工具之家 > 现代电子技术 > 基于聚类分析的电子商务用户行为识别

基于聚类分析的电子商务用户行为识别

发布时间:2019-03-15 02:15:01 文章来源:工具之家    

 推荐工具:金融理财app工具实用工具

范颖+史梁+邹香玲

摘 要: zai实际dianzishangwu企业fazhanzhongshibiedianzishangwuyonghuxingweiduidianzishangwuyonghu行weijin行行zhiyou效de评估选择chu最优dedianzishangwuyonghu营销jueceyi达chengdianzishang务yonghu营销目de应yongjuleifenxifangfa通guoduidianzishang务yonghude行weijin行ju类fenxishi别ke以优hua制定chu适合dianzishangwuyonghu营销defazhanjuecejie论证实jiyuju类fenxifangfake以正确shi别dianzishangwuyonghu行wei,wei优化dianshangshang务yonghu营销决ceti供科学依ju

关键词: 聚类fenxi yonghu营销; dianzishang务; 用huxingwei识别

zhong图fen类号: TN99?34 文xian标识码: A 文章bian号: 104?373X2017)15?0150?03

Abstract: In the actual development of the practical e?commerce enterprises, how to identify the e?commerce user behavior, evaluate the e?commerce user behavior effectively, and choose the optimal marketing decision of the e?commerce user is the purpose to realize the e?commerce user marketing. The cluster analysis method is used to perform the cluster analysis and recognition for the e?commerce user behavior, which can work out the development decision suitable for the e?commerce user marke?ting. The conclusion proves that the identification based on cluster analysis method can identify the e?commerce user behavior correctly, and provide a scientific basis for the optimization of the marketing decision of e?commerce business user.

Keywords: cluster analysis; user marketing; e?commerce; user behavior identification

0 引 言

在电zishang务发展中jin行聚类fenxi,对改进电zishang务发展决策发挥着积极影响[2]。tong时,在dianzishang务企业经济发展guocheng中yingyong聚类分析fangfa,通guomoshi识别、市场研究以及shuju分析等多种方式分析电zishangwu用hu行为,识别电子shang务用hu行为mo式,不仅you助于电子商务人员制定电商用hu营销mo式,提升用户gou买决策,也可以bangzhu市场分析人员应用聚类分析方fagenju用户购买模式,从电子商务用户行为库中发xianbutongdeyong户行为qun[3?4]。在电子商务中应用聚类分析方法可以有效推导对植物、dong物以及人de行为jinxing分类,并且huan可以genju不同种类xiang似功能de因素进行分类以获得种群内常见dejie构认识,将相似du高deshujuji合在一起,从erwa掘chu有用deshujuxin息,以预测规划shujubian化规lv[5]。在实际中,相对于电子商务用户行为de分类而言,应用聚类分析方法可以根据观察得出电子商务用户行为de组xinxi,有效洞察电子商务用户xiaofei者在wang上de购物活动行为模式,以便分析识别用户行为,并结合电子商务发展的te点优化电子商务用户发展决策,为电商用户提供优zhi的电子商务服务。由于shuju中存在不规律和wang站的各种噪声,benwen通guo研究商务营销策lue优化问题,为提示数据隐藏的规律cai用一种有效双路凝聚信息数据分析方法,建立有关动tai模型,能发现电子商务数据中隐藏的用户购物行为特点及模式,帮助电子商务网站zuo出正确决策,根据信息熵li论提出一种双路聚类模型进行仿真。

1 聚类分析suan法

在聚类分析中可以根据信号分析理论,zhen对信号高频部分中快速变化的对应特征kong间数据点,将其zuowei聚类分析中的边界;将信号低频部分作为聚类本身。

在聚类分析suanfazhong,假设类簇中心由ju部密度低的dianwei绕,定义局部密度zhi为低密dudian到高局部密度点的距离wei聚类分析公式表示为

选择为每ge点ping均邻ju数点的1%~2%,则表示为:

聚类分析中密度最da的点, 设置为:

聚类分析的核心si想是:针对给定的空间对象集,通过检测簇为空间内的对象分配各自的簇标签,然后通过小波变换方式转换原特征中的空间,从而找到新空间中存在的密集区。通过聚类分析,可以把用户群对象集合根据指定用户行为模型进行分类,根据输入多维数据对象的特征xiangliang,从而根据不同的分类结果得出聚类对象。

2 对电子商务用户行为进行识别分析的目标

(1) 分析电子商务客hude行为习惯及其收益

在对电子商务用户行为进行分析中,可以根据用户在电商平taizhong的购买记录识别客户购物的价值,然后根据价值对电子商务客户进行分类[6],有助于在今后电商chan品销售中根据用户行为习惯制定销售决策。

(2) 分析识别客户对电子商务chan品的yi见

在电子商务中,可以根据不同的客户对各种电子商务产品提出的不同意见识别用户对产品的意见。还可以在电子商务平tai推出新产品,或是推出新服务时可以根据客户行为分析得出客户对电子商务新产品的接受程度,优化制定电子商务产品的营销celue。

(3) 分析客户对电子商务平台的zhongcheng度及潜在客户

jiyu聚类分析方法,对电子商务用户行为进行识别,对用户行为识别,量化具ti用户行为识别指标,从而分析评价用户对电子商务企业的信任度[7?8]。对电子商务用户行为进行识别,有效维持、增强客户同企业的感情纽带,提高电子商务企业竞zheng力。

基于聚类分析方法,xitong分析预测电子商务潜在客户的行为,在电子商务平台中找出最有可能cheng为自己客户的群体,调整电子商务平台的yun营规划,针对这些群体展开营销xuan传,吸引更多的客户,kuo大电子商务企业的发展。

3 基于聚类分析识别电子商务用户行为的步骤

3.1 电子商务用户行为建模

本文中suo选电子商务用户行为数据主要来自A地互联网电商数据网中的400例用户行为日zhishu据集。采集电子商务用户ming、用户的上网时间、用户浏览网页的网址信息以及用户nianling等信息[9]。然后,应用聚类分析方法分析用户的电子商务行为,实现对用户在电子商务中的喜好进行划分,建立可以反映用户特征的多维数据特征项,对用户行为进行建模。

3.2 聚类分析

将电子商务用户行为表示为用户在使yonghu联网过程中,应用不同网luo程序(访问Web网页、网络xinwen、电子商务网站、电子游戏)等所消耗流量的比例,如下式所shi

式中表示用户使用网络的流量消耗。

应用聚类分析方法,根据用户在电子商务网站中的行为方式分析统ji用户使用电子商务的日志数据。然后从数据中抽取出有用deshu据项,并jiangyonghushang网时间、用户名、用户上网应用以及用户所耗流量数据等作为用户行为特征。根judian子商务用户行为原始变量进行聚类分析。

3.3 聚类分析结果

实际中,由于电子商务用户行为样本数较大,可以应用迭代聚类方法将电子商务用户行为样本聚类为三类yusi类分析。进一步应用因子得分方法进行聚类分析,得出的三类、四类结果如表1~表4所示。

经过聚类分析,电子商务用户中,137人为年轻chuang业型用户,这部分用户的经济状况不是很好,对电子商务消fei态度比较谨慎,个性比较平和稳重,个人看重家庭yu婚姻sheng活;创业型用户对电子商务的消费态度最为友好,sheng活态度比较baoshou。123人为中产稳健型用户,这部分用户的经济状况小康,预期sheng活保守,喜欢尝shi新事物,享shousheng活质量,对电子商务购物有极大兴趣;用户在使用网络方mian,多是在周末或是在工作日的中午闲暇时间。同时,部分用户也习惯应用网络在电子商务平台中购物,是电子商务平台中的主要购物人群。140人为保守低调型,不太追求时尚,消费观念较强,不大愿意尝试新事物,喜欢在周末玩网络游戏,用户在工作日的电子商务行为习惯与周末差异较大,hushi电子商务购物。

4 基于聚类分析方法优化设计电子商务用户行为识别决策

4.1 xifen电子商务客户群

在电子商务用户行为识别中,基于聚类分析,根据用户的消费行为可以细分电子商务平台中的客户群,然后将有同质分类的客户划分到同一个群体中,从而根据不同用户的消费行为为不同的用户群制定不同的电子商务用户营销决策。

4.2 精选电子商务营销目标客户

基于聚类分析方法,可以根据用户的消费特征,从聚类算法数据库中精选出社会中潜在的电子商务目标客户,降低营销chengben,展开电子商务客户营销活动。同时,针对电子商务中创业型的消费者,由于其在电子商务平台中的消费态度较为谨慎,针对这部分客户行为识别结果jing济情况以及消费心理,能gou推出一些价格适中、时尚创新的电子商务产品。同时,电子商务企业在发展过程中注意guanzhu这部分创业xingxiao费者的心理需求jin力提升电子商务产品对用户的吸引度,精确定wei电子商务营销用户群体。

4.3 避免客户群流shi

基于聚类分析方法,有效找出用户与购买电shangchan品之间的关系,然后根据得到的数据关联知识推荐用户多购买产品,实现交叉销售,提高电子商务客户的价值,通过识别用户行为对其开展渗透性增值营销。电子商务企业在发展过程中应该加强对保守低调型消费者的电商产品宣传工作,多与用户交流,多为其提供关于电子商务产品的更多信息,強调电子商务产品的高质量、高安quan性的特征,以吸引这部分用户,避免电子商务中保守低调型用户流失。

4.4 分析用户欺诈行为

应用聚类分析方法提取电子商务网站欺诈用户的客户信息,分析电子商务中用户欺诈行为的潜在特征,从而建立电子商务欺诈行为预警模型,确保能针对电商欺诈及时采取有效的控制措施,将电子商务网站运营风险降到最低,杜jue电子商务用户欺诈行为的发生。

4.5 确定电子商务产品的营销渠dao

在电子商务发展中,基于聚类分析方法,根据电子商务客户消费行为的不tong可以采用挖掘数据技shu定位客户在电子商务中的订购渠dao,从而根据电子商务网站中提供dechan品业务特征优化合理地布局电子商务中的产品渠dao,制定基于用户购物习惯的渠道营销策lue,提升电子商务产品渠道的利用率,提升客户对电子商务平台产品的感知度。

5 结 论

本文通过研究电子商务用户行为,基于聚类分析方法,识别电子商务用户行为,nenggou在海量的、不规则的电子商务用户行为数据中发现潜在用户行为的数据模式,从而揭示出电子商务用户行为数据中隐藏的规律,以便能够为电子商务用户营销人员制定营销决策做出有lide数据支撑,取得较好的应用效果。应用聚类算法在识别电子商务用户行为中,能够预处理电子商务用户行为原始数据,提取有价值的电子商务用户行为识别信息,有助于防范电子商务运营风险,降低电子商务营销成本,拓展电子商务平台中用户的成功购物率,增强电子商务平台的发展效益,为电子商务发展提供有效的用户营销决策,提升电子商务市场竞争力。

参考文献

[1] 李乔,he慧,方滨兴,等.基于信任的网络群体异常行为发现[J].计算ji学报,2014,37(1):1?14.

[2] 袁春阳,李青山,wang永建,等.基于行为与域名查询关联的僵尸网络聚类联动监测[J].计算机应用研究,2012,29(3):1084?1087.

[3] 孟caixia,陈红玉.基于TF?IDF改进聚类算法的网络敏感信息挖掘[J].xian代电子技术,2015,38(24):44?46.

[4] 于晓聪,董晓梅,于ge,等.基于主机行为异常的P2P僵尸网络在线检测方法[J].小型微型计算机系统,2012,33(1):11?17.

[5] 郭富强.基于SOM网络deyi托机构办学行为聚类分析[J].陕西广播电视大学学报,2016,18(1):18?21.

[6] 王帅鹏,赵凯.基于图像处lide人员异常行为监测设计[J].现代电子技术,2015,38 (6):111?114.

[7] 陈嘉翼.基于小波聚类的网络用户行为分析[J].计算机光盘软件与应用,2015(1):45?46.

[8] 陈季梦,陈佳jun刘杰,等.基于结构相似度的大规模社交网络聚类算法[J].电子与信息学报,2015,21(2):449?454.

[9] 薛黎明,栾维新.聚类算法在高校网络用户行为分析中的应用[J].现代电子技术,2016,39(7):29?32.

[10] 谢卓.基于聚类学习算法的网络入侵检测研究[J].现代电子技术,2012,35(2):91?93.

现代电子技术 2017年15期

现代电子技术的其它文章 cha分进化算法和神经网络的车牌zidong识别模型 一种新型电动汽车充电桩控制系统设计与应用 滑模控制在两级级联光fu发电系统中的应用 基于改进型NRD的电力信息系统需求调研方法应用 基yuyi群优化算法的物流配送路jing研究 考虑图书馆图书gongying需求的采购算法研究
转载请注明来源。原文地址:https://www.5420.com.cn/view/2019/0315/12934/
 与本篇相关的热门内容: