基于大数据的线上线下电商用户数据挖掘研究(2)

第2期　　　　　　　　　　　徐国虎,等:基于大数据的线上线下电商用户数据挖掘研究

103

的用户数据等.用户数据以“流”的形式创造,由于3个数据源之间有交互,且其数据内容往往交叉,所以按照Needlebase交易、互动及观测数据进行分类,然后通过收集.

等工具在用户消费的过程或其它行为中数据转化及数据抽取(2)数据预处理..数据预处理包括了数据准备数据预处理决定了挖掘结果、

的质量,从某种程度上来看,数据预处理往往左右着数据挖掘的成败.

由于原始数据中有噪声数据、冗余数据及缺失值等,数据准备过程中对数据进行解析、清洗、重构,并填补缺失值以提高待挖掘数据的质量.然后对通过数据准备的非结构化、半结构化的数据处理成机器语言或索引,如自然语言用户评论、日志资料

等

转换成加权逻辑或是模糊逻辑,并且不同的

词语映射到标准的值;将结构化数据进行数据过滤,提炼出有意义数据,剔除无效数据以提高分析效率.最后进行数据抽取,即检测数据的相关性和关联性:关联的数据表现出更多的特定用户活动特征,关联的数据本身也可以用于个性化服务,例如从用户购买数据和时间数据的关联性中,可能会发现购买特定商品的频率;数据融合是将相关联的数据连接在一起形成一个新的商业应用.

据不同的应用需求选择不同的挖掘模型(3)数据挖掘及其应用.在数据挖掘过程中,对数据进,根

行深度挖掘.其中主要模型有:关联规则分析、分类

分析、等分类,聚类分析等这些用户模型将人以性别,当前数据挖掘也存在一些用户模型[8].得到数据挖掘结果后,对其进行解释应用、种族、年龄和兴趣,Web一般挖掘应用包括排名与个性化推荐挖掘与搜索、大数据的可视化计算与分析等、异常检测.

、2.3　数据挖掘通过预测未来趋势及行为O2O电商用户数据挖掘方法

,做出前摄

的、基于知识的决策.利用数据挖掘进行数据分析常用的方法主要有分类、聚类、关联规则等,它们分别从不同的角度对数据进行挖掘.O2O电商用户数据挖掘的方法主要有关联规则分析、分类与聚类分析、社会网络分析、变化与偏差分析[9]关联(1)、因果关联关联规则分析.在O2O.关联可分为简单关联.

模式中,通过对用户数据进、时序

行挖掘,可以从大量的记录中发现其关联关系,找出影响用户行为的关键因素,为用户需求、用户细分、风险评估和诈骗预测等决策支持提供参考依据(2)分类与聚类分析.分类是找出数据对象的

.

共同特点并按照分类模式将其划分为不同的类,其目的是通过分类模型,将数据项映射到某个给定的类别.它可以应用到O2O用户的分类、用户属性和特征分析、用户满意度分析、用户购买趋势预测等.在O2O用户数据挖掘中,聚类分析是细分市场的有效工具,被用来发现不同的客户群,研究消费者行为,并且通过购买模式刻画不同的客户群体特征.它可以应用到O2O用户个体归类、用户背景与兴趣分析、用户购买趋势预测等体、群体或社会(3)社会网络分析)所构成的关系结构及其属性.主要分析不同社会单位.

.它关(个

注O2O用户之间的关系而非用户的属性,通过研究用户之间的关系借以描述和测量通过这些关系流动的各种有形或无形的东西多潜在的知识(4)变化和偏差分析,如分类中的反常实例.,如信息变化和偏差分析包括很

、资源等.

、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等.它可以应用到O2O用户异常信息的发现、分析、识别、评价和用户流失预警等方面.

3　大数据环境下挖掘的应用

O2O电商用户数据

析,挖掘出用户的行为特征O2O电商用户数据挖掘应用、消费习惯和兴趣焦点,通过数据深度分

,让O2O电商各参与者获得具有极大价值的知识.面向O2O电商平台,O2O电商用户数据挖掘可以帮助平台制定更加精准有效的营销策略;面向O2O商家,大数据挖掘可以使线下商家实时掌握市场动态并迅速做出应对;面向O2O用户,大数据挖掘可以帮助O2O平台及O2O商家为其提供更加及时、经3.济和个性化的服务1　.

3.1.1　面向O2O平台的数据挖掘应用对O2O实施精准营销

平台来说,用户数据挖掘代表着更细化的市场、更精准的用户行为预测、更精确的用户需求.通过收集、加工和处理涉及用户消费行为的大量信息,确定特定用户群体或个体的兴趣、消费习惯、消费倾向和消费需求,进而推断出相应用户群体或个体下一步的消费行为,然后以此为基础,对所识别出来的用户群体进行特定内容的定向营销,这与传统的不区分用户对象特征的大规模营销手段相比,节省了营销成本,提高了营销效果,提升了平台的价

104

中南民族大学学报(自然科学版)　　　　　　　　　　　　　　　　　第32卷

值和锁住大量高粘度的消费者,进而能争取到更多的商家资源.此外借助数据挖掘,O2O平台还可以有效的、低成本的识别高价值用户,将这些用户与其它普通用户区分出来,针对他们的特点进行特别服3.1.2　优化O2O平台网站务以获得更高的收益.

模,然后对用户评论数据、用户交易数据进行分析,评估商家的欺诈倾向,或采用数据挖掘孤立点分析技术,在对商家进行分析时找到那些与其他的商家不同的商家群来进行防范,帮助O2O平台进行风险与欺诈管理.若欺诈行为很少,为了防止出错,还可以对前面判断出来的欺诈行为进行再次判断,进一3.2　面向O2O用户的数据挖掘应用———个性化

步提高判断的准确性.

O2O电商平台的转化率.在用户登陆平台的操作数O2O平台网站的内容设置直接影响用户访问

据中挖掘用户访问页面的统计信息,发现用户访问的模式,可为优化O2O平台提供决策借鉴.O2O平台网站可以根据挖掘出的访问者特征与下单规律来设计和修改网站结构和外观,O2O平台可以把具有一定支持度和信任度的关联产品与服务摆放在一起以助销售.此外通过挖掘O2O平台的用户浏览数据,可以发现用户访问页面的相关性与用户的期望位置,O2O平台可以分别在密切相关的网页之间增加链接以及为主要的期望网页位置建立导航链接,并合理的安排服务器网页预取和缓存策略,减少服3.务器响应延迟时间1.3　稳定客户关系

,提高用户浏览的满意度.

通过对用户O2O数据进行挖掘来分析用户行

为,O2O平台可以发现、锁定、留住用户.这些分析包括客户群体划分、背景与兴趣分析、交叉销售以及客户流失分析.通过对用户行为分析,可以发现潜在的消费者,并且针对其行为特征锁定用户群体以提供个性化服务,获得高粘度的O2O用户.来自社会网络的用户数据在预测客户流失和推荐销售方面十分有效,比如用户如果知道其关注的铁杆好友已购买某O2O服务并高度点评后,他自己就很有可能也关注该O2O平台及其服务,这就有助于O2O平台3.发现并进一步锁定潜在客户1.4　O2O增值服务.

整合用户行为数据O2O平台对拥有的海量用户数据挖掘后,建立较为完备的用户行为数据,可以

库,为O2O商家提供用户行为数据产品,以此创造数据服务收入来源,阿里巴巴聚石塔及淘宝数据魔

方是其典型应用.另外O2O电商平台还可以开展其他企业因缺乏数据而难以涉足的新业务,如消费信贷、企业或商家的小额贷款等,阿里集团面向其平台商家提供的日息千分之零点五的小额信贷服务就是3.基于海量客户数据挖掘的增值应用1.5　欺诈分析与防范

.

诈行为的商家样本分析并采用神经网络算法进行建

O2O平台可以利用数据挖掘技术对一些有欺

推荐

客户数据挖掘结果可以作为服务由O2O平台提供给用户,支持其消费决策.这有助于形成O2O平台利用数据与用户沟 …… 此处隐藏：3183字，全部文档内容请下载后查看。喜欢就下载吧 ……