论电子商务中基于Web挖掘的客户行为.doc

论电子商务中基于Web挖掘的客户行为论电子商务中基于Web挖掘的客户行为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。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意向，对一个购物网站而言，如果能从众多的访问者中发现潜在客户群体，就可以对这类客户实施一定的策略，使其尽快成为在册客户群体。 从Web站点有向图G的结点集N中可以得到该结点的所有URL，从相应的结点属性集Np中可以获得访问每一个结点的USERID及相应的访问次数。在此用hi，j表示j客户在一段时间内访问第i个URL的次数，根据交易数据库，若客户仅作了浏览而并未与商家成交，且浏览次数超过指定阈值，那么，此相似客户群体为潜在客户群体。2.发现重要页面。通过Web数据挖掘工具，可发现电子购物网站内的所有页面中的重要页面（用户访问次数比较多的页面），这样就可将重要的分类信息及促销信息放在这些页面上，从而达到吸引客户、由潜在客户群体转变成在册客户群体的目的。发现重要页面的算法如下：根据公式计算出用户对各页面的访问情况，构成访问集y=y1，y2，yn，其中，i=1，n；根据公式，计算出yi个页面weight值，构成访问权重集合WEIGHT=weight1，weight2，weightn，其中yiY，i=1，n；for i=1 to n sort WEIGHT集合，排在前面的页面即为重要页面。 （二）客户细分客户细分就是按照客户的特征或共性，把一个整体的客户群以相应的变量划分为不同的等级或子群体，以便从中寻找共同的要素，分门别类地研究客户的心理与需求，并进行有效的客户评估，合理分配服务资源，成功实施客户策略，从而为企业充分获取客户价值提供理论和方法指导。 （三）客户盈利能力分析客户盈利能力直接跟企业的利润相关， 明确客户的盈利能力，企业才有可能采取更有效的营销策略。不同客户的获利能力是不同的，企业可以根据累积的销售数据，利用Web数据挖掘技术分析客户盈利能力。例如，可根据客户盈利数据将已有客户分为不同的盈利群，对企业的VIP客户可以提供最优质的服务，提高他们对企业的忠诚度和满意度，保证企业的盈利能力。（四）客户保持客户保持的任务是留住可能流失的客户。首先要找出哪些客户可能流失，这就是Web数据挖掘要解决的问题。Web站点的设计一般遵循一种分类结构，即一个页面下的子页面的组织是根据其子页面的类别来安排的。用户对Web站点访问，反映了用户的兴趣爱好。通常用户浏览某Web页面所用的时间与该Web页中字符的数目的比值能有效地揭示用户兴趣。用户在不感兴趣的页面的访问时间较短，在感兴趣的页面停留的时间较长。可以利用用户浏览路径信息和时间信息挖掘用户对页面或商品的感兴趣程度。用户UID对页面Page的兴趣度I可用如下公式定义：其中，路径因子可以根据Page在用户会话有意义的访问路径P中的深度设定。例如：若Page是P的终点，则Page的路径因子设为大于1的值；否则设为1。这样的兴趣度定义综合考虑了用户浏览路径信息和时间信息，能更准确地反映用户对当前页面感兴趣的程度，可作为站点优化和个性化推荐的依据，从而达到吸引客户的目的。 （五）防范客户的欺诈行为防止客户的欺诈行为，可以使企业避免意外风险，保持业务的正常化。利用Web数据挖掘技术中的神经网络算法模型，分析有欺诈行为的客户群数据，建立欺诈模型，然后测试现有的客户行为数据，找出那些具有欺诈行为的客户。也可以利用Web数据挖掘技术中的孤立点分析模型，找出现有客户行为数据中那些不同的客户数据来进行防范。但是应该注意到，客户的欺诈行为发生的概率很低，在利用Web数据挖掘技术分析时结果要有很高的可信度。 （六）升级客户运用Web使用挖掘的聚类功能可按照不同的标准，比如：客户的消费心理、消费习惯、购买频率、对产品的需求或对产品获利的贡献来划分不同的用户群体，以实现对客户的针对性服务及开发针对性的产品，以提高客户的满意度，最大限度地 挖掘客户对企业的终身价值。通过这样的细分类有助于企业根据客户的不同特征提供差异化的服务。通过该Web挖掘工具，可及时了解客户对服务的满意度及其要求。对于客户的变动要及时跟踪分析，获得客户新消费的地点、产品名称和性能、数量等，以便及时分析客户的变动原因，并尽快修正现有的服务质量，改进产品性能，防止客户群体大量的流失，从而减少损失。同时便于把握企业产品的未来走向和总体的服务方向，从而指导企业重点突出地、合理地配置资源，改进企业的产品和服务，为客户提供“一对一”的个性化服务，从而帮助企业获得更大的竞争优势。 Web使用挖掘技术用于电子商务网站可挖掘出网站经营管理方面的许多有用信息，如潜在客户群体信息、重要页面信息、用户的兴趣爱好信息等，从而为购物网站在客户获取、客户保持等方面策略的制定提供一定的依据，促进购物网站健康、有序的发展。然而Web挖掘给电子商务带来新机遇的同时，也带来潜在的问题隐私安全问题。网络的特点使得我们