web使用挖掘技术在电子商务用户行为分析中的应用

《web使用挖掘技术在电子商务用户行为分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第３０卷第１７期甘肃科技Ｖｏｌ３０Ｎｏ１７２０１４年９月ＧａｎｓｕＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＳｅｐ２０１４Ｗｅｂ使用挖掘技术在电子商务用户行为分析中的应用章印（兰州商学院信息工程学院，甘肃兰州７３００２０）摘要：目前电子商务网站争夺用户的竞争愈演愈烈，用户的浏览兴趣、行为模式是电子商务从业者关注的重点。充分利用数据挖掘技术，可从Ｗｅｂ服务器日志文件和客户交易数据中，挖掘出有意义的用户访问模式和潜在的客户群。首先介绍了Ｗｅｂ使用挖掘及其过程，然后分析了应用于电子商务用户行为分析中的Ｗｅｂ使用挖掘技术，最后从制定网络营销计划、降低客户开发成本、争取最高限度利用现有

2、客户和为客户定制个性化界面４个方面阐述了Ｗｅｂ使用挖掘技术在电子商务用户行为分析中的应用。关键词：Ｗｅｂ使用挖掘；用户行为分析；客户分类；关联规则中图分类号：ＴＰ３１１．１３随着网络技术和数据库技术的不断发展，电子据库进行挖掘的Ｗｅｂ内容挖掘（Ｗｅｂｃｏｎｔｅｎｔｍｉｎ商务已经进入飞速发展阶段。电子商务是对传统商ｉｎｇ）、以Ｗｅｂ本身的超连接为对象的Ｗｅｂ结构挖掘务的重大变革。在电子商务模式下，顾客可以突破（Ｗｅｂｓｔｒｕｃｔｕｒｅｍｉｎｉｎｇ）和Ｗｅｂ使用挖掘（Ｗｅｂｕｓａｇｅ地域和品牌的限制，有了更大的选择空间，追求更好［１］ｍｉｎｉｎｇ）三个方面。其中，Ｗｅｂ使用挖掘主要通

3、过的购物体验。这对电子商务的经营者提出了更高的分析用户访问Ｗｅｂ的记录，了解用户的兴趣和习要求，如何通过用户的行为和购买意向，发现消费的惯，对用户的行为进行分析和预测。爱好和消费趋势，改善网站结构，设计更好产品销售Ｗｅｂ使用挖掘在分析电子商务用户行为中有策略，减少商业成本，提升服务水平，是目前电子商重要应用，通过挖掘用户在Ｗｅｂ上的访问记录，寻务急需解决的问题。找日志记录中的规律，发现用户访问Ｗｅｂ页面的模式，识别用户的喜好度、满意度、忠诚度，理解用户意１Ｗｅｂ使用挖掘及其过程图，进而挖掘潜在用户。１．１Ｗｅｂ使用挖掘１．２Ｗｅｂ使用挖掘过程Ｗｅｂ挖掘是数据挖掘技术在Ｗｅｂ上的应用

4、，是Ｗｅｂ使用挖掘过程分为数据采集、数据预处从与ＷＷＷ相关的资源和用户浏览行为中抽取感［２］理、模式发现和模式分析４个阶段如图１所示。兴趣的、有用的模式和隐含信息的过程。目前Ｗｅｂ挖掘的研究分为针对Ｗｅｂ页面内容及后台交易数图１Ｗｅｂ使用挖掘过程模型基金项目：本文是甘肃省科技计划资助项目（１３０５ＺＣＲＡ１５０）和兰州商学院科研项目资助项目（ＬＺ２０１２０３）成果之一。第１７期章印：Ｗｅｂ使用挖掘技术在电子商务用户行为分析中的应用１７１）数据采集：数据采集是Ｗｅｂ使用挖掘的第一趣度的两种度量，它们分别反映所发现的规则的有步，也是后续模式发现和模式分析的基础，数据采集用性和确定性。

5、所获得源数据质量直接关系到最终挖掘结果的质例如，一个零售业的数据挖掘系统可能发现如量。目前，主要的数据来源有３种：从服务器端数下形式的关联规则：据、客户端数据、中间数据；年龄（Ｘ，２０～３５岁），年薪（Ｘ，６００００～８００００２）数据处理：数据处理就是将那些大量的、杂元）→（购买（Ｘ，摄像机））；乱的、不一致的源数据进行过滤、清理、变换、集成后支持度＝５％，置信度＝６８％转入到数据仓库中，以备后用。数据预处理工作中，其中Ｘ是变量，表示顾客。该规则表明，在该主要包括：数据清理、用户识别、用户会话识别、数据零售业数据库系统中，年龄在２０～３５岁且年薪在［３］格式化；６００００～８００

6、００元之间的顾客中５％的人购买摄像机３）模式发现：经过数据处理后存入到数据仓库的可能性有６８％。该关联规则的条件含有一个以［６］中的数据量还是巨大的。模式发现就是利用挖掘算上属性，这种管理规则称为多维管理规则。法从数据仓库中挖掘出有效的、新颖的、潜在的、有２．３分类分析［４］用的及最终可以理解的信息和知识；分类规则主要是根据用户群的特征挖掘用户群４）模式分析：使用Ｗｅｂ使用挖掘技术挖掘出来的的访问特征。在电子商务中，分类技术主要应用客模式，需要合适的工具和技术对其进行分析和解释，从户分类中。通过分析电子商务客户数据库中的数中筛选有用的模式，使之成为人们可以理解的知识。据，得到客户分

7、类模式后，然后用这个分类规则对新模式分析的目的就是把发现的规则模式转化为知识。的客户进行分析，发现新的客户属于那一个类别，就可以针对不同类客户的特点展开不同的商务活动，２电子商务用户行为分析中的Ｗｅｂ提供有针对性的个性化的服务。使用挖掘技术２．４聚类分析２．１关联规则分析聚类技术是对符合某一访问规律特征的用户进关联规则分析的目的就是为了挖掘出隐藏在数行用户特征挖掘。聚类分析可以从Ｗｅｂ访问信息据间的关联规则。在电子商务用户行为分析中关联数据中聚集出具有相似特性的那些客