customers using trajectory data mining［J/OL］. 2022，https：//xueshu.baidu.com/usercenter/paper/show？paperid=1a7m0ta0eq7h0070b1220e90dy068913&site=xueshu_se.

［3］ 董紹斌. 电子商务趋势下基于数据挖掘技术的淮安区菜鸟驿站选址分析［J］. 营销界，2021（20）：40-41.

［4］ Pranto T H，Noman A A，Rahaman M，et al. A blockchain，smart contract and data mining based approach toward the betterment of E-Commerce［J/OL］. ［2023-09-25］. https：//xueshu.baidu.com/usercenter/paper/show？paperid=1m3c0cb0n f000mx08p430a00qr417785.

［5］ Haohua Qing，Guokai Zheng，sDie Fu. Risk data analysis of cross border E-commerce transactions based on data mining［J/OL］. ［2023-09-25］. https：//xueshu.baidu.com/usercenter/paper/show？paperid=1k460jh02u4a0t60bh3m0rq0uf117711&site =xueshu_se.

［6］ 王越，郑奇. 基于模糊聚类的电子商务用户数据挖掘研究［J］. 计算机产品与流通，2019（03）：49.

［7］ 陈娥祥. 电子商务数据分析中基于RFM模型的客户价值分析研究［J］. 特区经济，2022（02）：148-152.

［8］ Ehikioya S A，Zeng J. Mining web content usage patterns of electronic commerce transactions for enhanced customer se rvices［J/OL］. 2021，3（11）. https：//xueshu.baidu.com/usercenter/paper/show？paperid=112h02v0pb7b0vv0980c0tj0yy487201&si te=xueshu_se.