全文总字数：2482字

1. 研究目的与意义及国内外研究现状

在这个互联网和信息科技逐步深入人们生活的时代，电子商务的发展在拉动消费中扮演了举足轻重的角色。经过早期粗犷式的发展，电商企业在第二个发展阶段主要靠提高用户体验，升级搜索引擎，应用商业智能来解决这些问题。商业智能主要应用互联网技术、数据库技术和数据挖掘技术，其中数据挖掘在商业智能中扮演了重要角色。目前电子商务领域最大的优势在于容易获取非常庞大的客户行为数据，这些数据每分每秒都在成倍增长，例如：一个用户在电商网站上购买某类产品和服务前，平均访问至少3~7个电商网站，访问时长在12分钟以上，还要浏览相关产品和服务等页面。若是把客户在电商网站的浏览行为和购买行为相结合，就可以描述客户的行为特征。把来自于网页、文件、数据库的这些大数据经过抽取、转化、加载之后存放到数据仓库中进行数据的处理、然后根据业务需要挖掘出对企业有价值的并且能够帮助企业决策运营的信息是非常关键的。

潜在客户的挖掘对于企业来说是非常必要的。如果只重视老客户的保持，不重视新客户群体的开发，那么企业很难立于不败之地。挖掘出电商的新客户，这就增加了电商企业的核心竞争力。同时可以针对性的开展时长营销策略，大大降低服务成本。因此研究如何从海量信息中准确的获取潜在客户的有效信息，也是一种知识发现的新型识别技术。具有较高的研究价值和现实意义。

国内外研究现状

国外数据挖掘的概念是在1989年的第十一届国际联合人工智能学术会议上提出的。国外对于数据挖掘的研究较为广泛，已经取得显著成绩。如qingzhang等人通过研究数据精简、决策树、神经网络、遗传算法等方法，分析了数据挖掘在电子商务上的应用。ou等人把目标客户分为细分模型和响应模型两个算法，细分模型中采用聚类方法，响应模型中使用遗传模型及神经网络等混合计算不同客户的响应概率。eunjju等人提出利用遗传算法来预测电商客户的购买意愿。

2. 研究的基本内容

（1）引言：主要论述现阶段电子商务大数据时代增加新客户，保持老客户对于企业的重要性，挖掘潜在客户是非常必要的，提出研究问题。

（2）摘要：首先对电子商务客户的购物行为深入分析，并且把浏览行为和购买行为相结合作为需要挖掘的数据来源，在此基础上用随机森林模型进行潜在客户的挖掘，不仅实现了电子商务领域潜在客户的行为特征识别，而且不同于一般的潜在客户挖掘模型，是一个创新点。

（3）数据与模型：本章首先介绍数据挖掘相关理论知识，其次介绍数据挖掘随机森林算法，再介绍潜在客户对电子商务中的重要性。然后经过web日志处理技术得到需要的数据。对得到的数据进行筛选、过滤、清洗、整合得到想要的数据类型。利用所得数据根据数据挖掘算法得到潜在客户群体。

3. 实施方案、进度安排及预期效果

基于上述对于电子商务的现状以及需要解决的问题，本文主要应用随机森林算法挖掘电子商务潜在客户。主要框架如下：

1.web 日志处理。

2.根据用户行为分类。

4. 参考文献

[1]吴礼旺, 王虎. 基于客户行为分析的电子商务潜在客户挖掘研究[d].武汉理工大学,2014.

[2]杨岚.电子商务潜在客户挖掘[d]. 华侨大学 ,2014

[3]苏宇.基于用户行为分析的电子商务网站运营策略研究[d]. 北京邮电大学 ,2014