商业智能在各种平台的广泛应用

目前，商业智能已经普遍应用于各种平台，包括在交易搜索中的应用、在完善网站结构方面的应用、在交易相关知识方面的应用、在交易额度分析上的应用、在退货处理方面的应用及在防止欺诈和网络安全上的应用等全面地知识讲解。

(1)商业智能在交易搜索中的应用：每个企业站点都提供搜索功能，这是用户找到所需信息的最直接途径。用户在搜索时输入的关键词以及输入次数都能反映用户的某种兴趣和爱好。通过对用户输入的关键词和关键词出现次数进行分析，综合利用数据仓库和 OLAP技术，挖掘出不同用户群体最关注的产品和服务，从而对不同兴趣和爱好的用户提供满足其需求的信息，这将大大提高用户的回头率和忠诚度。

从具体实现上来看，企业在后台必须能够记录用户的基本信息，以及用户输入的关键词。通过对某用户进行关键词汇总，找到不同用户的不同兴趣爱好。通过对整个数据库中用户输入关键词的搜索，将数据综合到数据仓库中总结出相同或相关关键词出现的次数，发现大众的需求。企业找到这些有价值信息后，针对不同兴趣用户提供不同信息，对搜索率高的关键词增加其访问的方便性和提供该关键词更加丰富的信息，这都将大大增加企业网上交易的数量。

(2)商业智能在完善网站结构方面的应用：网站结构是指整个网站的页面布局和业务流程。合理的网站结构能够使用户快速地找到需要的信息，而且大大增加用户在网站的停留时间和交易次数。电子商务网站刚推出时，往往都是企业一厢情愿的结构设计，其中可能存在许多不适合用户体验的区域，这就需要通过综合分析用户访问日志，通过数据仓库、数据挖掘以及OLAP技术来分析出用户喜欢怎样的页面访问形式，用户偏好怎样的业务流程，从而完善网站结构，获取更好的用户体验。

具体实现上，网站的服务器系统保留了用户访问的日志，通过将这些日志进行预处理，抽取出有意义的内容，对其使用OLAP和数据挖掘技术，分析出用户的访问行为和偏好的业务流程。使用的数据挖掘技术更多的是分类和关联规则技术，按照访问不同的页面或者页面停留时间的不同进行分类，得到各个页面的用户数和停留时间，从而判断出用户的访问行为。也可以通过关联规则分析用户在访问不同页面时访问的相关页面以及访问次数，从而调整相关页面的内容和增加相似内容的链接数，这都将增加用户在站点的停留时间和交易数量。

(3)商业智能在交易相关性方面的应用：交易相关性是指用户在使用网上商城购物时购买某件物品同时购买相关物品的关联性。这主要应用数据挖掘的关联规则分析技术。在交易页面，往往都会放些与该交易商品相关的一些商品和服务，分析用户进入该交易页面时点击相关链接的内容和次数，并进一步分析点击的相关链接所增加的交易数量，在符合一定支持度和置信度的情况下判断用户的交易相关性。这将完善网上商品的位置摆放和商品交易时相似或相关商品的集中度，从而增加交易量。

实现上，可以通过对用户访问日志进行挖掘分析，也可以直接通过对交易关联页面进行关联规则分析得出交易相关性结果。后者需要在数据库中记录各个页面访问的时间以及访问某个页面又链接访问到的其他页面和停留时间，以及交易成功率，记录这些需要耗费大量的存储空间，这就涉及数据的转储和及时分析，及时获得交易相关性数据。

(4)商业智能在交易额度分析上的应用：分析用户的交易额度对企业实施客户关系管理有很大的帮助，从而提高客户忠诚度。通过综合运用OLAP、数据挖掘技术对用户在某段时间交易数量和交易额度以及交易内容的分析，得到不同时间段的用户在不同内容商品上的不同交易额度，从而对交易进行管理。例如对不同额度的客户，提供不同的售后服务、赠送不同程度的礼品和给予不同程度的优惠。在用户交易额度普遍比较高的时段前期采取大力的宣传，以进一步促进交易消费。

实际操作中，只要对数据库中不同用户的交易表中的交易内容、交易金额、交易时间进行OLAP分析、分类以及聚类分析等操作，得出不同交易额度的用户，以及交易额度最多的时间段和交易内容，从而对企业相关营销和市场策略提供准确的决策。

(5)商业智能在退货处理方面的应用：网上交易因为看到的不是实际商品，而只是交易商品的图片，可能会与用户想象的实际商品存在一定的差距，所以网上商品更存在退货的情况。通过对退货数据进行挖掘和分析，可以认识到企业提供的商品和服务质量存在的缺陷，为企业改善自身商品和服务质量以及提高企业竞争力有很大的帮助。

实际操作上，客户在每次退货处理时，企业后台数据库都记录下客户退货的原因。通过将数据导入到数据仓库结合商品表、客户表等进行整合分析，分析所退商品存在的缺陷，客户退货原因，退货所发生的费用损失等。最终得出退货解决方案和防范机制，同时改善企业提供的商品和服务的质量。

(6)商业智能在防止交易欺诈和网络安全上的应用：网上交易毕竟突破了现实中实物交换的形式，实现了电子货币和物品交换的新形式。其中出现的种种欺诈行为和安全问题防不胜防，可能会给企业带来巨大的经济损失。通过商业智能技术，分析出用户存在的欺诈手段和安全漏洞以及可能存在的黑客攻击方法，改进企业的风险防范和应急措施。

实现上，利用数据挖掘中的聚类和分类技术挖掘后台交易日志和网络银行使用日志，分析其中存在的不一致和非正常情况，得出可能存在的欺诈行为和安全漏洞，从而为企业采取进一步的措施提供依据。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友