Nous allons trouver un grand nombre de sites avec du contenu recommandé, non seulement il est recommandé d'excellents livres comme le commerce électronique B2C de classe, mais aussi intéressés par les sites deviner comme le cresson Douban. Ces fonctions sans aucun doute joué un effet significatif pour aider les utilisateurs à trouver la demande, la promotion de l'achat des produits de base et les applications de service. Cette recommandation est de savoir comment l'obtenir? En fait, l'analyse des données du site, nous pouvons simplement regarder ses principes et la mise en œuvre.

La commercialisation est recommandée association divisé en deux catégories:

Jusqu'à la commercialisation (marketing Up): selon les préférences des consommateurs pour les clients existants, offrir une plus grande valeur à renforcer sa fonction d'origine ou de l'utilisation des produits ou des services.

Croix-marketing (marketing de la Croix): la diversité des besoins de la clientèle comportement d'achat des clients pour vendre des produits ou des services connexes.

Jusqu'à la commercialisation repose sur une ligne de produits similaires, mettre à niveau ou d'optimiser le produit recommandé et cross-marketing est basé sur la recommandation des types similaires, mais différentes de produits. Donner un exemple simple, regardez la gamme de produits d'Apple:

Lorsque vous achetez un ipod NaNO3 de vous recommander de mettre à niveau le produit nano4, nano5 ou une fonction similaire à l'itouch appelé le marketing; Iphone recommandée, Mac ou iPad est le "cross-marketing".

L'association recommande que la mise en œuvre peut être divisée en deux types: la recommandation associée basée sur l'analyse des produits et l'analyse d'utilisateur recommandé en fonction de l'association. L'analyse du produit liée à la recommandation se réfère à l'est du site Web par l'analyse des caractéristiques du produit trouvé de commun entre eux, tels que les Web Analytics et de la Web Analytics 2.0 », l'auteur Avinash Kaushik, et le titre contient les Web Analytics, livres de classe d'analyse, mais aussi une presse ... puis en fonction de la pertinence du produit peut être recommandé aux utilisateurs qui ont acheté Web Analytics de la Web Analytics 2.0 ". Analyse fondée sur les recommandations d'utilisateurs en analysant les données de l'utilisateur comportements historiques peuvent être trouvées pour acheter les nombreux utilisateurs des Web Analytics ont également acheté le livre "Les éléments de l'expérience utilisateur, puis sur la base recommandée sur cette découverte, cette méthode est l'exploitation minière des règles d'association dans l'exploration de données (Association, les règles), l'un des exemple le plus classique est Wal-Mart de la bière et l'histoire des couches.

Beaucoup de recommandé l'association ou de produits basée sur le niveau du produit, parce que la mise en œuvre est beaucoup plus simple (pour le site en termes de données de produits nettement moins que les données sur le comportement des utilisateurs, et peut différer de plusieurs ordres de grandeur, de sorte l'analyse sera beaucoup plus léger), basée sur la recommandation de plus décrite ci-dessus deux types d'outils de marketing pour atteindre plus biaisé en faveur de la traditionnelle «push» sur le marché (personnels n'aime pas ce type de marketing, en particulier le «regroupement», etc).

Recommandation Associated basée sur l'analyse le comportement des utilisateurs

Personnellement biaisé en faveur de l'analyse fondée sur l'utilisateur, ce qui est plus propice à la découverte de la demande potentielle de l'utilisateur, pour aider les utilisateurs meilleur choix de produits dont ils ont besoin, par l'utilisateur à décider s'il convient d'acheter, c'est-à-la soi-disant "pull" marketing. Produits ou services, en se référant aux utilisateurs de stimuler les besoins potentiels de l'utilisateur, ce qui incite l'utilisateur à la consommation plus conforme à l '«utilisateur-centrique" concept. Après une brève description de l'analyse le comportement des utilisateurs en fonction Association recommandent, si vous êtes site e-commerce ou tout autre type de site, en fait, cette fonctionnalité peut être atteint, aussi longtemps que vous avez la prémisse suivante:

1. Capable de manière efficace d'identifier l'utilisateur;
2. Conserve les données de l'utilisateur comportements historiques (données sur le parcours (parcours de navigation) ou des données opérationnelles (résultats));
3. Bien sûr, aussi besoin d'un bon site analyste de données.

Ici pour site e-commerce comme un exemple pour illustrer la réalisation concrète de ce que les règles d'association. Actuellement, la plupart site e-commerce pour fournir la fonctionnalité de l'enregistrement de l'utilisateur, le shopping, les utilisateurs sont généralement les conditions basées sur la connexion, alors voici sont fournies pour l'utilisateur d'identifier l'identifiant le plus efficace - l'ID utilisateur (méthodes d'identification des utilisateurs S'il vous plaît se référer à l'article - l' identification de l'utilisateur ); site Web toutes les données commerciaux de l'utilisateur stocké dans ses propres opérations à l'intérieur de la base de données, cette base de données - données de l'utilisateur commerçantes historiques pour l'analyse du comportement des utilisateurs. Donc, de répondre aux deux premières conditions ci-dessus, nous pouvons procéder à l'analyse.

Le principe des règles d'association à partir des données de tous les commerces les utilisateurs (si les données est trop grande, vous pouvez sélectionner un certain intervalle de temps, comme l'année, trimestre, etc) pour trouver lorsque l'utilisateur a acheté les marchandises A, B acheté proportion du nombre de produits, lorsque ce ratio a atteint un niveau cible de défaut, nous croyons que ces deux produits il ya une certaine corrélation, donc quand l'utilisateur a acheté le produit A mais pas encore acheté le produit B B produit que nous pouvons recommander à ces utilisateurs. Comme indiqué ci-dessous:

Impliquez-trois ensembles: toutes les œuvres complètes des utilisateurs de biens achetés U-, a acheté les marchandises Un utilisateur met en produit A et B Un achat achat de produits mis en G peut être vu à partir de la figure. Sur la base de deux indicateurs clés dans les trois collections peuvent être calculés règles d'association - support (soutien) et de la confiance (la Confiance):

Le nombre de support = le nombre de gens à acheter des biens de A et B (mis en G) / toutes les marchandises achetées (mis en U)

Confiance = le nombre de gens à acheter des biens de A et B (mis en G) / achat de biens (une collection d'un) le nombre de

Ces deux indicateurs, la nécessité d'établir un seuil minimum pour ces deux indicateurs, le soutien et la confiance minimale minimum. Ils ont également acheté dans l'acquisition de clients, l'achat de biens Un utilisateur peut non seulement acheter des biens B, C, D, E, et ainsi de suite toute une gamme de produits, donc nous avons besoin pour calculer le soutien et la confiance de toutes ces combinaisons, que répondre, comme le soutien pour la> 0,2 niveau de confiance> 0,6 pour ces produits du portefeuille peut penser qu'il existe un lien, il est recommandé.

Bien sûr, si votre site n'est pas site e-commerce, vous pouvez également utiliser un utilisateur navigue sur le site clic-flux de données associés avec les caractéristiques recommandées. Le même comportement sur la base de l'historique des utilisateurs, telles que parcourir la page Un utilisateur peut également naviguer sur la page B, regardez la vidéo Un utilisateur a regardé la vidéo B, téléchargez le fichier d'un utilisateur téléchargé le fichier B ...

Mines règles d'association en fouille de données, utilisent généralement l'algorithme Apriori basée sur itemsets fréquents, ce qui est un algorithme relativement simple et efficace, lorsque cela n'est pas spécifiquement mis en place, et les amis qui sont intéressés peuvent aller vérifier les informations suivantes.

Pendant les règles d'association doivent faire attention à certains des problèmes

• Notez l'association a recommandé la portée et les conditions préalables, et non pas chaque type de site est approprié ou ont besoin d'être associé à la recommandée;
• Établi dans le minimum de soutien et d'exécution minimum doivent être fixés en fonction des caractéristiques des exploitants de sites Web ne doit pas être élevée ou faible, des recommandations fondées sur l'expérience ou la pratique sur la base de l'optimisation continue de trouver un compromis optimal point.
• Nécessitent une attention particulière, dans la règle d'association A des matières premières et des produits de base B, ne veut pas dire que les marchandises et les produits B Une corrélation a été établie en raison de la confiance des deux algorithmes sont différents, la direction associée irréversible.
• Règles de l'Association de l'algorithme n'est pas difficile, mais pour être sur le site vraiment bon, répondre à la prémisse trois ci-dessus sur la base de la nécessité d'algorithme d'optimisation continue, et ont besoin de la collaboration de divers ministères du site pour atteindre .

Par conséquent, l'association a recommandé basé sur l'analyse le comportement des utilisateurs complètement du point de vue des utilisateurs d'analyser plus avant et plus efficace que la simple comparaison entre les produits associés plus étroitement correspondre le comportement des utilisateurs, de découvrir la demande potentielle de l'utilisateur souhaitera peut-être essayer.

»Dans cet article, la BY-NC-SA accord, reproduit, s'il vous plaît indiquer la source: Le l'analyse des données » jusqu'à la commercialisation, de marketing croisé et associé recommandé

Articles connexes:

1. Contenu recommandé en fonction de KNN
2. Taux de conversion du site Web et le modèle entonnoir
3. Taux d'abandon influence de facteurs
4. Analyse des utilisateurs du site e-commerce
5. L'analyse RFM de site e-commerce

• La dernière: à partir du journal Web click-stream
• Suivant: taux de conversion du site Web avec le modèle entonnoir