是男性还是女性，学历、收入如何，有什么爱好，是什么职业等等。甚至可以发现不同的人在购买该种商品的相关商品后多长时间有可能购买该种商品，以及什么样的人会购买什么型号的该种商品等等。在采用了数据挖掘后，针对目标客户发送的广告的有效性和回应率将得到大幅度的提高，推销的成本将大大降低。同时，在客户数据挖掘的基础上，企业可以发现重点客户和评价市场性能，制定个性化营销策略，拓宽销售渠道和范围，为企业制定生产策略和发展规划提供科学的依据。通过呼叫中心优化与客户沟通的渠道，提高对客户的响应效率和服务质量，促进客户关系管理的自动化和智能化。
成功案例:美国的读者文摘(Reader‘s Digest)出版公司运行着一个积累了40年的业务数据库，其中容纳有遍布全球的一亿多个订户的资料，数据库每天24小时连续运行，保证数据不断得到实时的更新，正是基于对客户资料数据库进行数据挖掘的优势，使读者文摘出版公司能够从通俗杂志扩展到专业杂志、书刊和声像制品的出版和发行业务，极大地扩展了自己的业务。
5.2 进行市场预测及实现企业资源优化
通过 Web 数据挖掘，可以分析顾客的将来行为，容易评测市场投资回报率，得到可靠的市场反馈信息。不仅大大降低公司的运营成本，而且便于经营决策的制定。制定产品营销策略，优化促销活动 通过对商品访问和销售情况进行挖掘，企业能够获取客户的访问规律，针对不同的产品制定相应的营销策略。如利用数据挖掘技术可实现不同商品优惠策略的仿真。根据数据挖掘模型进行模拟计费和模拟出账，其仿真结果可以揭示优惠策略中存在的问题。并进行相应的调整优化，以达到促销活动的收益最大化。节约成本是企业盈利的关键。基于数据挖掘技术，实时、全面、准确地掌握企业资源信息，通过分析历史的财务数据、库存数据和交易数据, 可以发现企业资源消耗的关键点和主要活动的投入产出比例, 从而为企业资源优化配置提供决策依据，例如降低库存、提高库存周转率、提高资金使用率等。通过对Web数据挖掘，快速提取商业信息，使企业准确地把握市场动态，极大地提高企业对市场变化的响应能力和创新能力，使企业最大限度地利用人力资源、物质资源和信息资源，合理协调企业内外部资源的关系，产生最佳的经济效益。促进企业发展的科学化、信息化和智能化。
例如:美国运通公司(American Express)有一个用于记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了“关联结算(Relation ship Billing)优惠”的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。
5.3 企业安全诚信管理
低劣的信用状况是影响商业秩序的突出问题，已经引起世人的广泛关注。由于网上诈骗现象层出不穷，企业财务“造假”现象日益严重，信用危机成为制约电子商务发展的重要因素。利用数据挖掘技术对企业经营进行跟踪，开展企业的资产评估、利润收益分析和发展潜力预测，构建完善的安全保障体系，实施网上全程监控，强化网上交易和在线支付的安全管理。基于数据挖掘的信用评估模型，对交易历史数据进行挖掘，发现客户的交易数据特征，建立客户信誉度级别，有效地防范和化解信用风险，提高企业信用甄别与风险管理的水平和能力。
5.4 搜索引擎的应用
通过对网页内容的挖掘，可以实现对网页的聚类和分类，实现网络信息的分类浏览与检索；通过用户使用的提问式历史记录分析，可以有效地进行提问扩展，提高用户的检索效果；通过运用Web挖掘技术改进关键词加权算法，可以提高网络信息的标引准确度，改善检索效果。优化网站组织结构和服务方式，提高网站的效率 通过挖掘客户的行为记录和反馈情况为站点设计者提供改进的依据。进一步优化网站组织结构和服务方式以提高网站的效率。站点的结构和内容是吸引客户的 关键。站点上页面内容的安排和连接如同超市中物品在货架上的摆设一样，把具有一定支持度和信任度的相关联的物品摆放在一起有助于销售。比如利用关联规则的发现，可以针对不同客户动态调整站点结构。使客户访问的有关联的页面之间链接更直接，让客户很容易访问到想要的页面。这样的网站往往能给客户留下好印象。提高客户忠诚度，吸引客户不断访问。
5.5 优化
Web站点
对Web站点的链接结构的优化可从三方面来考虑：
（1）通过对Web Log的挖掘，发现用户访问页面的相关性，从而对密切联系的网页之间增加链接，方便用户使用。
（2）利用路径分析技术判定在一个Web站点中最频繁的访问路径，可以考虑把重要的商品信息放在这些页面中，改进页面和网站结构的设计，增强对客户的吸引力，提高销售量。
（3）通过对Web Log的挖掘，发现用户的期望位置。如果在期望位置的访问频率高于对实际位置的访问频率，可考虑在期望位置和实际位置之间建立导航链接，从而实现对Web站点结构的优化。
5.6 增强电子商务安全
Web的内容挖掘还包括挖掘存有客户登记信息的后台交易数据库。客户登记信息在电子商务活动中起着非常重要的作用，特别是在安全方面，或者在对客户可访问信息的限制方面。[3]
6.数据挖掘在电子商务应用方面遇到的问题
6.1 数据挖掘分析变量的选择
数据挖掘的基本问题就在于数据的数量和维数，数据结构显的非常复杂，数据分析变量即是在数据挖掘中技术应用中产生的，选择合适的分析变量，将提高数据挖掘的效率，特别适用于电子商务中大量商品以及用户信息的处理。针对这一问题，我们完全可以用分类的方法，分析出不同信息的属性以及出现频率进而抽象出变量，运用到所选模型中，进行分析。
6.2 数据抽取的方法的选择
数据抽取的目的是对数据进行浓缩，给出它的紧凑描述，如求和值、平均值、方差值、等统计值、或者用直方图、饼状图等图形方式表示，更主要的是他从数据泛化的角度来讨论
数据。数据泛化是一种把最原始、最基本的信息数据从低层次抽象到高层次上的过程。可采用多维数据分析方法和面向属性的归纳方法。
在电子商务活动中，采用维数据分析方法进行数据抽取，他针对的是电子商务活动中的客户数据仓库。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大，可把汇集操作结果预先计算并存储起来，以便用于决策支持系统使用。
6.3 数据趋势的预测
数据是海量的，那么数据中就会隐含一定的变化趋势，在电子商务中对数据趋势的预测尤为重要，特别是对客户信息以及商品信息合理的预测，有利于企业有效的决策，获得更多地利润。但如何对这一趋势做出合理的预测，现在还没有统一标准可寻，而且在进行数据挖掘过程中大量数据形成文本后格式的非标准化，也给数据的有效挖掘带来了困难。
针对这一问题的产生，我们在商务中可以应用聚类分析的方法，把具有相似浏览模式的用户集中起来，对其进行详细的分析，从而提供更适合、更令用户满意的服务。聚类分析方法的优势在于便于用户在查看日志时对商品及客户信息有全面及清晰的掌控，便于开发和执行未来的市场战略，包括自动给一个特定的顾客聚类发送销售邮件，为一个顾客聚类动态地改变一个特殊的站点等，这无论对客户和销售商来说都是有意义。
6.4 数据挖掘结果的不确定性
数据挖掘结果具有不确定性的特征，因为挖掘的目的不同所以最后挖掘的结果也会千差万别，以因此这就需要我们与所要挖掘的目的相结合，做出合理判断，得出所需要的信息，便于企业的决策选择。进而达到提高企业效益，获得更多利润的目的。数据挖掘可以发现一些潜在的用户，对于电子商务来说是一个不可或缺的技术支持，数据挖掘的成功要求使用者对期望解决问题的领域有深刻的了解，数据挖掘技术在一定程度上解决了电子商务信息不能有效利用的问题，但它在运用过程中出现的问题也亟待人们去解决。相信数据挖掘技术的改进将推进电子商务的深入。
7.结束语
数据挖掘是一个新兴的领域, 具有广阔应用前景，目前，电子商务在我国正处于快速发展和应用阶段，利用数据挖掘技术，能够强化对客户的服务、促进市场最优化、加速资金周转、实现企业的创新发展。电子商务平台上的数据挖掘技术有待人们去进行更深入的研究工作，这将不断的推动数据挖掘技术的深入发展和广泛应用，创造出更多的社会和经济价值。 总之在选择一种数据挖掘技术我们应根据商业问题的特点来决定采用哪种数据挖掘形式比较合适。应选择符合数据的模型的算法，确定合适的模型和参数。只有选择好正确的数据挖掘工具，才能真正发挥数据挖掘的作用，使企业在激烈的市场竞争中做出正确的决策，保持有力的竞争优势。电子商务是现代商业的主流趋势，如何充分利用网络技术和数据库技术发挥企业优势，成为企业制胜的法宝。本文介绍了常用的数据挖掘方法，以及在电子商务领域的应用，分析了利用数据挖掘技术建设动态、高效电子商务的可行性。
参考文献
[1]夏火松:数据仓库与数据挖掘技术[M].北京:科学出版社，2004.3
[2]张云涛龚铃:数据挖掘原理与技术. 北京, 电子工业出版社, 2004 .1
[3]方真等:电子商务教程[M].北京:清华大学出版社.2004
[4]王绪林:Web使用挖掘的用户个性化服务研究[J].信息系统，2003.1