Nós vamos encontrar um monte de sites com conteúdo recomendado, não só é recomendado excelentes livros como B2C classe e-commerce, mas também interessada em sites de adivinhar como agrião Douban. Tais funções, sem dúvida, teve um efeito significativo para ajudar os usuários a encontrar a demanda, a promoção da compra de mercadorias e aplicações de serviço. Tal recomendação é como obtê-lo? Na verdade, com a análise de dados do site, podemos simplesmente olhar para os seus princípios e implementação.

A associação de comercialização recomendada é dividido em duas categorias:

Up Marketing (Up Marketing): de acordo com as preferências dos consumidores para os clientes existentes, proporcionar maior valor para reforçar a sua função original ou o uso de produtos ou serviços.

Cruz-comercialização (Marketing Cross): as diversas necessidades dos clientes que compram comportamento dos clientes para vender produtos ou serviços.

O marketing é baseado em uma linha de produto similar, atualizar ou otimizar o produto recomendado, e cross-marketing baseia-se na recomendação dos tipos semelhantes, mas diferentes de produtos. Dê um exemplo simples, olhar na linha de produtos da Apple:

Quando você compra um ipod NaNO3 para recomendar a você a atualizar o produto nano4, nano5 ou função semelhante ao itouch chamado marketing; Iphone recomendada, Mac ou ipad é o "cross-marketing".

A associação recomendável que a aplicação pode ser dividido em dois tipos: a recomendação associada com base na análise do produto e análise utilizador recomendada com base associação. Recomendação produto relacionado análise se refere são o site, analisando as características do produto encontrado em comum entre eles, tais como Web Analytics eo Web Analytics 2.0 ", o autor Avinash Kaushik, eo título contém os Web Analytics, livros de análise de classe, mas também uma imprensa ... então com base na relevância do produto pode ser recomendado para usuários que compraram Web Analytics do Web Analytics 2.0 ". Análise com base nas recomendações de usuários, analisando os dados do usuário de comportamento históricos podem ser encontrados para comprar os muitos usuários do Web Analytics também comprei o livro "Os Elementos da Experiência do Usuário, em seguida, com base no recomendado esta descoberta, este método é a mineração de regras de associação em mineração de dados (Associação, as Regras), um dos exemplo mais clássico é o Wal-Mart de cerveja e história fraldas.

Muitos dos recomendada associação ou produtos com base no nível de produto, porque a aplicação é muito mais simples (para o local em termos de dados de produtos significativamente menos do que os dados de comportamento do utilizador, e pode ser diferente em várias ordens de magnitude, de modo a análise será muito mais leve), com base no a recomendação de mais acima descritos dois tipos de ferramentas de marketing para conseguir mais tendenciosas a favor do marketing "push" tradicional (pessoal não gosta deste tipo de marketing, especialmente "bundling" e assim por diante).

Associated recomendação baseada na análise de comportamento do usuário

Pessoalmente tendenciosa em favor da análise com base no usuário, que é mais propício para a descoberta da demanda potencial do usuário, para ajudar os usuários a melhor escolha de produtos de que necessitam, por parte do utilizador decidir se quer comprar, ou seja, o chamado "pull" de marketing. Produtos ou serviços, referindo usuários para estimular os potenciais necessidades do usuário, levando o consumo do usuário mais de acordo com o "user-centric" conceito. Após uma breve descrição da análise do comportamento do usuário com base Association recomendam, se você é site de comércio eletrônico ou qualquer outro tipo de site, na verdade, esse recurso pode ser alcançada, desde que você tem a seguinte premissa:

1. Capaz de identificar o usuário de forma eficiente;
2. Mantém os dados do usuário comportamento histórico (dados de clickstream (fluxo de cliques) ou dados operacionais (resultados));
3. É claro, também precisa de um bom site analista de dados.

Aqui para site de comércio eletrônico como um exemplo para ilustrar a realização concreta de regras que associação. Atualmente, a maior site de comércio eletrônico para fornecer a funcionalidade do registo do utilizador, de compras, os usuários são, em geral as condições com base no login, por isso aqui são fornecidas para o usuário a identificar o identificador mais eficaz - o ID do usuário (métodos de identificação de usuário Por favor, consulte o artigo - a identificação do usuário ); site vai todos os dados de compras do usuário armazenadas em suas próprias operações no banco de dados, esta base de dados - Os dados do usuário históricos de compras para a análise do comportamento do usuário. Assim, conhecer as duas primeiras condições acima, podemos prosseguir com a análise.

O princípio de regras de associação a partir dos dados de todas as compras utilizadores (se os dados é muito grande, você pode selecionar um determinado intervalo de tempo, como ano, trimestre, etc) para encontrar quando o usuário tiver comprado os bens A e B compraram proporção do número de commodities, quando este índice atingiu um nível alvo de inadimplência, acreditamos que esses dois produtos, há uma certa correlação, então quando o usuário tenha comprado um produto, mas ainda não comprou o produto B Produto B que podemos recomendar a esses usuários. Como mostrado abaixo:

Envolveu três conjuntos: todas as Obras Completas de usuários de bens U-adquiridos, os bens adquiridos Um usuário define o produto A e B A compra compra de mercadoria definido G pode ser visto na figura. Com base em dois indicadores nas três coleções pode ser calculado associação mineração de regras - Suporte (Suporte) e confiança (a confiança):

O número de apoio = o número de pessoas para comprar os bens de A e B (conjunto G) / todos os bens adquiridos (conjunto U)

Confiança = o número de pessoas para comprar os bens de A e B (conjunto G) / aquisição de bens (A coleção de A) o número de

Estes dois indicadores, a necessidade de estabelecer um limite mínimo para esses dois indicadores, o suporte mínimo e confiança mínima. Também comprado na aquisição de clientes, a aquisição de bens Um usuário pode não só comprar produtos B, C, D, E, e assim por diante uma série de commodities, por isso precisamos para calcular o apoio ea confiança de todas essas combinações, apenas atender, tais como suporte para o nível de confiança> 0,2> 0,6 para estes carteira de commodities pode pensar que há uma ligação, recomenda-se.

Claro, se seu site não é e-commerce do site, você também pode usar um usuário navega no site click-stream de dados associados com as características recomendadas. O mesmo comportamento com base no histórico do usuário, como navegar página Um usuário também pode consultar a página B, assista ao vídeo Um usuário assistir ao vídeo B, download o arquivo de um usuário baixou o arquivo B ...

Regras de mineração de associação em mineração de dados, geralmente usam o algoritmo Apriori com base em conjuntos de itens freqüentes, que é um algoritmo relativamente simples e eficaz, onde não especificamente introduzidos, e os amigos que estão interessados ​​pode ir para verificar as informações a seguir.

Durante as regras de associação precisa prestar atenção a alguns dos problemas

• Note-se a associação recomendado o âmbito e pré-requisitos não, cada tipo de sítio são apropriados ou necessitam de ser associado com o recomendado;
• Fundada no mínimo de suporte e de execução mínimo precisa ser definido de acordo com as características dos operadores do Web site não deve ser alta ou baixa, as recomendações baseadas na experiência ou prática com base na otimização contínua para encontrar um ponto de trade-off ótimo.
• Requerem atenção especial, na regra de associação A mercadoria e B, não significa que os bens e mercadorias B A correlação foi estabelecida por causa da confiança de ambos os algoritmos são diferentes, a direção associada irreversível.
• Regras de associação no algoritmo não é difícil, mas para estar no site verdadeiramente bom, atender a premissa três acima na base da necessidade de algoritmo de otimização contínua, e precisamos da colaboração de vários departamentos do site para conseguir .

Portanto, a associação recomendou, com base na análise de comportamento de usuário completamente a partir do ponto do usuário de vista para analisar mais e mais eficaz do que a simples comparação entre os produtos associados mais parecidos com o comportamento do usuário, para descobrir a demanda potencial de o usuário pode querer tentar.

»Neste artigo, o BY-NC-SA acordo, reproduzido, por favor, indicar a fonte: A análise de dados » de marketing, marketing cruz e associado recomendado

Artigos relacionados:

1. Recomendado conteúdo baseado em KNN
2. Web taxa de conversão do site e modelo do funil
3. Taxa de abandono da influência de fatores
4. Análise de usuários de e-commerce website
5. RFM análise de e-commerce

• A última: a partir do registro da Web de fluxo de cliques
• Seguinte: taxa de conversão do site com o modelo do funil