基于深度学习的电子商务客户数据分析研究.docx

?

?

基于深度学习的电子商务客户数据分析研究

?

?

梁亮

[摘??要]在强调大数据、互联网、实体经济与人工智能充分融合的当下，电子商务成为人们关注的焦点。本文以深度学习为切入点，在简单介绍核心理论内涵的基础上，从电商平台的角度出发，对客户数据进行了分析，并综合考虑多方因素，提出了可使数据分析结论更加精准的方法，希望能够给相关人员以启发，为电子商务注入前进所需的动力。

[关键词]电子商务;客户;深度学习;数据分析

doi：10.3969/j.issn.1673-0194.2020.21.062

[]F713.36?[]?A???[]?1673-0194（2020）21-0141-02

0???前??言

电商的出现使生活更加便利，却也带来了一系列问题，对数据进行挖掘和分析，可使相关企业在面对挑战时拥有更大的胜算。在此背景下，相关人员选择以深度学习为切入点，针对电商客户数据制定有别于过去的分析方法，所取得效果也十分令人瞩目。由此可见，本文所研究课题拥有较为突出的社会价值，应当引起重视。

1???理論概述

1.1?电子商务

近几年，以京东和淘宝为首的电商品牌，给人们生活带来了极大便利，电商平台的特征，主要表现为低于实体经济的运营成本，还有更符合预期的消费模式。深度学习理念的提出，使相关人员意识到，以客户数据为依托，充分利用深度学习和数据挖掘法，对客户所做出购买等行为进行分析，为电商平台提供对体验进行升级的方向，确保电商平台对客户拥有更为强大的吸引力。

电子商务指的是以互联网为载体对商贸活动进行开展的运营模式，强调网上购物与电子支付。2013年至今，电商企业纷纷将提供高效服务视为工作重心，在电子商务得到大力推广的背景下，将其视为交易首选平台的人员数量不断增加，数据信息逐年增加，这部分信息主要由购买行为、客户评价和反馈构成，如何对相关数据加以应用，准确把握客户行为所呈现出规律，自然成为相关行业讨论的重点，这是因为客户行为有助于电商对潜在消费群体加以识别，促使浏览者向消费者进行转变，其经济价值及现实意义均有目共睹。

1.2?客户数据分析

针对电商客户所开展数据分析工作，强调以客户浏览记录、历史访问和服务器日志为依据，对行为规律进行提炼，以此来达到实时预测客户购买倾向与行为的目的。从电商平台的视角来看，这样做有助于自身对客户行为加以掌握，并有针对性地推荐商品，调整进货和出货的具体数量，另外，在对营销策略进行制定时，数据分析所得结论，同样有无法被替代的作用。早在20世纪90年代，部分学者就已将网络数据视为研究重点，并成立了对电商客户所涉及数据进行分析的机构。信息时代的到来，加快了电子商务推广和普及的速度，可被用来分析客户数据的方法也不断增加，其中，具有代表性的有神经网络法、决策树法和贝叶斯分类法。上述方法存在较为明显的共性特征，即驱动力为数据，将客户信息和行为视为切入点，从中对特征设计所需因素进行筛选，再经由计算机学习法，对模型进行训练。另外，上述过程又被称为深度学习，这点应引起重视。

2???数据分析

2.1?分析方向

近几年，在飞速发展的科技的加持下，深度学习模型逐渐走向成熟，其中，本文研究的CNN、RNN，还有DNN、DBN均已在语音识别、信息处理等领域得到应用，所取得效果也十分显著。在对电商客户数据进行分析时，相关人员应做到以客户数据为依据，根据分析结果，对其行为进行预测，当然，这也是电商平台的主要工作。在深度学习得到推广的背景下，电商平台对客户数据的掌握愈发全面，数据库的形成，使预测工作拥有了更加理想的针对性和实时性，这便是智慧化预测的开端。由此可见，可被用来进行数据分析的体系，通常要满足以下要求：第一，以统计学、数据挖掘和机器学习为切入点，完成提取数据特征的操作;第二，根据所提取特征，对相关知识库进行构建，确保数据输入、行为预测等内容均被纳入所构建体系。

2.2?数据处理

第一步，以电商交互系统为载体，对交互日志进行抽取，搜集客户分析所需数据;第二步，对数据进行预处理，例如，清洗数据，将异常值去除，以及对缺失值进行填充，确保数据满足唯一性的要求，使行为预测及后续工作的开展，拥有全面且有效的保障。

2.3?特征提取

以原始数据为依托，对客户购买行为所表现出特征进行提取，再利用现有分类方法，将特征划分为动态/静态或原始/拓展，通过对不同类别特征进行整合的方式，形成有别于过去的全新特征。研究表明，要想使预估效果达到预期，关键是参考数据与特征，对模型预估上限加以明确，并对模型进行调整，由此可见，如何增强所构建特征的科学性，已成为使客户数据得到精准分析的保障，在未来一段时间内，该项工作将成为研究的主要内容。

2.4?模型构