基于数据挖掘的电子商务动态定价模型

《基于数据挖掘的电子商务动态定价模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、学子园地中国信息界2012年第02期总第204期2011全国情报学博士生学术论坛提交论文选登基于数据挖掘的电子商务动态定价模型王菲菲李晶（武汉大学信息管理学院湖北武汉430072）摘　要：目前，数据挖掘在电子商务中的应用引起了越来越多的学者的关注。本文在综合分析了数据挖掘技术应用和电子商务动态定价策略的基础上，提出基于数据挖掘的电子商务动态定价模型，并将该模型引入淘宝网的定价服务机制，分别从C2C和B2C两个模式下探讨了该模型的应用，对于电子商务企业运作具有很大的参考价值。关键词：数据挖掘电子商务动态定价模型淘宝网[4]1引言价策

2、略是企业在电子商务领域获得成功的重要因素。电子商务企业采取动态定价决策的方法策略主要四RonKohavi和FosterProvost两位学者曾经将电子商务种，即基于时基定价策略、基于市场细分与限量配给策[1]称为数据挖掘技术的“killerdomain”。他们认为数据挖掘略、基于动态推销策略、基于三种动态定价的综合运用[5]技术的成功应用应该有5个必要条件，即具有可用价值比较。时基定价策略是根据不同时间消费者所能承受的价格大的数据、可控并可靠的数据收集、结果具有可评价性、差异来实施的，关键在于把握顾客不同时间对价格承受的[6]易与

3、现有流程进行整合。电子商务相对传统的商业模式更心理差异。市场细分与限量配给策略的基本原理是：利容易达到上述的要求。电子商务行为将会产生海量数据，用不同渠道、不同时间、不同精力花销情况下，顾客表现其中包括系统自动获得的历史购买记录和客户应用统计信出来的差异性价格承受心理，企业开发出专门的产品服务息等高质量数据信息，这正是进行数据挖掘的基础。而且组合，根据不同的产品配置、渠道、客户类型和时间，进在电子商务环境下，应用数据挖掘所获得的研究成果比较行区别定价。动态推销策略利用互联网赋予的强大优势，容易转化，投资收益容易衡量，数据挖掘技术也

4、可以很好根据供应情况和库存水平的变化，迅速、频繁地实施价格的与现有的电子商务系统进行整合。这些都为数据挖掘在调整，为顾客提供不同的产品、各种促销优惠、多种交货电子商务中的应用提供了可行性和必要性。方式以及差异化的产品定价。另外，在实际运用过程中，本文讨论的正是数据挖掘在电子商务应用中的一个方企业可酌情考虑单独实施某一策略，也可进行策略组合。面，即企业利用数据挖掘技术及时准确地捕获有关客户、在制订定价策略时，最好的做法是针对特定客户群体进行销售、库存等信息，并结合自身的商业战略，更好地在电试验，甄选出最佳定价模型，然后，再对模型进行

5、相应的子商务环境下进行优化的动态定价决策。调整。在动态定价中，企业可以采用一些模型方法来辅助分析和决策，比如库存模型、数据驱动模型、博弈模型、[7]2电子商务动态定价策略概述机器学习模型、仿真模型等。数据驱动模型是使用统计或仿真技术有效利用客户数据计算出合适的动态价格。目国际互联网的发展、日益激烈的市场竞争、客户管理前，动态定价也是客户关系管理和数据挖掘技术的重要研[2]的需要推动了电子商务企业定价模式从固定价格向动态定究领域之一。价的转化。这种转化在很大程度上依赖于因特网的发展、市场竞争以及客户管理的需要。电子商务环境下的动态定

6、3基于数据挖掘的电子商务动态定价模价是以客户赋予产品或服务的价值为标准，针对不同的客型构建户或商品而采取的动态价格调节策略。卖家可以通过整合客户数据库和满足目标客户特定标准的预置程序来实现动目前，数据挖掘在电子商务中的应用研究主要还是集[2]态定价的目标。当需求量具有随机性和价格敏感性时，中于客户关系管理方面，虽然有的学者也提出了将数据挖[3]动态定价就成为使利润最大化的有效方法。变化、动态掘技术应用到电子商务动态定价中的理论，但很多都是零的价格是电子商务定价的一个主要特性，它允许由于不同散的、笼统的理论分析，而没有综合的、系统的

7、应用分的因素、情况和形式引起的价格变动。有效地制定动态定析，从而就缺乏对于数据挖掘在电子商务动态定价中应用56中国信息界2012年第02期总第204期学子园地的整体把握，也就不能充分发挥数据挖掘的功效。为此，据的形式，同时也需要企业自身建立基础数据库并依据库本文建立了基于数据挖掘的电子商务动态定价模型，提出存、市场及销售情况等及时更新。通过各种渠道所收集到了将数据挖掘技术深入应用到动态定价决策中的思路，对的数据可能存在大量的冗余，也可能存在数据不准确、不于电子商务企业进行定价决策将会有很大的帮助。完整、不一致的情况，这就需要对数据

8、进行预处理，主要该模型由自下而上的三个层次部分组成，即数据层、是通过对数据的抽取、验证、清洗、转换、集成等过程，[8]分析层和决策层。这三个层次紧密相连，各个层次都包提高数据质量，形成适合数据挖掘的数据集合，并将其装含了数据挖掘和动态定价的相关理论