基于顾客行为分析的电子商务潜在顾客挖掘研究

  随着互联网信息技术的快速发展以及网络在社会人群中的普及化，电子商务在我国制造业、农产品行业、贸易行业、交通运输行业、金融行业、旅游行业等产业领域不断得到扩大，以及各个企业应用电子商务网络平台的推广和相关政策法规对电子商务行业市场发展的重视，电子商务已经开始逐渐改变人们日常的生活观念，渐渐地影响国人的消费理念。据中国电子商务研究中心（100EC.CN）发布的调查报告统计数字显示，2013 年下半年中国网上零售市场交易额达到 7542 亿人民币，增长 47.3%。该报告预测到 2014 年 6 月底，全国电子商务平台在线购物交易额预计将达到 17412 亿人民币。以上数据表明，随着电子商务市场的繁荣和快速发展，各大电商网站产品或服务的种类会日益丰富多样化，同时在电子商务平台进行购物的人数也变得越来越多，使得网络购物已经成为一种拉动消费的重要渠道，中国的电子商务企业获得了前所未有的发展机遇和挑战。然而，在繁荣发展的电子商务市场背后也出现了两类难题：一是，突出表现在规模庞大的用户行为信息的合理利用上，如何高效、准确、及时地发现潜在客户。因为用户在网站上的浏览方式表达了用户购物的习惯、爱好、购买意向等潜在利用信息；而对于一个在线购物网站来说，重视这些注册客户群体是日常管理工作，但从众多的网站浏览人群中发现潜在客户群体也十分重要。如果挖掘出某些客户群体为网站上潜在的价值客户，就可以对这部分潜在客户推行新一轮的个性化服务战略，使他们尽快转换成为网站上真正的注册客户群体。这对于在线购物网站来说，就代表着交易订单次数的增多，利润的提高。在大数据时代，谁可以最大限度地挖出并留住潜在客户成为许多电子商务企业客户关系管理的核心。二是，如何吸引客户、提高服务质量和满意度，更好地提升消费者的购物体验和服务个性化。因为当前各大电商网站为吸引更多客户不断投放新产品或服务信息，为此客户在面对丰富多彩的图片、文字等商品信息时，就会产生审美疲劳，要找到称心如意的商品已经变得很困难。当下随着电子商物市场的快速发展，市场竞争日益激烈，哪个电商网站能在更短时间发现及获得客户的需求变动信息，挖掘和管理更多有价值的客户，同时及时调整相应客户的营销策略，哪个电商网站就掌握市场主动权，并在激烈的电子商务市场竞争中也能获得巨额利润。为此，许多电商企业纷纷设计出满足不同客户群体需求的个性化网站，都在绞尽脑筋地采取一系列措施来获得市场份额。比如，当我们浏览某电子商务网站时，网站上的推荐列表就会出现一些可能感兴趣的产品或服务，这样就能快速找到所需要的产品或服务。因此，对于电子商务行业来讲，客户就是生命，如何从海量复杂的客户购物行为数据的分析结果，充分结合移动互联网下的动态客户行为信息，高效、准确、及时地挖掘可能成为企业黄金客户或能为企业带来更多利益的潜在客户，并进行精准的客户产品推荐策略分析，从而满足客户个性化需求的实时产品推荐，将一直成为电子商务企业共同面临的核心问题。

  电子商务模式按照交易对象主要有 B2B、B2C、B2G 和 C2C 等几种模式，虽然这些模式在类别和规模上有所区别，但是客户在这些网站上的行为基本是相类似的。而当今 B2C 成为电子商务应用最普遍的一种模式，例如天猫商城、易趣网、当当网、京东、易迅网等都为此类，还有很多企业级网站也是该模式。在电子商务企业中，客户行为分析和管理是极其重要的，因为通过合理、系统的客户行为分析，能使运营策略得到及时调整和规划，更为重要的是可以发现潜在客户。因此本文对电子商务潜在客户挖掘的研究主要是以 B2C 模式中某电子商务网站进行分析。本章主要介绍了该 B2C 网站的客户的含义及其类型、研究电子商务的购物访问行为和行为数据的分析，提出了利用 Web 日志数据进行客户行为挖掘，从而为第三章潜在客户行为信息获取奠定基础。

  2.1   电子商务网站客户的内涵及其类型

  客户一般是指与企业建立长期稳定的关系，并愿意购买你的产品或服务以满足其某种需求的一类群体，也可以指和个人或企业有直接的经济关系的个人或企业。具体来说客户的界定又分为内涵和外延，外延的客户是指在市场消费中对企业的产品或服务有着各种各样需求的个体或群体消费者；内涵的客户指代企业的供应商、批发商、零售商、企业的不同职能部门、办事处、分支机构和企业内部上下流程的工作人员等。外延的客户又具体分为交易型客户和关系型客户两种类型。对于交易型客户的购买意愿，他们仅仅会受到价格因素的影响，如果在市场上存在比企业的产品价格更低的产品，这类客户就会马上流失；此外，交易型客户能创造的利润是非常有限的，因为他们只青睐于商品的价格折扣，所以他们给企业带来的利润率要比关系型客户要低得多。但是对于关系型客户，就可从当前价值和潜在价值两方面对企业的利润贡献度进行衡量，他们则是企业重点考虑和发展的对象。至今为止，学术界在对电子商务客户的界定还没有一个统一的说法，普遍认为是所有接受产品和服务的组织会个人的统称。判定是不是电子商务网站客户主要还是根据人们是否看到广告或其他链接，是否浏览该网站，是否选择购买还是放到购物车以及进行多次购买等等，根据这些行为界定哪些是属于浏览者，哪些属于真正客户。所谓浏览者，是指在电子商务网站中查找了其相关的产品或服务，但是没有在网站上做出购买决策的一类人或群体。对于一个电子商务网站来说，从众多的浏览者中发现潜在客户群体是非常关键的，更重要的是如何在众多的浏览者中挖掘可能成为企业黄金客户或为企业带来较多利益的潜在客户，并且对这些潜在客户采取一定的措施是电子商务网站数据挖掘中非常重要的问题。客户是电子商务企业的核心，要充分了解电子商务客户行为模式究竟有哪些行为，就得先区分电子商务不同的客户群体及客户群体或个体的行为模式和习惯。而网络购物的客户究竟是什么样的客户群？他们与传统商务的客户群又有怎样的区别？

  2.2  电子商务网站购物行为的分析

  在对电子商务的目标客户类型及购物类型分析的基础上，可以对特定对象客户群体进行行为信息的挖掘。而要深层次地挖掘电子商务网站的客户行为，必需要了解客户在在线购物网站上的购物（或访问）行为流程。一个用户从不知道某电子商务网站，到成为该网站真正的客户需要有一个阶段。在这个阶段中客户也许是由朋友介绍、广告链接或者搜索引擎等多种方式了解网站，采用在浏览器的地址栏直接输入网址或通过广告链接地址来点击进入网站，然后浏览相关产品或服务信息，这过程中他可能仅仅初步浏览产品或服务信息但没有做出购买决策，也可能只挑选自己喜欢的商品放入购物车中，接着有可能提交订单并接收货物，最后进行评价。综上所述，电子商务网站客户购物行为主要过程依次为：浏览、选择、购买、评价等内容，如图 2-1 所示。

  4.1  粗糙集和决策树算法的引入

  4.2  相关挖掘方法的理论知识

  4.3  电子商务网站中的潜在客户挖掘算法

  5.1  数据的获得与特定预处理

  5.2  基于属性依赖度改进的行为属性约简

  5.3  潜在客户行为挖掘模型的构建

   随着电子商务行业蓬勃发展，电子商务网站每天可以吸引成千上万次的客户进行访问，每天可以收集到大量客户的行为数据，然而在竞争激烈的电子商务市场环境中，谁可以从成千上万的浏览者高效、准确、及时地挖掘出潜在客户，并进行精准的客户产品推荐策略是非常关键。因为对于一个电子商务网站来讲，把潜在客户转变成现实客户就意味着创造更多的利润，而且潜在客户群体是无限的，具有很大的开发和增值潜力。因此，本文创新性的提出以 Web 日志中浏览行为与购买行为相结合来获取潜在客户行为信息，并利用数据挖掘算法对数据进行挖掘、获得规则，实现对众多的浏览者进行潜在客户行为的预测，使得电子商务网站较为便捷地识别出潜在客户可能性，具有十分重大的现实意义。本论文的工作内容如下：（1）查阅了大量的资料和参考文献，对客户行为分析、潜在客户挖掘等研究进行详细的分析和总结，准确掌握国内外的研究概况及进展。（2）从客户行为分析的角度出发，对某 B2C 网站模式下客户浏览行为和购买行为进行了深入的研究，分析归纳了它们的行为规律，并详细介绍电子商务客户行为数据来源方式及特点。（3）重点对潜在客户进行分析，探讨了获取潜在客户信息的方法，并提出电子商务潜在客户挖掘的标准：选择进行第一次购买的客户或浏览后未购买的客户的浏览行为和购买行为数据进行挖掘。解决了从 Web 日志获取潜在客户行为数据的难点，同时避免了其他客户行为数据的干扰，提高了挖掘的准确性和有效性。（4）研究和探讨了将粗糙集结合决策树方法引入到电子商务领域潜在客户挖掘的思想。在分析粗糙集和决策树算法的可行性及有效性的基础上，提出一种基于依赖度改进的属性约简方法，并在此基础上采用新的区分价值的多变量检验改进决策树构造方法建立潜在客户挖掘模型，大大提高了结果的准确性。该混合挖掘方法便于使用，而且高效，同时能处理海量复杂的行为数据，并且在属性个数比较多或者属性之间相关性较大时，决策树的分类效率及准确率更高，同时分类规则易于解释和理解。（5）对模型进行实证分析，利用某电子商务网站数据和前期研究资料对本文提出的数据挖掘方法进行模拟，验证其可行性和实用性。潜在客户挖掘在商业中的应用是一个庞大复杂，涉及的方面很广泛的系统工程，它是从海量的客户数据中发掘潜在的目标客户，为其提供个性化服务，使得潜在客户真正转化为现实客户，进而提高企业经济效益。根据潜在客户研究体系尚未成熟，本文对潜在客户挖掘领域进行深入探讨和分析，并取得一定的实际研究成果，但由于个人时间、知识、条件及能力的限制，存在许多不足和不够完善的地方，仍需要在后续的深入研究中加以改进和完善。（1）行为数据获取阶段，应该收集更准确、更广泛及更全面的客户行为数据，这将更有效反映潜在客户的行为特点，建立的挖掘模型也将更精确，而本文为了方便研究获取的潜在客户行为数据仅仅是某一商品的客户浏览行为和购买行为数据，对搜索行为信息及评价行为信息等其它行为未予以考虑，更没有考虑网站上所有商品的客户行为。在实际应用中，应该要对所有商品的客户行为进行充分考虑，从而更加准确反映潜在客户的行为方式，以使电子商务潜在客户挖掘领域更具针对性和实用性。（2）本文提出的粗糙集融合决策树算法只能采用静态的行为数据提取静态的客户行为规则，无法解决时刻变化的行为数据及行为规则提取的问题。目前电子商务网站每天有成千上万的浏览者，客户数据随着时间变化不断的增加和更新，并且这种增加和更新的速度是非常惊人的，故挖掘算法也应该具备动态扩展性，当客户行为数据发生变化时，原先获得的行为知识能够随时进行更新，而不必再利用所有数据为研究对象，再重新进行挖掘。因此，动态潜在客户挖掘算法是未来研究的重点方向。（3）为了简便起见，本文仅演算了该挖掘方法的可行性，但没有与其他挖掘算法进行对比研究。在今后的研究中可以展开对比研究，以寻找更好的挖掘算法，或者尝试采用多种算法相结合，构建更完美的挖掘模型，提高挖掘的准确度。