论文部分内容阅读
近年来我国电子商务行业一直保持着较高的增长速度不断发展,且逐步走向成熟;随着2010年团购网站这一新兴电子商务模式的加入,我国的电子商务市场格局已逐渐清晰,市场竞争也进入白热化阶段,电子商务俨然成为备受瞩目的行业之一大量的网购和消费刺激,给电子商务行业带来了巨大的发展空间;越来越多的传统企业都把电子商务平台作为自己发展的重要补充,这正是看重了我国网上购物用户的消费能力,并成为一种必然的发展趋势;以淘宝网为例,目前已有超过3.7亿名用户注册使用,并且平均每天有超过5000万的访问人次。对于电子商务这么一个重要的市场,面对数目如此巨大的网站注册用户,其用户行为各色各样,如何了解这些用户并提高其使用满意度,成为电子商务服务商关注的焦点;为网站用户提供有针对性的产品和更好的服务,也是促进电子商务进一步发展的关键要素。随着社会的不断进步,人们的生活水平的不断提高,人们有更高的物质生活追求,而且需求多样化。目前市场的供给不能充分满足广大用户的需求,经常出现供需不平衡的局面,多数产品都会有供不应求或供大于求的现象。对于企业来讲,分析并了解每个用户或用户群体的行为特征,包括用户偏好、购买行为特征等,能够向用户提供更好的服务以及多样化的产品,既满足企业的利益又能提高用户的满意度,而且会打破供需不平衡的矛盾局面,这对于电子商务网站也同样适用。对于企业来说,每天都会产生海量的关于用户的行为数据,分析用户的行为对于企业来说至关重要;数据挖掘技术在商业上的应用也由此而生。利用数据挖掘技术对电子商务网站的海量用户行为数据进行分析并研究,可以从中挖掘出网购用户的个人喜好、行为特征、购买倾向等隐藏信息,从而为电子商务服务商提供有价值的信息。数据挖掘是新型的商业分析处理技术,它是从大型数据仓库中发现并提取隐藏在其中的信息的一种新技术,帮助决策者寻找数据间潜在的关联,发现被忽略的因素,对数据进行微观、中观乃至宏观的统计、分析、综合和推理,以指导实际问题的求解,企图发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。所以,数据挖掘技术对预测趋势和决策行为的研究是相当有帮助的。本文基于淘宝网研究网购用户的在线行为,主要内容如下:(1)对已有的用户行为分析理论和技术进行总结;(2)对淘宝网站点击流数据进行基本考察分析;(3)基于数据挖掘技术分析淘宝网购用户,包括网购用户行为分类,购买行为预测。各章节主要内容如下:第一章为导论,介绍本文的研究背景,阐述研究目的和意义,简述本文的研究范围及研究方法。第二章主要阐述目前我国电子商务的几种代表性模式,并对我国网上购物的现状进行概述。第三章主要总结网购用户行为分析理论,包括三个方面:网上购物用户行为划分、用户行为分析的相关理论、网购用户行为的影响因素;最后介绍用于用户行为分析的相关数据挖掘技术。第四章利用对比分析的方式,对淘宝网的在线数据进行基本分析。第五章对淘宝网的网购用户进行聚类分析,划分成五种类型:收藏关注用户、常规网购用户、目标搜索用户、类目购物用户、店铺购物用户,并对每种类型用户分别进行特征分析。第六章分别采用决策树、回归分析、神经网络的方法,建立网购用户购买倾向性预测模型,对网购用户在线行为进行预测分析。第七章为总结与展望。