電子商務(wù)與數(shù)據(jù)挖掘-資料下載頁
2025-05-14 08:53本頁面
【正文】 Web Usage Mining——聚類分析（ 1） ? 聚類：將對象的集合分組成為由類似的對象組成的多個類的過程。（與分類的區(qū)別？） ? 常用聚類算法：劃分方法、層次的方法、基于密度的方法等等。 ? 在 Web Usage Mining應(yīng)用中包含著兩種聚類。 ? 頁聚類 ? 將內(nèi)容相關(guān)的頁面歸在一個網(wǎng)頁組，對網(wǎng)上搜索引擎及提供上網(wǎng)幫助很有用 ? 用戶聚類 ? 將具有相似訪問特性的用戶歸在一起，在電子商務(wù)的市場分割和為用戶提供個性化服務(wù)中，能發(fā)揮巨大作用 Web Usage Mining——聚類分析（ 2） ? 聚類分析可以喜好類似的用戶，從而動態(tài)地為用戶定制觀看的內(nèi)容或提供瀏覽建議。 ? 比如：購買推薦系統(tǒng)或動態(tài)促銷系統(tǒng) ? 作用： ? 1)方便用戶查詢和瀏覽 ? 2)增強廣告的作用 ? 3)促進網(wǎng)上銷售 ? 4)提高用戶忠誠度 Web Usage Mining——統(tǒng)計分析（ 1） ? 統(tǒng)計分析 ? 通過求出現(xiàn)率、求平均、求中值等，統(tǒng)計最常訪問的網(wǎng)頁，每頁平均訪問的時間，瀏覽路徑的平均長度等，以獲得用戶訪問站點的基本信息。 ? 還能提供有限的低層次的錯誤分析，比如檢測未授權(quán)入口點，找出最常見不變的 URL等。 ? 可以用來計算客戶對某頁面的訪問次數(shù)，停留時間等，得到訪問次數(shù)最多的頁面（或產(chǎn)品、 URL等） Web Usage Mining——統(tǒng)計分析（ 1） ? 常用的電子商務(wù)網(wǎng)站用戶訪問數(shù)據(jù)統(tǒng)計（節(jié)選） ? 平均一個用戶 ? 訪問 8－ 10個頁面 ? 在站點上花 5分鐘 ? 每個頁面上花 35秒 ? 平均一個購物的用戶 ? 訪問 50個頁面 ? 在站點上花 30分鐘 ? 這是經(jīng)過大量的數(shù)據(jù)統(tǒng)計得出的結(jié)果，具有高度一致性。 Web Usage Mining——序列模式 ? 序列模式試圖找出頁面依照時間順序出現(xiàn)的內(nèi)在模式 ? 序列模式可以用來做用戶的瀏覽趨勢分析，即一組數(shù)據(jù)項之后出現(xiàn)另一組數(shù)據(jù)項，從而形成一組按時間排序的會話，以預(yù)測未來的訪問模式，這將有助于針對特別用戶群安排特定內(nèi)容。 ? 趨勢分析 ? 訪問模式的相似性分析 模式分析 ? 在挖掘出一系列用戶訪問模式和規(guī)則后，還需要進一步觀察發(fā)現(xiàn)的規(guī)則、模式和統(tǒng)計值。 ? 確定下一步怎么辦？是發(fā)布模型？還是對數(shù)據(jù)挖掘過程進行進一步的調(diào)整，產(chǎn)生新的模型。 ? 經(jīng)過模式分析得到有價值的模式，即我們感興趣的規(guī)則、模式，采用可視化技術(shù)，以圖形界面的方式提供給使用者。 課后思考 ? 除了用戶訪問模式，電子商務(wù)中還能挖掘其他什么東西？ ? 基于 Web日志的用戶訪問模式挖掘有什么缺點？
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1