ch5电子商务的网络营销概要.ppt

二、面向Web日志数据的个性化推荐：Web日志数据(1) Web日志数据是在访问者向Web服务器请求页面时被记录下来的访问行为，主要内容有用户地址(IP)、用户身份(Id)、时间(Date)、请求页面(URL)、状态码(Status)、内容长度(Bytes)、引用(referer)、浏览器(agent)等，网络营销的一项重要任务就是分析这些日志数据，将访问者转变为企业真正的消费者或保留已有客户。 行为学理论认为具有相似行为特征的人其消费行为也具有相似性，具有相似访问行为的访问者具有相似的消费兴趣和偏好。因此对Web日志数据的挖掘就可以聚集具有相似访问模式的访问者，发现其偏好和兴趣，进而制定相应的营销策略，使其转变成企业的真正客户；还可以通过分析Web日志数据，寻找访问者最愿意访问的相关链接以帮助企业完善网站结构。挖掘Web数据的技术被称为Web使用挖掘。 * 二、面向Web日志数据的个性化推荐： Web日志数据(2) * 互联网 浏览器缓存 Web浏览器 Web页面 Web服务器 请求 对象 Web日志 Web页面 图片、视频 Cookie 二、面向Web日志数据的个性化推荐：Web日志数据(3) * remote_ip: 记录客户端的ip地址, 90 remote_userId: 记录客户端用户ID, – time_local: 记录访问时间与时区, [18/Sep/2013:06:49:57 +0000] request: 记录请求的url与http协议, “GET /images/my.jpg HTTP/1.1″ status: 记录请求状态,成功是200, 200 body_bytes_sent: 记录发送给客户端文件主体内容大小, 19939 http_referer: 用来记录从那个页面链接访问过来的, “/A00n” http_user_agent: 记录客户浏览器的相关信息, “Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.66 Safari/537.36″ 一般网站每天会产生1G以上Web日志文件。大型或超大型的网站，可能每小时就会产生10G的数据量。 二、面向Web日志数据的个性化推荐：Web使用挖掘(1) Web使用挖掘(Web Usage Mining WUM)是使用数据挖掘技术分析网站服务器上的Web 日志数据，发现、抽取出消费者的访问行为模式和兴趣，获得潜在有用的知识的过程。 WUM涉及的数据变量一般包括用户访问的URL、页面的大小、请求的时间、在页面上停留的时间、请求者的地址、用户、服务器状态等。 WUM一般需要经过数据预处理、模式发现、模式分析等过程。 预处理的目的是为模式发现阶段提供可靠完整的数据源，主要包含两项任务：数据清洗和事务识别。 模式发现是根据具体的目标需求选择某种发现技术(如关联规则发现、序列模式发现、聚类和分类等)挖掘访问记录中的访问模式。 模式分析的目的是使所发现的用户模式易被理解和使用。 * 二、面向Web日志数据的个性化推荐：Web使用挖掘(2) WUM有广阔的应用领域，可提供Web个性化、在线推荐、商务智能、寻找目标客户等营销手段，还可改善系统安全、负载平衡、站点结构等系统性能。 * Web挖掘 Web内容挖掘 Web使用挖掘 Web结构挖掘 个性化 系统改善 网站修改 商业智能 使用特性 二、面向Web日志数据的个性化推荐：Web使用挖掘 案例介绍某电子商务网站，在线团购业务。每日PV数100万，独立IP数5万。用户通常在工作日上午10:00-12:00和下午15:00-18:00访问量最大。日间主要是通过PC端浏览器访问，休息日及夜间通过移动设备访问较多。网站搜索浏量占整个网站的80%，PC用户不足1%的用户会消费，移动用户有5%会消费。通过简短的描述，可以粗略地看出，这家电商网站的经营状况，并认识到愿意消费的用户从哪里来，有哪些潜在的用户可以挖掘，网站是否存在倒闭风险等。KPI指标设计PV(PageView): 页面访问量统计 IP: 页面独立IP的访问量统计 Time: 用户每小时PV的统计 Source: 用户来源域名的统计 Browser: 用户的访问设备统计 * 二、面向Web日志数据的个性化推荐：WUM方法(1) 1、聚类 聚类(clustering)是把不同的对象按照相似性聚集成不同的类别，从而使人们可以更加系统地研究各类事物的特征。WUM中的聚类分析主要有用户事务聚类和页面聚类。 用户事务聚类是分析各访问序列(会话、事务)之间的相似性，形成具有相似兴趣和特性的一组事务，其目标是试图找到具有共同兴