在电子商务中的应用可以说国内外的应用都大相径庭。通过客户留下的消费记录分析挖掘商品的关联性，通过关联规则，聚类例如k-means将客户消费模式划分，得出消费规律，对销售预期进行一定的预测。这种数据的挖掘在企业之间的应用非常普遍，用于帮助企业制定相应的经营策略，发挥优势特点，促进各方面的创新，提高竞争力。在电子商务中聚类也勇士应用在发现竞争对手，调整竞争策略上。特别是中小型或者个体经营的电商参与者，这种数据挖掘的应用特别适用，通过分析主要售卖商品的属性，特征等各种因素，对电商网络中的数据聚类，列出与自身销售内容相近的商铺商品，并通过各种变量如价格，地区等的线性回归分析，进行竞争策略调整。

尽管数据挖掘技术已经非常完善，我国数据挖掘在电子商务中研究的重点大多集中在聚类规则的优化上，由于中文字的组合非常多样，组合出的各种表述对于聚类的识别造成了一定的阻碍，比如某某神器，比如叙述不一的用种产品等的呢个。在2006年计算机与发展期刊中，有发表过一篇基于多重代理的数据挖掘[[]]，并且光看近几年，在近2014-2016年中，又有着许多对于聚类方法的研究，2014年计算机学报有刊登着一篇关于电子商务商品归一化的研究：在数据集成以及对其进行清理之后，利用Logistic regression模型进行计算机内部训练和分类，然后得到关于商品的相似度举证，然后再对相似度矩阵进行聚类分析达到归一化[[]]。同样在2015年的计算机与发展期刊上发表了一篇大数据环境中对于商品是否是同一种的识别研究的论文研究，是关于利用商品属性值建立索引模型，统一模型后再进行相似度量形成归一化[[]]。总之，我国数据挖掘在电子商务的研究中聚类的研究占着相对重要的部分。

3、 爆款竞争中的应用

    爆款竞争是从电子商务之中诞生的，属于电子商务中的一部分，数据挖掘在爆款竞争中也有着一定的应用，然而，在对大量对爆款竞争相关的数据挖掘应用描述中，以一些电子商务中泛用的数据挖掘使用方式为主。毕竟爆款竞争是从电子商务活动中产生的，电商商家在爆款竞争中应用到数据挖掘的地方和一般电子商务相类似，所应用的方面主要也是对于竞争对手的挖掘分析，在竞争压力大的商品种类中使用的相对较多，以此来进行价格战或者其他宣传等对应策略的调整。也有不少商家在爆款竞争中利用数据挖掘挖分析消费规律，需求变化等，以此来调整所打造的爆款种类。这些数据挖掘的应用本就是电子商务中常用到的一部分，然而对于针对爆款竞争本身性质的应用则显的相对较少。例如，对于如何应用数据挖掘来判断是否合适爆款竞争，对于如何应用数据挖掘来平衡爆款产品的价格等等的问题。