如何对电商用户进行数据挖掘

进入到大数据时代，电商用户数据的暴增与数据的社会化在很大程度上模糊了O2O电商企业数据的边界，这些由用户创造的海量数据远远超越了目前人力所能处理的范畴。庞大的数据量使得数据过载、数据冗余、数据捕获成本快速增长、数据价值不易获得成为O2O电子商务面临的新问题。

相比传统的电子商务数据，O2O 用户数据并不仅仅局限于平台数据，即用户在 O2O 的交易数据，还包括了社交网络、用户移动终端的地理位置等数据。O2O电子商务用户数据为在 O2O 电商日常经营中产生和积累的与用户相关的交易、互动、观测数据。

O2O 电商用户数据挖掘框架包括数据来源层、数据收集层、数据组织层、数据存储层、数据分析层、数据应用层。 不同于传统数据分析，大数据挖掘是一个知识自动发现的过程，在无明确的目标下从不同数据源获取数据，对数据进行预处理，并大量使用机器学习与人工智能算法对庞大的观测数据进行挖掘分析。

在大数据中，分析各用户群体的特点，进而分析用户个人特点，获得有价值的知识，从而获取商业价值。数据挖掘流程包括： 数据收集、数据准备、数据转化、数据抽取、数据挖掘、挖掘应用。（1）数据收集。用户数据以“流”的形式创造，由于3个数据源之间有交互，且其数据内容往往交叉，所以按照交易、互动及观测数据进行分类，然后通过Needlebase 等工具在用户消费的过程或其它行为中收集。（2） 数据预处理。数据预处理包括了数据准备、数据转化及数据抽取。 数据预处理决定了挖掘结果的质量，从某种程度上来看，数据预处理往往左右着数据挖掘的成败。（3）数据挖掘及其应用。 在数据挖掘过程中，根据不同的应用需求选择不同的挖掘模型，对数据进行深度挖掘。

更多精彩、大数据最新资讯、行业案例、解决方案，请扫一扫大数据魔镜微信号