随着电子商务向着平台化、个性化、智能化发展,电子商务客户由以前的价格敏感导向向个性化服务导向转变,这对电子商务企业如何针对不同的客户偏好提供高质量的差异化营销提出了严峻考验。如何针对客户的信息及消费偏好进行分析以便更好地实现个性化客户服务成为人们所关注的问题。本文针对客户偏好的挖掘及建模开展研究,目前国内外使用的偏好挖掘方法大致为遗传算法、神经网络算法和聚类算法三类。经过对比遗传算法、神经网络算法和聚类算法的适应性,所以本文结合配送系统的现实需求和特征,选择聚类算法及统计分析的方法对客户偏好进行挖掘。论文首先从某配送公司为企业级客户开展商品配送服务系统的实际需求出发,围绕偏好群体性、行为周期性和商品分类性三大特点,在商品分类原则指导下,将商品分为蔬菜、水果和肉蛋等大类,并将每个大类细分为若干小类,由此建立了由不同粒度的偏好维度组成的客户偏好知识的数据结构,该数据结构主要包括了客户编码、客户类别、客户行为三个维度,其中客户行为又划分为周期偏好、大类偏好和小类偏好三个子维度;其次,对配送系统中62个客户中筛选出51个活跃客户在一个月内的行为记录进行处理,并结合本体论的特征及可扩展性强的特点,采用本体论来构建客户偏好知识的模型;最后,基于客户偏好的数据结构和知识模型设计了包含有推送时机适时性、推送内容适时性及适时性调整等三个方面的适时推送机制,该推送机制在配送系统的实际应用中得以验证,能够很好地满足现有客户的个性化服务需求。