9、重庆大学数据挖掘之电子商务与数据挖掘分析报告.pdfVIP

电子商务与数据挖掘 基于WEB 日志的用户访问模式挖掘 电子商务与数据挖掘——完美结合  在电子商务中进行成功的数据挖掘得益于：  电子商务提供海量的数据  如果一个电子商务网站平均每个小时卖出五件物品，那么它一 个月的平均点击量是160万次。  丰富的记录信息  良好的WEB站点设计将有助于获得丰富的信息  干净的数据  从电子商务站点收集的都是电子数据，无需人工输入或者是从 历史系统进行整合  研究成果容易转化  在电子商务中，很多知识发现都可以进行直接应用  投资收益容易衡量 电子商务为数据挖掘提供海量数据  “点击流” （Clickstreams ）将会产生电子商务挖掘的 大量数据  Yahoo!在2000年每天被访问的页面数是10亿，如此大的访 问量将会产生巨大的Web 日志 （记载页面访问的情况），每 个小时产生的Web 日志量就达到10GB ！  即便是一个小的电子商务站点，也会在断时间内产生 进行数据挖掘所需的大量数据  计算一下，如果你的站点一个小时卖出5件物品，一个月会 有多少页面访问：  5件×24小时×30天/ ％2 （转化率，表示访问的人中买东西 的人的比率）×9页面 （平均买一件物品要访问9个页面）＝ 1,600,000页面 丰富的记录信息  如果你的电子商务站点设计的好，你将可以获 得各种商务的或者是用户访问的信息：  商品和商品的属性  商品的归类信息 （当同时展示多种商品是，归类信 息是非常有用的）  促销信息  关于访问的信息 （比如：访问计数）  关于客户额信息 （可以通过登陆/注册来获得） “干净的数据”  信息直接从网站上提取  无需从历史系统中集成，避免很多错误  可以通过良好的站点设计，直接获得跟数据挖掘有关 的数据  而不是再来分析、计算、预处理要用的数据  直接收集的电子数据——可靠  无需人工数据输入，避免了很多错误  可以通过良好的站点设计，良好的控制数据采样的颗 粒度  颗粒度控制在客户级别或者是session级别，而不是页面级别 有趣的 “生日现象”  一个银行通过对客户数据统计发现，它的5 ％ 的客户都是在同一天出生的 （同年同月同日）！ 为什么？ 如何解释？ 研究成果容易转化  历史上的数据挖掘研究有过许多的知识发现，但 是这些知识发现却很少在实际的商业应用中产生 什么效果  要应用这些发现的知识可能意味着要进行复杂的系统更 改、流程更改或是改变人们的办事习惯，这在现实中是 非常困难的。  在电子商务中，很多知识发现都可以进行直接应 用  改变站点的设计 （改变布局，进行个性化设计等）  开始有目标的促销  根据对广告效果的统计数据改变广告策略  可以很容易的提供捆绑销售 投资收益容易衡量  使用数据挖掘成果的革新带来的收益如何衡量？  在传统的商业中衡量投资收益需要长期的测量和观察， Paco Underhill在 《购物的科学》一书中提及，一个超 市为了衡量他们的促销策略带来的投资收益，每年要花 14,000个小时查看录像带。  在电子商务中，衡量革新的投资收益是非常容易 的  销售变化的报表可以自动产生  客户对电子邮件和电子调查的反馈都可以在几天内得到， 而不必等个几个月  电子商务乃至整个互联网都是传统商业的理想试验室。 对电子商务网站的Web数据挖掘  通常在一个电子商务网站上应用的数据挖掘技 术是Web数据挖掘。  我们可以在一个电子商务网站挖掘些什么东西？  内容挖掘(Web Content Mining)  结构挖掘(Web Structure Mining)  使用挖掘