『壹』 數據倉庫及數據挖掘技術在電子商務系統中能起到什麼作用
隨著市場競爭的越來越激烈，商業環境中的信息越來越密集，企業必須能夠深入回靈活利用積累答的大量數據挖掘潛在的規律，提高決策質量，把握和發現市場機遇，提升企業的競爭力。 實施商務智能是一個十分復雜的過程，成功的商務智能應該具備三個要素：商業需求、大量的數據和實現商務智能的技術。因此，商務智能有其特定的實施方法，它包含對企業商務智能需求的明確、對企業現有信息化情況的了解和對各種商務智能技術的充分掌握三個方面。
『貳』 電子商務中常用的數據挖掘數據源有哪些
一、 流量1、 搜索流量工具：搜索診斷助手
A—基礎條件：不違規，可在「賣家工作台」-「搜索診斷助手」-「寶貝診斷里」檢查。
B—相關性：類目屬性相關性、標題關鍵字相關性。C—人氣分：是否櫥窗推薦、是否加入消保、DSR評分、支付寶使用率、旺旺效應速度、拍貨與發貨的時差。
D—圖片：很多賣家在優化主搜流量時，經常會忽略圖片的優化，然而圖片點擊率的差距，直接影響了最後的搜索流量。買家不是直接搜索進來的，而是被圖片吸引進來的，優化圖片就顯得非常重要。建議可以用直通車來測試圖片(方法下文會介紹到)。
E—價格與銷量：銷量相當的產品，價格高的有更多展示的機會;價格相同的產品，銷量高的有更多展示機會。而檢查該項指標主要檢查自己與直接競爭對手的差距，尤其是7天銷量的差距，以做調整。
F—標題優化：在銷量相對低的時候多使用長尾詞，銷量高的時候多使用泛詞、中心詞，並反復測試，得出搜索流量 搜索轉化率的最大值。
2、 付費流量工具：各付費工具的數據報表、店查查。
—淘客：淘客診斷只要看自己與競爭對手的銷量和傭金有何差距即可。
二、 轉化1、 轉化率工具：店查查
A— 內頁：首先看銷量，其次看評價質量，再來看單品轉化率、頁面停留時間和詢單率。如果連基礎銷量都沒有，評價很差，轉化率是不可能好的。兩個先決條件解決了，再看單品轉化率、頁面停留時間和詢單率是否不低於行業均值(或店內賣的好的寶貝)。若低於，則一一優化USP賣點、邏輯順序(是否都做到圍繞USP)、展現內容多樣化、展現方式。
B—訪問深度：由於80%的顧客入店都是從內頁進來，所以主要優化內頁可導流的位置，分別為店招、寶貝頁關聯、寶貝頁側邊欄、店尾進行優化。再優化首頁。
C—支付率：是否做到了80%以上。
D—營銷活動：定期舉辦營銷活動可提升轉化率。
E—客服詢單轉化率：是否至少做到了行業均值。查看工具：如店查查等第三方工具。優化方法：顧客的每一個問題都建立標准答案。2、 DSR工具：淘寶DSR評分計算器。優化辦法：a、淘寶原有服務的升級(7天無理由升級為30天、3天發貨升級為24小時發貨等);b、淘寶未有服務的創新(圍繞客戶與商家接觸點的創新，如SNS、游戲)。3、 CRMCRM主要查看老客戶佔比、老客戶轉化率、二次購買率、客戶分組短彩郵的ROI。工具：賣家工作台-會員關系管理、數雲、客道等第三方軟體。優化的辦法：建立老客戶分組，根據分組創建老客戶的不同特權。越高級的客戶擁有越高級的特權。
『叄』 我現在是電子商務專業的研究生，我學習數據挖掘行嗎
呃，先頂一樓一下。
我本科在經管學院學的電子商務，現在信息學院讀研版究生，畢業論權文做數據挖掘。。。。呵呵。
這么說吧，看你要走什麼方向了。電子商務分經濟管理方向和技術方向，你要繼續經管方向，就學下演算法，主要會應用就好了。要是技術方向，就要走資料庫編程了。不管哪個方向，如果你認真學，並且導師在這個方向能指導你的話，2年後基本理論和應用肯定沒問題了。如果將來想找工作，最好在上學時跟個項目，一套流程走下來你工作就不愁了。如果做研究，就讀博吧呵呵
『肆』 求：數據挖掘技術在電子商務中有哪些應用謝謝！
購買推薦,反饋分析,客戶分析等.都在用.
『伍』 電子商務中數據挖掘及分析的重要性有哪些
數據挖掘是一種新的商業信息處理技術,其主要特點是對商業資料庫中的大量業務數據進行抽取、轉換、分析和其它模型化處理,從中提取輔助商業決策的關鍵性數據.利用功能強大的數據挖掘技術,可以使企業把數據轉化為有用的信息以幫助決策,從而在市場競爭中獲得優勢地位。
『陸』 誰能給我提供幾個數據挖掘在電子商務中的應用案例急！！！！！！
數據挖掘交流討論（26，與汪生討論「網路日誌分析的整體想法」）http://shzxqdj.blog.163.com/blog/static/816705772010111091055823/
數據挖掘實踐應用（76，網路路徑分析挖掘實戰，上）
http://shzxqdj.blog.163.com/blog/static/8167057720106483155869/
數據挖掘營銷應用（77，網路路徑分析挖掘實戰，下）
http://shzxqdj.blog.163.com/blog/static/816705772010614113824282/
數據挖掘實踐應用(81, 《X產品功能點價值分析報告》落地應用討論匯總)
http://shzxqdj.blog.163.com/blog/static/8167057720108111156557/
『柒』 數據挖掘對電子商務的影響有哪些
數據挖掘對於電商來說太重要了，它直接可以告訴企業，我未來應該怎麼布局電商、怎麼做推廣、什麼時間做最好等重要的信息，可以說企業電商的發展是否正確，一定要建立在數據的基礎之上。
『捌』 電商數據挖掘主要是通過什麼渠道獲得數據的
電商數據挖來掘簡單來說，就是對數據自進行進行自動或半自動的分析,從中提取輔助商業決策的關鍵性數據.
目前處理電商平台數據的服務商不是很多，像慢慢買提供B2C商城商品信息，價格更新速度在一小時一更新，能夠精確掌握商品在每個時間段的價格更新，統計評論數量、銷量，可以根據需求定製專業的數據挖掘。
可以嘗試去找這樣的渠道獲取這方面的數據。
『玖』 數據挖掘在電子商務中的應用的論文提綱怎麼寫
我給你發個摘要吧
隨著4G時代的到來，電信市場的競爭越來越激烈，客戶資源成為電信企業競爭的焦點。而客戶消費行為規律是客戶知識的重要組成部分，因此基於消費行為認知的客戶細分就成為電信企業客戶關系管理的重頭戲。利用數據挖掘演算法針對某一具體的客戶消費數據集進行分析，挖掘出有趣的信息，並根據這些有趣的結論進一步調整企業的營銷策略。
本文針對當前電信企業在4G客戶細分方面的不足，結合電信企業客戶的特徵通過關聯分析來實現對電信企業現有客戶的細分，幫助電信企業實現電信客戶的合理分類，從而對電信企業的營銷策略提出指導性意見。通過對某一運營商的4G客戶資料庫進行分析，採用Apriori演算法發現客戶消費行為和消費特點之間有趣的關聯規則，並根據這些信息進一步分析，為營銷決策者提供一種新的思考問題的視角。
本文的研究思路是對樣本數據進行預處理後，將樣本數據劃分為換4G卡、換4G套餐、換4G終端三大客戶群體，再分別計算出月均arpu值、月均mou值、月均dou值，最後利用Clementine軟體對三大客戶群體的這三個值進行基於MDLP原則的熵分組，得到細分的特徵客戶群。然後對這些客戶群再做進一步的研究，利用Apriori 演算法產生頻繁項集，依據頻繁項集產生簡單關聯規則，挖掘出客戶消費行為和細分變數品牌、arpu值、mou值和dou值之間的關聯關系，總結出相應的規律，幫助電信企業找到特定消費群體的消費習慣，以此為基礎，對所識別出來的消費群體進行有針對性的營銷。