四 B2C平台的潜在客户识别    11
4.1 数据准备    11
4.2 数据预处理    11
4.3 客户分类    12
4.4 潜在客户识别    14
五 实证研究    15
5.1 焦点科技——新一站保险网站基本情况    15
5.2 实验数据准备    15
5.3 实证过程及结果    15
结  论    22
致  谢    23
参考文献24
一 绪论
1.1 研究背景
互联网发展至今已成为影响我国经济发展、国民生活形态的关键行业[1]。互联网的迅猛发展带动着电子商务领域的不断扩大，在中国互联网络信息中心CNNIC发布的《第35次中国互联网络发展状况统计报告》[1]提到截至2014年12月，我国网络购物用户达到3.61亿，在中国13多亿人口中占据重要位置；网络购物的比例也从48.9%提升至55.7%。迄今为止，电子商务已发展出B2B、B2C、B2G、O2O等多种形式。B2C（Business to Consumer）电子商务模式指的是企业(B)对一般消费者(C)的电子化的零售方式[3]；B2C 电子商务平台模式指能够为企业和消费者通过互联网实现的一次完整交易过程中涉及到的所有交易活动的交易平台[2]。B2C以其操作简便、受众广泛、进入门槛较低等特点，越来越展现其深厚的交易潜力。相对于传统商务活动，B2C的客户存在着规模庞大、数据动态变化、客户数据不完善、转移成本低、客户忠诚度下降等特点[3]。这也就意为着在其发展过程中必然会出现这样一个问题：商家怎样更好的满足客户日益增长的个性化需求，文护已有的客户，促使其转变为满意客户甚至为忠实客户。客户规模的文护，除了减少客户损失，同时还得积极发掘新的潜在客户。，因此，潜在客户的识别与获得越来越成为B2C企业关注的问题。
电子商务的潜在客户指的是尚未与商家达成而在未来有很大可能达成交易的网站浏览者。将这部分客户转化成真正客户甚至忠实客户，有助于企业利润的增加和市场占有率的提升。购买意图是抽象的情感倾向，而这情感倾向可通过浏览者的浏览行为显现。网页浏览日志完整的记录了浏览者的各项浏览行为，从中可以分析获得用户的兴趣倾向。客户浏览日志包括了服务器日志、web日志等，记录用户访问某个站点时的一系列操作行为。然而，未处理的日志是庞杂的且难以理解的，不能直接为潜在客户的挖掘做决策支持，如何从这些数据中抽丝剥茧，识别出潜在客户又成为研究潜在客户挖掘的所需解决的重要问题。
经研究表明，数据挖掘是能从大量的数据中分析出隐含在其中、未知的有现实使用意义的信息的数据分析过程。而web数据挖掘结合了web数据资源特点和数据挖掘功能，更是成为了当下网络数据挖掘的一大重要手段。数据挖掘主要有分类、聚类、关联规则等方法。其中，分类方法作为一种有监督的学习，通过对已知分类的训练集的分析，发现分类规则或模型，从而对未知类别的新数据进行预测，这与潜在客户识别的目的不谋而合。在众多分类算法中，决策树分类法、神经网络分类法较其他分类算法发展时间更长、算法更为稳定，在学术、现实经济方面的应用更为广泛，为本文实证分析提供理论依据。
1.2 研究意义
客户是企业生存乃至发展的首要条件，单纯的现有客户文护已难以满足日益激烈的电子商务竞争需要，而潜在客户值得企业不断的发现和获取。数据挖掘作为跨学科的处理技术，在互联网时代越来越彰显其强大的数据处理能力，应用范围也在不断拓展。因此基于数据挖掘的潜在客户识别研究，有着很强的理论意义与现实意义。 面向B2C平台的潜在客户识别研究(2):http://www.youerw.com/jisuanji/lunwen_21372.html