电子商务中基于Web挖掘客户行为探讨.docVIP

电子商务中基于Web挖掘客户行为探讨 　　内容摘要：在电子商务发展的过程中，客户行为分析的问题越来越突出。如何保持现有客户、发掘潜在客户；如何对客户成功实施交叉销售或关联销售；如何防范客户的欺诈行为等成为电子商务成败的关键问题。而Web数据挖掘作为一种最新的Web信息分析技术，成为企业更好运行电子商务的解决方法。 　　关键词：电子商务 Web挖掘 客户行为 　　引言 　　客户行为信息是指与客户行为相关的，反映和影响客户行为和心理等因素的相关信息。企业建立和维护这类信息的主要目的是为了更有效地帮助企业的营销人员和客户分析人员深入理解影响客户行为的相关因素。客户行为信息包括客户满意度、客户忠诚度、客户对产品与服务的偏好或态度等。大多数的营销商都了解收集客户信息的重要性，但同时也知道客户行为信息往往较难以直接采集和获得，即使获得了也不容易结构化后导入到业务应用系统和客户分析系统。数据挖掘技术可利用数据识别和跟踪模式帮助企业把看似无关的数据经过层层筛选出有用的数据。因此，利用强大的用户行为建模能力与海量数据挖掘技术，对客户静态数据与动态行为数据进行分析与处理，将分析结果直接写入转为数据库营销设计的海量数据库，作为结构化的、面向分析的信息，可供决策人员随时使用。 　　Web挖掘分类及关键技术 　　Web挖掘一般可以分为三类：Web内容挖掘（Web content mining）、Web结构挖掘（Web structure mining）、Web使用挖掘（Web usage mining）。 　　（一）Web内容挖掘 　　Web内容挖掘（Web Content Mining）可以看作是Web信息检索（IR）和信息抽取（Information Extraction，IE）的结合，是从文档内容或其描述中抽取知识的过程。Web文档文本内容的挖掘，基于概念索引的资源发现以及基于代理的技术都属于这一类。Web内容挖掘有两种策略：直接挖掘文档的内容，或在其它工具搜索的基础上进行改进。 　　内容挖掘采取的方法有：一是数据库方法：把半结构化的Web信息重构的更结构化一些，然后使用标准化的数据查询机制和数据挖掘的方法进行分析；二是对HTML页面内容直接进行挖掘，对页面中的文本进行文本挖掘，对页面中多媒体信息进行多媒体信息挖掘。 　　（二）Web结构挖掘 　　由于Web页面具有比纯文本更为丰富的结构，不仅具有文本信息，而且具有表示页面之间关系的链接，人们可以从网页之间的链接数了解哪些网站的内容更受欢迎。而且，人们还可以通过这些链接数了解一个网站的内部结构。在Web结构挖掘领域最著名的算法是HITS算法和Page Rank算法。其共同点是使用一定方法计算Web页面之间超连接的质量，从而得到页面的权重。著名的Clever和Google搜索引擎就采用了该类算法。 　　（三）Web使用挖掘 　　Web使用挖掘是用挖掘Web服务器日志获取的信息来预测用户浏览行为的技术，指从用户的访问日志中挖掘用户的访问模式。Web内容挖掘和Web结构挖掘的对象是网上的原始数据，而Web使用挖掘的数据来自于用户使用网络的过程中，即在用户和网络交互的过程中抽取出来的第二手数据，这些数据包括Web服务器的访问记录、代理服务器日志文件、浏览器日志记录、用户注册信息、用户对话或交易信息等其它信息。现在研究较多的是对日志文件的挖掘。 　　利用Web挖掘技术，可以根据客户的访问模式对客户进行分类，发现和吸引潜在客户，为用户提供自动化的个性化定制服务，比如建立推荐系统，根据用户的浏览信息向他们推荐相关的内容（如产品、广告、相关链接等），提高顾客的满意度，动态合成符合用户兴趣的网页，改进Web空间的组织结构等。 　　Web使用挖掘在客户行为中的应用 　　如今，Web使用挖掘已经成为站点个性化推荐的主流方法，将Web使用挖掘技术应用于电子商务网站，可以发现许多有用信息，从而达到获取新客户、留住老客户以及对客户升级的目的。可以从产品出发找出客户浏览产品的完整路径，转换为客户浏览的无序产品组，进而详细地分析客户的浏览目的，得出客户浏览的特征，最终对客户细分。并根据客户的细分，按聚类结果得到的细分规则对在线浏览的客户进行识别和判断，预测客户的需求特征，从而做出推荐和提供个性化的营销策略。同时还可以进行站点的改进，让客户在浏览的时候更方便、更直接选择自己的需求。Web数据挖掘技术在客户行为分析中主要用于客户发现、客户细分、客户盈利能力分析、客户的保持、防范客户的欺诈行为。 　　（一）客户发现 　　对新客户的获取有很多方法，本文主要从发现潜在客户群体及发现重要页面（通过在重要页面上放置促销等重要信息，从而达到吸引客户的目的）两方面来讨论。 　　1.发现潜在客户群体。用户在网站上的浏览行为反映了用户的兴趣和购买