随着互联网技术的发展,互联网信息呈爆炸式的增长,超市作为典型的传统零售企业,其发展从开始的人工数据管理模式,已逐渐演变为利用现代信息技术进行O2O营销管理。而如何运用现有的技术和手段,对超市内部的海量数据进行深度分析,挖掘出有价值的信息和规律,并以此作出正确及时的决策,现已成为超市生存和发展的重要环节。数据挖掘技术中,序列模式挖掘的目标是从交易数据库中发现客户购买行为的序列模式,因此成为了超市O2O营销的重要抓手。利用序列模式挖掘技术对大量的交易数据进行研究和挖掘,可以加速线上与线下资源整合,使商家能以更低的成本高效率地服务客户、赢得客户,另外,将挖掘出的知识应用于超市日常的经营和管理,可以促进超市的发展。本文首先利用Python语言对超市O2O营销产生的数据集进行了初步的统计分析,通过年龄、性别、等级、注册时间等七个维度的分析,了解了超市数据的分布情况,其中,会员表所包含的用户中,大部分为年轻用户,结合用户等级与他们的注册时长可以得出,大体上用户注册时间越长,等级就越高;之后基于Hadoop平台,结合AprioriSome算法的思想,在Hive中利用HiveQL语句对超市的交易数据集进行了挖掘,得出了满足最小支持度和置信度的规则,将其解读为知识,并应用于超市的O2O营销领域中,超市决策人员可以从商品交叉销售及快速商品推荐、商品捆绑销售及货架摆放等方面对超市进行管理;最后对现有的序列模式挖掘算法AprioriSome进行改进,加入了时间约束,通过剪枝操作以及时间间隔和时间窗的引入,对超市O2O营销产生的部分交易数据进行挖掘,得出更能满足顾客实际需求的频繁序列,结果可靠性强,具有很大的实用价值,另外,通过对比实验,从挖掘出频繁序列的数量以及算法运行时间两个方面,验证了改进后算法的优越性。