Wir werden eine Menge von Websites mit Content empfohlen zu finden, nicht nur hervorragende Bücher wie B2C E-Commerce-Klasse empfohlen, sondern auch Interesse an Standorten wie Brunnenkresse Douban erraten. Solche Funktionen spielte zweifellos eine signifikante Wirkung zu helfen, Nutzer finden, die Nachfrage, die Förderung der Rohstoff-Einkauf und Service-Anwendungen. Eine solche Empfehlung ist, wie sie es bekommen? In der Tat, mit der Website der Datenanalyse, können wir einfach auf seine Grundlagen und die Umsetzung zu suchen.
Der Verein empfohlenen Marketing wird in zwei Kategorien unterteilt:
Bis Marketing (Marketing-Up): je nach Vorliebe der Verbraucher für bestehende Kunden, bieten höheren Wert zu seiner ursprünglichen Funktion oder Verwendung von Produkten oder Dienstleistungen zu stärken.
Cross-Marketing (Cross-Marketing) fanden eine Vielzahl von Bedürfnissen des Kunden aus Kundensicht Kaufverhalten, sowie verwandte Produkte oder Dienstleistungen zu verkaufen.
Bis auf eine ähnliche Marketing-Produktlinie basiert, aktualisieren oder optimieren das Produkt empfohlen und Cross-Marketing basiert auf der Empfehlung der ähnliche, aber unterschiedliche Arten von Produkten. Geben Sie ein einfaches Beispiel, bei Apples Produktlinie aussehen:
Beim Kauf eines iPod NaNO3 Ihnen empfehlen, um ein Produkt nano4, nano5 oder Funktion ähnlich dem iTouch aufgerufen Marketing verbessern; empfohlenen iPhone, Mac oder iPad ist das "Cross-Marketing".
Der Verband empfiehlt, dass die Umsetzung in zwei Typen unterteilt werden: die damit verbundene Empfehlung zur Produktanalyse und Benutzer-Analyse empfohlen Verein mit Sitz in der Basis. Produkt-Analyse verwandten Empfehlung bezieht sich auf die Website sind durch die Analyse der Eigenschaften des Produkts gemeinsam zwischen ihnen gefunden, wie Web Analytics und Web Analytics 2.0 "der Autor Avinash Kaushik, und der Titel enthält die Web Analytics, Analyse Klasse Bücher, sondern auch ein Presse ... dann über die Relevanz des Produktes basiert, kann für Nutzer, die Web Analytics erwarb die Web Analytics 2.0 "empfohlen werden. Die Analyse auf Benutzer Empfehlungen durch die Analyse des Nutzers historischen Daten basieren Verhalten kann zum Kauf gefunden die vielen Nutzer der Web Analytics, kauften auch das Buch "The Elements of User Experience, dann empfiehlt auf dieser Entdeckung beruhen, Diese Methode ist der Bergbau Assoziationsregeln im Data Mining (Association, in der Geschäftsordnung), einer der klassische Beispiel ist Wal-Mart von Bier und Windeln Geschichte.
Viele der Vereinigung empfohlene oder Produkte auf der Produkt-Ebene basieren, da die Implementierung ist viel einfacher (für den Standort in Bezug auf die Produkt-Daten deutlich weniger als das Nutzerverhalten Daten, und kann durch mehrere Größenordnungen unterscheiden, so die Analyse wird viel leichter), basierend auf Die Empfehlung von mehr oben beschriebenen zwei Arten von Marketing-Tools, um mehr erreichen zu Gunsten der traditionellen "Push"-Marketing (persönliche gefällt diese Art der Vermarktung, vor allem die "Bündelung" und dergleichen) vorgespannt ist.
Assoziierte Empfehlung über das Nutzerverhalten-Analyse
Persönlich für die Analyse auf Benutzer, die bessere Rahmenbedingungen für die Entdeckung der potenziellen Nachfrage der Benutzer, um Benutzern zu helfen bessere Auswahl an Produkten, die sie benötigen, durch den Benutzer entscheiden, ob sie kaufen, ist der Basis vorgespannt ist, das heißt, die so genannte "Pull"-Marketing. Produkte oder Dienstleistungen, indem Sie Nutzern, die potenziellen Bedürfnisse des Benutzers zu stimulieren, die den Benutzer auffordert Konsum mehr im Einklang mit dem "user-centric"-Konzept. Im Anschluss an eine kurze Beschreibung der User Behavior Analysis basiert Verein zu empfehlen, ob Sie E-Commerce-Website oder eine andere Art der Website sind in der Tat, kann diese Funktion erreicht, solange Sie die folgende Prämisse haben werden:
- Der Lage, effizient identifizieren den Benutzer;
- Behält der Benutzer die historischen Daten Verhalten (Clickstream-Daten (Clickstream) oder operative Daten (Ergebnisse));
- Natürlich brauchen auch eine gute Seite Data Analyst.
Hier auf E-Commerce-Website als Beispiel, um die konkrete Umsetzung dessen, was Assoziationsregeln zu illustrieren. Gegenwärtig sind die meisten E-Commerce-Website, um die Funktionalität des Benutzer-Registrierung bieten, Einkaufs-, Nutzer in der Regel sind die Bedingungen bei der Anmeldung beruhen, sind so hier für den Benutzer bereitgestellt, um die effektivste Kennung zu identifizieren - die Benutzer-ID (Benutzer-Identifikations-Methoden Bitte beachten Sie die Artikel - die Identifizierung des Nutzers ); Website werden alle Benutzerdaten Einkaufs-Daten in ihrer eigenen Operationen in der Datenbank gespeichert, diese Datenbank - Benutzer historischen Einkaufs-Daten für die Analyse des Nutzerverhaltens. So erfüllen die ersten beiden oben genannten Bedingungen können wir mit der Analyse fortfahren.
Das Prinzip der Assoziationsregeln aus den Daten aller Benutzer Einkaufen (wenn die Daten zu groß ist, können Sie ein bestimmtes Zeitintervall, wie Jahr, Quartal, etc.) zu finden, wenn der Benutzer hat die Ware gekauft haben, haben A B Anteil der Anzahl der Waren, wenn dieses Verhältnis ein Zielniveau von Standard erreicht, glauben wir, dass diese beiden Rohstoffe gibt eine gewisse Korrelation ist, also wenn der Benutzer das Produkt erworben, aber noch nicht A kaufte das Produkt B B Produkt, dass wir diesen Nutzern empfehlen. Wie unten dargestellt:
Beteiligt drei Sätzen: alle Benutzer Complete Works von U-bezogene Waren, die Ware gekauft haben Ein Benutzer setzt A und B Produkt A Ware kaufen Kauf gesetzt G aus der Figur zu sehen ist. Basierend auf zwei Kennzahlen in den drei Sammlungen können Assoziationsregel Bergbau berechnet werden - Unterstützung (Support) und Vertrauen (Selbstvertrauen):
Die Zahl der support = die Zahl der Menschen, die Ware von A und B (Set G) / alle gekauften Waren (Set U) kaufen
Confidence = die Zahl der Menschen, die Ware von A und B (Set G) / Kauf von Waren (Eine Sammlung von A) die Anzahl der zu kaufen
Diese beiden Indikatoren, die Notwendigkeit, einen Mindestbetrag für diese beiden Indikatoren, die minimale Unterstützung und minimale Vertrauen aufzubauen. Auch in der Kundenakquise erworben, der Erwerb von Waren Ein Benutzer kann nicht nur Waren kaufen B, C, D, E, und so weiter eine Reihe von Rohstoffen, so müssen wir die Unterstützung und das Vertrauen aller dieser Kombinationen zu berechnen, nur treffen, wie die Unterstützung für die> 0,2 Konfidenzniveau> 0,6 für diese Rohstoffe Portfolio denke, es ist ein Link können, wird empfohlen.
Natürlich, wenn Ihre Website ist nicht E-Commerce-Website, können Sie auch ein Benutzer die Website Clickstream-Daten mit den empfohlenen Merkmalen assoziiert. Das gleiche Verhalten basierend auf Benutzer-Geschichte, wie browsen Seite Ein Benutzer kann auch suchen die B-Seite, um das Video Ein Benutzer B beobachtete den Video-Download wird die Datei heruntergeladen Ein Benutzer B die Datei ...
Mining Association Regeln in Data Mining, verwenden in der Regel die Apriori-Algorithmus auf der Basis Frequent Itemsets, die eine relativ einfache und effektive Algorithmus, wo nicht speziell eingeführt, und Freunde, die interessiert sind, können Sie auf der folgenden Angaben zu überprüfen sind.
Während der Assoziation Regeln müssen die Aufmerksamkeit auf einige der Probleme zu zahlen
- Beachten Sie, der Verein empfiehlt den Umfang und die Voraussetzungen, nicht jede Art von Website geeignet oder müssen mit der empfohlenen Verbindung gebracht werden;
- Gegründet in der minimalen Unterstützung und Mindestanforderungen für die Ausführung müssen nach den Merkmalen der Website-Betreiber eingestellt werden sollte nicht hoch oder niedrig sein, Empfehlungen für die Praxis oder Experiment auf der Basis der kontinuierlichen Optimierung, um einen optimalen Trade-off Punkt zu finden, basieren.
- Erfordern besondere Aufmerksamkeit, in der Vereinigung der Regel eine Ware und Ware B, bedeutet nicht, dass die B-Waren und Gütern ein Zusammenhang, weil das Vertrauen der beiden Algorithmen wurde festgestellt, sind unterschiedlich, die damit verbundene Richtung unumkehrbar.
- Verband Regeln in der Algorithmus ist nicht schwierig, aber auf dem Gelände wirklich gut zu sein, erfüllen die drei oben genannten Prämisse, auf der Grundlage der Notwendigkeit einer kontinuierlichen Optimierungs-Algorithmus, und brauchen die Zusammenarbeit der verschiedenen Abteilungen des Standortes zu erreichen .
Deshalb empfahl der Verband auf das Nutzerverhalten-Analyse vollständig aus dem Benutzer-Sicht weiter zu analysieren und effektiver als die einfache Vergleich zwischen den Produkten verbundenen besseren Anpassung des Nutzerverhaltens, um die potenzielle Nachfrage der Nutzer basieren, können entdecken wollen, um zu versuchen.
»In diesem Papier, die BY-NC-SA Vereinbarung, reproduziert, geben Sie bitte die Quelle: Die Daten-Analyse » bis Marketing, Cross-Marketing und die damit verbundenen empfohlen
Weitere Artikel:
In der Tat, eine starre Trennung von der Produktidee "und" beginnend mit dem Benutzer "von geringer Bedeutung im Wesentlichen vor, die Korrelation zwischen der Analyse des Produktes (oder ähnlich), nur über die Relevanz der Definition der unterschiedlichen Schwerpunkten. Diese beiden Strategien sollten vereinheitlicht werden. Darüber hinaus, um den Grad einer Assoziation Regeln zu erhöhen ist es wert einer der Indikatoren zu berücksichtigen.
@ Phi Phi Miffy : nicht starr in "beginnend mit dem Produkt" und "departure" von dem Benutzer, aber würde gerne mehr aus der Sicht der Nutzer zum Ausdruck bringen, um das Verhalten des Benutzers und Gewohnheiten zu verstehen, und so aufgeteilt sind besser in der Lage, auf die Bedürfnisse der Nutzer.
Verbessern der Grad ist in der Tat ein gutes Maß.
Die ursprünglichen Blogger die zju Alumni Mentoren, bewundern Verehrer ~ ~ ~
Hier ob es sich um einen Schreibfehler handelt, "der Kauf aller Waren (Set U), sollte die Zahl die Zahl der Nutzer gekaufte Ware sein?
_AT_ Franc : Nun, der Satz ist in der Tat ein Problem, ich geändert, ich möchte daran erinnern, das danken!
Was ist Ihr Zeichen-Werkzeug wird? ? ? Charakter hat?
@ Aibei Fu : Das Diagramm ist von meiner eigenen PS, Technik ist nicht gut, lachte
Eine Menge Dinge aus der Blogger-Blog gelernt, ist seit Tauchen. Gestern beschlossen, lesen Sie zuerst das Studium finden Sie im Artikel zu wissen, ist der ursprüngliche Blogger zju graduiert, also beschloss ich, Spuren zu hinterlassen, um meine Bewunderung dieser ZJUer Senioren ~ ~ ausdrücken
Leona : Oh, froh, hier können viele unserer Absolventen zu begegnen.
Apple-diese End-to-End-Erfolge sind schwer zu reproduzieren Na. . . . .