2018基于ＷＥＢ访问信息挖掘提高电子商务个性化服务研究

8234879

　　　[摘 要] 随着Internet的发展，个性化信息服务已经被广泛应用到很多领域.本文阐述了电子商务个性化服务的数据挖掘方法，并对电子商务个性化服务的实现进行了探讨。
　　[关键词] 数据挖掘 Web访问信息挖掘 个性化服务 电子商务
　　
　　一、引 言
　　随着internet技术的发展，个性化信息服务已经被广泛应用到很多领域：如个性化导航、个性化网站等。尤其是在电子商务领域，对用户进行个性化服务，已经成为许多电子商务企业追求的目标。
　　WEB访问信息挖掘就是对用户访问WEB时在服务方留下的访问记录进行挖掘，即对用户访问WEB站点的存取方式进行挖掘。挖掘对象是在服务器上的包括server log data等在内的日志文件记录。
　　二、电子商务个性化服务的数据挖掘方法
　　访问信息挖掘是在电子商务上进行知识发现，最关键的是进行客户访问信息的挖掘，得到客户的浏览行为和访问模式，从而发现客户的兴趣、爱好等有用的市场信息,最常用的挖掘方法有：
　　1.路径分析
　　常用于判定在一个web站点中最频繁访问的路径。如：80%的用户在存取/company/prodcut1时是经过/company/new。通过客户访问的路径分析，可以改进页面和网站目录结构的设计，使用户直奔所需，减少客户的流失率。
　　2.关联规则挖掘
　　使用关联规则挖掘可以从WEB访问事务集中，找到一般性的关联知识。如：30%的客户在访问/company/prodcut1也访问了/company/prodcut2。利用这些相关性，可更好地组织WEB空间，实施有效的营销策略。
　　3.序列模式发现
　　序列模式发现就是在时间戳有序的事务集中，找到那些“一些项跟随另一些项”的内部事务模式，即挖掘出交易集之间有时间序列关系的模式。如：在company/prodcut1上进行订购的用户中有60%的在一个月内也订购了company/prodcut2。序列模式发现能够预测客户的访问模式，了解客户的兴趣及需求所在，采取有针对性的广告服务，以满足访问者的特定要求。
　　4.分类
　　分类就是为具有某些公共属性的特定群体建立概要特征，这些特征可以用来对新增到数据库里的数据项进行分类。如学生用户一般感兴趣的页面是company/prodcut1。分类能够使商家根据访问网站的人口统计学信息和用户的访问模式得出访问某一商业网站的用户轮廓特征。对用户分类后，就可以发现未来的潜在客户并开展有针对性的商务活动。
　　5.聚类分析
　　聚类分析可以从服务器访问信息数据中聚集出具有相似特性的客户组，即把有相似特性的用户、数据项集合到一起。如自动给一个待定的顾客聚类发送销售邮件。通过这些举措使商务活动能够在一定程度上满足客户的要求，实现目标营销。