移动化正使得“购物路径”概念发生剧变。漏斗模型几乎是最悠久的一个营销概念，大致的用户决策路径是从注意（attention）、兴趣（interest）、欲望（desire）最后到行动（action）。市场营销人员都是围绕这一个概念来制定战略，以及与用户进行沟通和施加影响。
现在，由于智能手机和平板电脑的出现，营销者需要从根本上来进行重新思考：购物将成为迭代重复而非线性的过程，消费者不再是“去购物”(GoShopping)，他们总在购物(AlwaysAreShopping)。
要适应这个时代，营销人员首先要意识到，在移动购物的新时代里，传统的漏斗模型已死，它已经被新的移动购物生命周期（ShoppingLifeCycle）所取代。在用户使用移动终端的时候，营销人员将有机会在移动消费行为和购物决策的不同关键时刻，去施加影响。这也不再是一个有组织的线性过程，购物行为将随时产生。
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。
一、引言
电子商务是指以Internet网络为载体、利用数字化电子方式开展的商务活动。随着网络技术和数据库技术的飞速发展，电子商务正显示越来越强大的生命力。电子商务的发展促使公司内部收集了大量的数据，并且迫切需要将这些数据转换成有用的信息和知识，为公司创造更多潜在的利润。利用数据挖掘技术可以有效地帮助企业分析从网上获取的大量数据，发现隐藏在其后的规律性，提取出有效信息，进而指导企业调整营销策略，给客户提供动态的个性化的高效率服务。
二、数据挖掘技术
1.数据挖掘
数据挖掘(DataMining)，又称数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)，是从大量的、不完全的、有噪声的、模糊的和随机的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。数据挖掘是一门广义的交叉学科，它汇聚了不同领域尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的知识。数据挖掘技术从一开始就是面向应用领域，它不仅是面向特定数据库的简单检索查询调用，而且，要对数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指定实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动进行预测。数据挖掘技术在金融、保险、电信、大型超市等积累有大量数据的电子商务行业有着广泛的应用，如信用分析、风险分析、欺诈检验、用户聚类分析、消费者习惯分析等。
2.数据挖掘过程
挖掘数据过程可以分为3个步骤：数据预处理、模式发现、模式分析。
(1)数据预处理。实际系统中的数据一般都具有不完全性、冗余性和模糊性。因此，数据挖掘一般不对原始数据进行挖掘，要通过预处理提供准确、简洁的数据。预处理主要完成以下工作：包括合并数据，将多个文件或多个数据库中的数据进行合并处理；选择数据，提取出适合分析的数据集合；数据清洗、过滤，剔除一些无关记录，将文件、图形、图像及多媒体等文件转换成可便于数据挖掘的格式等。
(2)模式发现。模式发现阶段就是利用挖掘算法挖掘出有效的、新颖的、潜在的、有用的以及最终可以理解的信息和知识。可用于Web的挖掘技术有路径选择、关联分析、分类规则、聚类分析、序列分析、依赖性建模等等。
(3)模式分析。模式分析是从模式发现阶段获得的模式、规则中过滤掉不感兴趣的规则和模式。通过技术手段，对得到的模式进行数据分析，得出有意义的结论。常用的技术手段有：关联规则、分类、聚类、序列模式等。
年末已至，JiaThis发布了2011社会化分享数据年度报告。据年度数据报告显示：
2011年中国互联网用户50%的分享行为集中在10:00-18:00；平均每个用户每天分享2次多；每浏览100个页面就有0.16-1.2次分享；
SNS社区类媒体在社会化流量传播中占一半，约42%，其中分享占比量最大的是QQ空间；腾讯微博进步最快，增长比率高达630.34%；
根据研究表明，IT博客类和电子商务类网站最适合社会化传播，平均回流率为93.2%；
本年度最有潜力的五个社会化媒体为粉丝网、麦库、猫扑推客、美丽说、趣一、推他。