任选9场最高奖金排行榜|14077期任选9场推荐
 

淺談數據挖掘在傳統行業轉型電商中的應用

發布時間:2018-06-22 17:51 | 編輯:恒全教育 | 來源:www.ttrgd.com.cn | 14 次瀏覽
?1.引言  隨著互聯網銷售交易量的逐年攀升,越來越多的傳統行業開始謀求線上業務的拓展,數據挖掘技術成了幫助傳統行業轉型成功的利器。通過對線上數據的挖掘與分析,能夠幫助企業找準發力點,實現銷售額的增長與消費群體的有效維護。  2.傳統行業的特征  (1)經營成本高企  傳統行業的特點是實體店經營。經營成本相當高,產品投資、店鋪裝修、鋪面轉讓金、押金,每個月固定支出的鋪面租金、稅費、人工、水電費、物業保安費...

?1.引言

  隨著互聯網銷售交易量的逐年攀升,越來越多的傳統行業開始謀求線上業務的拓展,數據挖掘技術成了幫助傳統行業轉型成功的利器。通過對線上數據的挖掘與分析,能夠幫助企業找準發力點,實現銷售額的增長與消費群體的有效維護。

  2.傳統行業的特征

  (1)經營成本高企

  傳統行業的特點是實體店經營。經營成本相當高,產品投資、店鋪裝修、鋪面轉讓金、押金,每個月固定支出的鋪面租金、稅費、人工、水電費、物業保安費等;同時,實體店鋪的人流量很大程度上依靠季節轉換、天氣變化及節假日消費來帶動,存在淡旺季之分,淡季就有大批店鋪倒閉。與傳統的經營方式相比,電商通過降低倉儲成本,免去產品陳列場地、導購員、渠道商運輸配送等環節,從而能夠給消費者提供物美價廉的產品和便捷的購物方式。

  (2)客戶群體有限

  傳統經營方式受地域影響明顯,宣傳輻射的范圍僅能面有限的時間及區域,投入費用不低,但受眾群體有限。電商的經營則不受地域的限制,能夠在全國的市場范圍內不斷開發并維護屬于自己的消費群體,營銷方式更有針對性,能夠節約成本,提高效率。

  (3)營銷思維傳統

  傳統的營銷方式中,廠家將產品生產出來后,要經過批發、零售商環節,才能將產品傳遞到消費者面前,通過電視、廣播、報刊雜志、黃頁載體等宣傳產品信息。而電商的營銷思維更注重消費者及潛在消費群體的參與和體驗。

  3.傳統行業轉型電商

  電商送貨到家,消費不受時間及地域限制,個性化的商品推薦和價格對比的模式,使線上銷售交易額屢創新高,許多傳統行業已經迫不及待的要進軍電子商務,但因為經驗、技術、人才等原因面臨諸多問題。傳統行業成功轉型要注意哪些方面呢?

  (1)線上線下結合

  傳統行業在線下的消費群體多取決于店鋪所在的位置及周邊環境,新消費群體的開發及增強他們的粘性可以考慮用線上的渠道來進行。通過微博、微信、郵件、短信等方式,把線上的流量引入到線下的銷售渠道中,通過會員制、虛擬貨幣、積分體系、經驗值等將線上線下消費群體關聯起來,就有可能實現銷售額的爆發式增長。

  (2)數據挖掘與分析

  傳統行業轉型電商還要重視數據挖掘技術的應用。線上每天產生的數據量十分巨大,訪客們來了又走,他們瀏覽過什么頁面,消費特征是怎樣的,對產品有什么偏好,最可能對什么活動感興趣等,都是寶貴的資源,需要使用數據挖掘技術對線上產生大數據進行分析、分類,從而找出最有可能進行消費的潛在群體,將產品信息告知他們,實現營銷的精確性。

  4.數據挖掘的主要技術

  數據挖掘的常用方法和主要技術有神經網絡、決策樹、關聯規則、貝葉斯分類方法、回歸、主成分分析、聚類、假設檢驗、時間序列等,本文主要介紹回歸、聚類和時間序列這三種。

  (1)回歸

  回歸分析在電子商務中應用得較多的有Logistic回歸和多元線性回歸。

  Logistic回歸能夠較好的進行預測和判別分析,在當前受到廣泛應用,但是使用中需要注意若干問題,首先數據量要達到一定的規模,其次應當注意刪除異常值,再次缺失值應該進行恰當的處理。

  多元線性回歸模型以其簡單易懂的模型和較快的計算速度等優勢在電子商務中被廣泛應用,但在使用中也需要注意若干問題。第一,計算之前需要對噪聲進行處理,才能保證模型的穩定性;其次,多元線性回歸只能夠處理線性關系,如果兩個變量之間呈現明顯的非線性關系,則不適合使用該算法。

  (2)聚類

  聚類分析屬于探索性的分析,能夠依據研究對象特定指標的相似程度將其進行分類,在電子商務中主要應用于目標用戶的細分、產品的營銷組合以及風險控制等方面。主要的聚類算法有層次、劃分、密度、網格和基于模型的聚類。其中劃分聚類的主要算法有k-means,EM,k-medoids等,在電子商務中屬k-means算法的應用最為廣泛。同樣的,k-means算法在應用過程中也需要注意以下幾點:第一,算法本身有其局限性,因此在處理數據時需要特別留意異常值對平均值的影響,可以使用隨機抽樣的方法或考慮刪除異常值來進行解決;第二,為了保證聚類結果的準確性,需要在數據預處理階段對數據進行標準化處理;第三,分析中,需要結合業務特點及分析需求設定簡潔有效地變量指標,避免變量過多而造成結果失真。

  (3)時間序列

  時間序列用于分析基于時間既定周期的一般規律或發展趨勢,影響它變化的因素主要有長期趨勢(一般用T表示)、季節變化(S)、周期變化(C)、隨機變化(I)這四個方面。時間序列較常用的模型有乘法模型和加法模型,兩種模型分別如下:

  乘法模型:Y=T×S×C×I 加法模型:Y=T+S+C+I

  常用的時間序列的算法主要有趨勢外推法、移動平均法、加權移動平均法、指數平滑法和季節分解法等。

  5.數據挖掘的常用工具

  目前市場上的數據挖掘工具種類繁多,較常用的有SPSS Clementine、SAS Enterprise Miner、Oracle Darwin、IBM Intelligent Miner、Unica PRW等,本文將主要介紹SPSS Clementine和SAS Enterprise Miner這兩種。

  (1) Clementine(SPSS)

  Clementine是SPSS公司的數據挖掘軟件,操作界面友好,可視化能力優越,分析功能強大,只需要簡單操作就能完成較為復雜的挖掘工作。其中Clementine 12 中提供的算法有回歸、神經網絡、決策樹、時間序列、貝葉斯網絡、主成分分析等累計27種,而且根據分析的目的進行了相應的分類,例如預測類的、關聯類的、細分類的等等。只要明確了需要解決的問題以及所使用的算法,就能夠根據Clementine對模型的分類,找到合適的模型。

  (2)SAS Enterprise Miner

  SAS Enterprise Miner整合了SAS統計模塊的實力,能夠進行回歸、聚類、決策樹、關聯、神經網絡、路徑分析等數據挖掘技術。操作界面簡介明了,只要通過簡單的拖放操作就能實現數據挖掘的功能。主要過程大致分為五個部分,對數據進行取樣—挖掘—修改—模型的構建—模型評估。在每一個環節中,SAS Enterprise Miner會根據挖掘項目的進程,提示分析人員進行下一步操作,最終生成結果。

  6.結語

  傳統行業在進行轉型的過程中,需要重視數據挖掘技術在經營戰略及產品營銷中的作用,培養一支能夠結合自身業務進行大數據的挖掘與分析的團隊和一批優秀的數據分析工程師們,才能夠為企業的成功轉型保駕護航。

  溫馨提示:歡迎同行加入廣西數據分析師群探討交流QQ群:117268053


相關文章

恒全教育聲明
從2012年開始,覃韋初、莫恒全教授是“恒全教育”獨家特聘的公務員考試專職輔導教師,不再為其他公務員考試培訓機構上課。今后凡以覃韋初、莫恒全教授的名義進行招生宣傳的,均為虛假宣傳,屬于侵權行為。請廣大考生注意!
聲明人:覃韋初 莫恒全
二〇一一年十二月二十五日
快速導航
任选9场最高奖金排行榜 pk10 34567梭哈玩法 骑马光明与黑暗赚钱 咖啡厅能赚钱吗 上海彩票软件 北京pk10技巧 麻将扑克怎么发 全民彩金捕鱼 江苏快三能不能赢钱 11选5三胆拖四多少钱 做夜场怎么赚钱 比特币走势图日k线图讲解 时时彩后一三码算法 11选5万能6码聪明组合 天天捕鱼赢话费破解版无限金币 什么麻将可以开好友房 时时彩后一后二稳赚