电子商务与数据挖掘 基于WEB日志的用户访问模式挖掘
电子商务与数据挖掘 基于WEB日志的用户访问模式挖掘
电子商务与数据挖掘——完美结合 ■在电子商务中进行成功的数据挖掘得益于 口电子商务提供海量的数据 如界电子务图韩平均每个小时卖出五件物品,那么它 ¤丰富的记录信息 良好的WEB站点设计将有助于获得丰富的信息 口干净的数据 从电子商务站点收集的都是电子数据,无需人工输入或者是从 历 统进行整 研究成果容易转化 在电子商务中,很多知识发现都可以进行直接应用 口投资收益容易衡量
电子商务与数据挖掘——完美结合 ◼ 在电子商务中进行成功的数据挖掘得益于： ❑ 电子商务提供海量的数据 ◼ 如果一个电子商务网站平均每个小时卖出五件物品，那么它一 个月的平均点击量是160万次。 ❑ 丰富的记录信息 ◼ 良好的WEB站点设计将有助于获得丰富的信息 ❑ 干净的数据 ◼ 从电子商务站点收集的都是电子数据，无需人工输入或者是从 历史系统进行整合 ❑ 研究成果容易转化 ◼ 在电子商务中，很多知识发现都可以进行直接应用 ❑ 投资收益容易衡量
电子商务为数据挖掘提供海量数据 ■“点击流”( Clickstreams)将会产生电子商务挖掘的 大量数据 a Yahoo!在2000年每天被访问的页面数是10亿,如此大的访 问量将会产生巨大的Web日志(记载页面访问的情况),每 个小时产生的Web日志量就达到10GB! 进行数据挖掘所需的大量数参’也会在断时间内产生 务站 口计算一下,如果你的站点一个小时卖出5件物品,一个月会 有多少页面访问 a5件×24小时×30天/%2(转化率,表示访问的人中买东西 的人的比率)×9页面(平均买一件物品要访问9个页面) 1,600,000页面
电子商务为数据挖掘提供海量数据 ◼ “点击流”（Clickstreams）将会产生电子商务挖掘的 大量数据 ❑ Yahoo!在2000年每天被访问的页面数是10亿，如此大的访 问量将会产生巨大的Web日志（记载页面访问的情况），每 个小时产生的Web日志量就达到10GB！ ◼ 即便是一个小的电子商务站点，也会在断时间内产生 进行数据挖掘所需的大量数据 ❑ 计算一下，如果你的站点一个小时卖出5件物品，一个月会 有多少页面访问： ❑ 5件×24小时×30天/％2（转化率，表示访问的人中买东西 的人的比率）×9页面（平均买一件物品要访问9个页面）＝ 1,600,000页面
丰富的记录信息 如果你的电子商务站点设计的好,你将可以获 得各种商务的或者是用户访问的信息: a商品和商品的属性 口商品的归类信息(当同时展示多种商品是,归类信 息是非常有用的) 促销信息 口关于访问的信息(比如:访问计数) 口关于客户额信息(可以通过登陆/注册来获得)
丰富的记录信息 ◼ 如果你的电子商务站点设计的好，你将可以获 得各种商务的或者是用户访问的信息： ❑ 商品和商品的属性 ❑ 商品的归类信息（当同时展示多种商品是，归类信 息是非常有用的） ❑ 促销信息 ❑ 关于访问的信息（比如：访问计数） ❑ 关于客户额信息 （可以通过登陆/注册来获得）
“千净的数据” 信息直接从网站上提取 a无需从历史系统中集成,避免很多错误 ■可以通过良好的站点设计,直接获得跟数据挖掘有关 的数据 口而不是再来分析、计算、预处理要用的数据 直接收集的电子数据——可靠 ¤无需人工数据输入,避免了很多错误 可以通过良好的站点设计,良好的控制数据采样的颗 粒度 ¤颗粒度控制在客户级别或者是 session级别,而不是页面级别
“干净的数据” ◼ 信息直接从网站上提取 ❑ 无需从历史系统中集成，避免很多错误 ◼ 可以通过良好的站点设计，直接获得跟数据挖掘有关 的数据 ❑ 而不是再来分析、计算、预处理要用的数据 ◼ 直接收集的电子数据——可靠 ❑ 无需人工数据输入，避免了很多错误 ◼ 可以通过良好的站点设计，良好的控制数据采样的颗 粒度 ❑ 颗粒度控制在客户级别或者是session级别，而不是页面级别