随着“互联网+”的兴起,依托互联网技术的电子商务、互联网金融、互联网教育等,因其便捷性和价格优势深受用户喜爱。淘宝作为国内最具代表性的电商网站,业务渗透率已超过60%,有将近5亿的注册用户,如此巨大的用户群必然产生海量的用户、商品和交易等数据。在“数据DT时代”的到来,如何有效的收集、存储和利用这些海量数据,从中挖掘用户的行为模式和潜在需求,进而设计个性化营销方案,对于网站和用户来说都有着重要的意义。文章初始就对电商网站的背景意义和研究现状作了综述,然后详细论述了 Hadoop分布式大数据处理平台及相关组件为课题海量电商数据的存储和计算提供了平台支撑和技术保障。课题主要从网站、移动电商和用户这三个方面进行深层次的电商网站流量和用户行为分析。在网站维度下,主要研究国内主流电商网站的业务渗透率和流量建模模型,并描述了网站操作转化率漏斗模型供网站优化设计来提升用户购买率。移动电商维度,主要探究了不同终端类型和操作系统上的用户数和流量上的差异性,从而对不同终端或系统的移动电商用户进行合理的商品流量引导,设置个性化的新客营销模式和老客客户关系管理。用户维度,通过对用户电商画像和建立标签层级库,来帮助网站了解用户习惯及需求,进而对用户精准推荐。课题基于真实的互联网数据,通过数据分析和挖掘方法得到电商用户的流量和行为模式,从多维度、多视角对比了国内多家电商网站现状,对于挖掘和利用数据价值有着重要的启示。