javascript和JQuery焦点图和代码特效大全
当前最流行的开源CMS网站系统大全
当前位置:首页 > 网站技术 > 安全维护 > 

网络营销系统中的数据挖掘技术

来源:IT技术网编辑:疯子发布于:2017-02-11人围观

随着电子商务的发展,网络销售越来越为人们所青睐。如何在网络销售纷繁芜杂的信息中找到对商家有用的信息,进行分析,从而制定相应的销售策略是网络销售系统中亟待解决的一个问题。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、商品与客户之间存在的内在联系,以助决策者进行销售策略的制定,使商家利润达到最大化。

一、简介

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。商家和用户都越来越习惯于在网上进行交易、但是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,用户在大量的产品信息中很难找到需要的商品或服务。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、商品与客户之间存在的内在联系,对于网络销售系统中个性化商品推荐、企业的市场定位以及销售策略的制定都有非常重要的指导意义。

二、数据挖掘的概念和特点

数据挖掘(DateMining,简称DM),是指从大量数据中提取或“挖掘知识”。数据挖掘是近几年国内迅速发展起来的一门新兴技术,它是用于开发信息资源的一种新的数据处理技术。数据挖掘包括机器学习、神经网络、模式识别、数理统计、数据库、粗糙集、模糊数学等相关技术。

数据挖掘能通过预先设定的算法自动处理数据库中大量的原始数据,应用各种方法和手段从大量数据中抽取出具有必然性、富有意义的模式,挖掘出对象间的特定关系,找出对人们所需要的问题的解答,为决策服务。数据挖掘过程所形成的知识主要有概念、规则、规律、模式和约束等。取得这些结果采用的主要方法和技术包括统计学、聚类分析和模式识别、决策树分类、人工神经网络和遗传算法、规则归纳以及可视化技术等。

三、数据挖掘技术在销售系统中的决策支持

利用基于数据仓库和多维分析技术的决策支持系统,在网络销售系统中实现了降低库存成本、了解销售全局、进行市场分析和趋势分析和智能推荐等功能。利用数据挖掘技术可以挖掘潜在有用的信息,方便企业决策者做出正确有效的决策,具体分析如下:

(一)降低库存成本

通过数据仓库系统,将成千上万种货物的销售数据和库存数据集中起来,通过数据分析,对知识进行分类,可以知道库存中一段时间内,没有收到订单的货物,很少收到订单的货物和库存中周转很快的货物。借此,决策者能决定对货物进行相应增减,确保正确的库存,从而加快资金周转、降低库存成本。最为典型的分类方法是基于决策树的分类方法。它从实例集中构造决策树,是一种有指导的学习方法。该方法先根据训练子集形成决策树。如果该树不能对所有对象给出正确的分类,那么选择一些例外加入到训练子集中,重复该过程一直到形成正确的决策集。

(二)进行市场分析

利用 OLAP数据分析工具对数据仓库的数据进行仔细研究,以分析客户的购买习惯、产品组成和其它战略性的信息。系统对销售量最大的产品进行分析,然后确保在正确的时间、正确的地点有正确的库存。

(三)进行趋势分析

利用数据仓库对产品种类和库存的趋势进行分析,以选定需要补充的产品,研究客户购买趋势,分析季节性购买模式,确定降价商品,并对其数量做出反应。为了能够预测出季节性销售量,系统要检索数据仓库中多种产品1年多来的销售数据,并在此基础上进行分析。

(四)进行商品分组布局、购买推荐和商品参照分析

当客户访问某一网页时,一般会通过兴趣词条找出相关的网页通过链接继续访问,这种关联产生的数据如果能够按照某种策略进行挖掘分析,就可以发现顾客同时还购买了哪些商品。这样,网络销售系统在网页中可以将一些相关联商品信息放在一起,提醒系统访问者购买或浏览可能忘记的商品。如果在关联的一组商品中有某一项商品是特价,系统可以增加同组中其他商品的购买量,统计出客户访问某些页面及兴趣关联页面的比率,组织成很好的站点,实施有效的市场策略。

四、测试及结果分析

一个基于数据挖掘的商品销售系统,根据收集到的销售数据为例进行测试和结果分析。采用的是Sql Server 2008数据库以及相应的Analysis Services的OLAP分析工具。

(一)按类别进行统计分析

根据此销售系统一年内各种商品的销售量,进行类别统计分析得到图1。由图1可见,在此销售系统中的各类商品里,女装销售最好,其次是男装和美容护肤用品,而书籍、鞋类和运动物品的销售情况最差。

与相关的文章
有时间的话来看看IT界的突发事件