基于数据挖掘的电商用户行为分析研究

廖衡（广西国际商务职业技术学院）

■引言

目前大量的电子商务平台充斥着人们的生活当中，并且有关的物流、销售等等产业在也在不断的完善。现在对于年轻人来讲，网络购物已经成为最为常见的购物形式，并且它在经济社会发展当中也具有相当大的作用，已经成为一股不可忽视的力量。对于电商用户来讲，只需要点击鼠标就可以完成对于商品浏览，以及之后的购买和售后。因此购物不再会受到时间和空间的限制，更多的人乐意接受这种网络购物的行为。也正因为如此，消费者的购物理念和行为发生了翻天覆地的变化。因此对于电商来讲，需要进一步的研究用户的行为，通过数据挖掘的方式来对商品的销售进行预测，并且对自己的商业模式与相关的商业系统进行调整，以迎合用户的选择，从而为企业创造更加巨大的经济利益。

■数据统计与分析

电子商务发展至今已经有了十分庞大的用户基础，而每年都有相关部门对于网络购物用户的行为进行详细的统计。可以发现，其中有不少比例的用户的购物次数已经达到了几十次。由此可见，网络购物已经成为用户日常消费较为常见的模式之一。而相关的数据挖掘也可以对网络购物的数据进行详细的分析，其中可以发现，大部分的消费者在网络过程购物当中的购物行为都是较为愉快的，并且其中以年轻和中年的女性为网络购物最为主要的消费群体。本文通过对于某地区淘宝店进行研究，选取其地区覆盖范围最为广泛的店铺，并且对其内部的数据进行分析，以第四季度所产生的销售数据为基础，主要分析电商用户的基础信息、购物时间以及购买的相关产品等信息。

（一）性别分析

对于该淘宝店内的电商用户性别进行详细分析，可以得知在淘宝店内购买的消费者主要为女性，并且所占比例十分大，超过了4/5。相对于男性消费者来讲，女性消费者的购买次数和金额都极为庞大。而造成这一性别比例如此差异明显的主要原因，很可能在于女性在购买商品的时候，要比男性更加关注对于服饰和装饰的搭配，因此她们所购买的次数和金额都要远远高出男性。

（二）年龄分析

对于在该淘宝店进行购买的电商用户的年龄进行分析，可以得知：他们的年龄主要集中在18岁到36岁之间，并且这类用户占总用户的比例超过了4/5。其中以年轻人为最为主要的购买群体，并且购买次数最多的群体可以具体到25岁到29岁之间。出现这种淘宝店内消费群体年龄比例差异的原因，最为主要的是在于年轻人对于网络购物具有更好的接受能力，并且面对电商的销售模式，也能采取更加温和、有效的方式进行应对。

（三）城乡属性分析

在该淘宝店内进行购买的人群当中，城镇用户占的比例已经超过了90%，因此城镇用户是该淘宝店最为主要的消费群体。这种消费模式与我国城市化发展离不开关系，目前大多数农村地区的电商用户都在大量的增加，但是最为关键的电商用户仍然是在城市当中，因此两者产生了较为大的差异。此外，许多农村地区的年轻人也大量进入城市，在城市中生活，这也是造成城乡用户比例差距较大的原因之一。

■数据挖掘分析

对于电商用户行为分析，需要基于数据挖掘技术，从店铺内产生的大量数据来进行了解。并且通过较为合理的科学算法，来完成相应的数据挖掘和知识的获取。其中主要是对于数据的类别以及相关的性质进行充分的分析，本文在分析研究当中主要是从购物车以及潜在用户挖掘等角度来进行分析。

（一）购物车分析

购物车的本意是人们在超市内进行消费的过程当中所需要承载商品的车辆。而在电商中，购物车是一种独特的功能服务，由电商平台进行提供，人们可以在里面放置商品，而在最后进行付款的时候，只需要将购物车当中所有商品进行勾选并且结算就可以完成消费。因此对于购物车的分析，主要是对于购物车内所具有一些商品的信息来进行研究，这样可以对消费者的消费行为进行充分的分析，主要体现在以下方面：

当消费者在完成一件商品的购买行为之后，那么这些商品很可能就会被消费者进行选中，并且再次购买这类商品的可能性较高。不仅如此，还能够因此发现消费者在这个消费的过程当中的具体目标，并且了解消费者为何要购买这类产品。之后，就可以找出不同产品之间所具有一定的关联性，来预测消费者接下来的购买行为。而通过这一系列的数据，商家就可以根据消费者的具体消费行为来获得更加有效的数据，并且提升自己在市场当中所具有的竞争优势。而当淘宝店铺在对购物车进行研究之后，就可以按照电商用户的实际需求，来对上架产品的顺序进行具体调整。此外，淘宝店铺还应该对于购物车内部的产品数据、购买数据以及用户的数据来进行详细分析，以做出具体的准备。

而在对购物车进行分析的时候，还需要通过制表来提高数据的支撑度和置信度。并且在对淘宝内店铺消费者进行研究时，需要对于多个消费者的多个购买产品积极性进行研究，这样就能够通过对于这些消费者购物车内的数量以及相关的购买记录进行了解，从而达到相应的研究目的。支撑度主要是研究商品在消费者内部的欢迎程度，置信度主要是判断两个商品之间是否具有一定的关联性。因此当消费者在购买某一产品之后，可以通过这两个方面来进行研究其是否会购买其他产品的可能性。

（二）潜在用户挖掘

通过对于已经购买的消费者的消费行为以及相关的记录等信息进行研究，就能够对淘宝店内部可能存在的潜在用户进行充分的了解，而且对影响他们再次购买的主要因素进行分析。通过这些因素的构建，以及相关逻辑模型的建立，就可以按照当月淘宝店铺内的数据信息，来分析接下来几个月份的用户数量。

目前电商平台对于潜在用户的挖掘已经有了相当大的研究，而本文在分析的过程当中，主要选取其中三个指标，分别是用户可能再次购买的有关性指标、用户基数指标与行为指标。用户基础指标主要是体现在用户的基础信息以及产品的购买数量、消费次数等等；行为指标主要体现在消费者在购买之后，是否会对产品进行好评，是否会通过手机端来进行购买。在对于不同数据指标进行全面的分析之后，就能够将指标之间所有的关联性进行结合，并且对对象的选取能够更加的科学。通过具体的算法来对数据分析进行研究，可以分为以下几个步骤：

第一，对训练集进行划分。对该淘宝店铺内当月的众多网购用户选取几千条销售数据作为集中对象，并且对于其他的销售数据为验证该数据信息的验证集。

第二，将数据标准化。在指数取值当中，应该选择超过5个指标来进行详细的划分，并且保证每一个指标都可以对应的6个层级数字进行表示。

第三，对用户的再次购买信息增加效益的时候，进行相关的指标计算。通过特殊的计算法，在实际应用过程当中将那些需要剔除的信息数据进行减少，并且能够获取的数据在不断的增多。通过该算法能够应用到关键指标选取上，其主要的原理如下：假设其中一项为训练集，那么其涉及到的数据样本都是确定的，并且在所有样本当中都含有一个原始的集合，其所具有的属性能够对这个集进行类别的划分。比如当消费者通过手机购买的时候，那么就可以作为一个样本，其中的多类产品所包含的产品有多少种，这样就可以对任何一种消费者的消费产品购买行为进行可能性的预测。

■结论

在对于淘宝店铺运营的具体数据进行提取，并以此来对淘宝店铺电商用户的个人特征以及消费模式进行充分研究，可以得出如下结论：在电商用户当中，女性为最主要的用户群体，并且年龄集中在25-29岁之间；用户在消费的过程当中，所具有的忠诚度并不高大，多数消费者在购买产品的数量为一次。面对这种情况，就要求淘宝店铺的管理人员能够不断的调整自身的经营模式，展开更加具有针对性的售后服务和运营服务，这样才可以对基于数据挖掘的电商用户行为研究进行合理的利用，从而提升店铺的经济效益。

■结束语

电商平台作为一种新型的购物模式，虽然受到了许多年轻人的喜爱，但是潜在用户的群体依旧很庞大。因此电商管理人员必须基于数据挖掘，来充分研究电商用户行为，通过不断调整自身的营销模式来迎合用户的需求，从而能够吸引范围更加庞大的用户群体来进行购买，这样才可以提升自身的竞争优势。