Мы найдем множество сайтов с содержанием рекомендуется не только рекомендуется отличные книги, как B2C электронной коммерции класса, но и заинтересованы в сайтах думаю, как кресс-салат Douban. Такие функции, несомненно, сыграло значительное влияние, чтобы помочь пользователям найти спроса, стимулирование приобретения товаров и услуг приложений. Такие рекомендации, как его получить? На самом деле, с анализом данных сайта, мы можем просто посмотреть на его принципы и реализации.
Маркетинговая Ассоциация рекомендовала делится на две категории:
До маркетинга (до маркетинга): в соответствии с потребительскими предпочтениями для существующих клиентов, обеспечить более высокое значение для укрепления своей первоначальной функции или использование продукции или услуг.
Кросс-маркетинг (маркетинг Креста): различные потребности клиентов покупательское поведение потребителей на продажу сопутствующих товаров и услуг.
До маркетинг основан на аналогичной линейки продуктов, обновления и оптимизации продукта рекомендуется, и кросс-маркетинг основан на рекомендации похожих, но разных типов продуктов. Приведем простой пример, посмотрите на линейку продуктов Apple:
Когда вы покупаете ставку NaNO3 рекомендовать вам обновить продукт nano4, nano5 или функцию, подобную ITouch призван маркетинг, рекомендуемые iPhone, Mac или Ipad является «кросс-маркетинг».
Ассоциация рекомендовала реализации можно разделить на два типа: связанные с этим рекомендации на основе анализа продукта и пользователем рекомендуется анализ основан ассоциации. Анализ продукции соответствующей рекомендацией ссылается на это веб-сайт на основе анализа характеристик продукта найти общее между ними, такие как веб-аналитика и Web Analytics 2.0 "автор Авинаш Кошик, и название содержит веб-аналитики, классовый анализ книги, но и прессы ... затем на основе значимости продукт можно рекомендовать тем пользователям, которые приобрели Веб-аналитика Веб-аналитика 2.0 ". Анализ на основе пользовательских рекомендаций на основе анализа исторических данных пользователя поведение может быть найден приобрести многие пользователи веб-аналитики и купил книгу «Элементы опыта, то рекомендуется на основе этого открытия, этот метод добычи ассоциативных правил в интеллектуальный анализ данных (ассоциации, правила), одна из самых Классическим примером является Wal-Mart пива и подгузников историю.
Многие ассоциации рекомендуемых или продукты, основанные на уровне продукта, так как реализация гораздо проще (для сайта с точки зрения данных о продукции значительно меньше, чем данные поведения пользователей, и может отличаться на несколько порядков, так что анализ будет намного легче), основанный на рекомендация более описанных выше двух видов маркетинговых инструментов для достижения более предвзятым в пользу традиционной "толчок" маркетинга (личные не нравится этот тип маркетинга, особенно "комплектации" и т.п.).
Associated рекомендации на основе анализа поведения пользователей
Лично предвзятым в пользу анализа, основанного на пользователей, которые в большей степени способствует открытию потенциал запросу пользователя, чтобы помочь пользователям более широкий выбор продуктов, которые они нужны, пользователю решить, стоит ли покупать, то есть так называемый "тянуть" маркетинга. Продукты или услуги, ссылаясь пользователей, чтобы стимулировать потенциальных потребностей пользователя, предлагая пользователю более потребления в соответствии с "ориентированный на пользователя" концепции. После краткого описания пользовательского анализа поведения, основанных ассоциации рекомендуют, будь то интернет-магазин или любой другой тип сайта, на самом деле, эта функция может быть достигнута до тех пор, пока у вас есть следующие предпосылки:
- Способность эффективно идентифицировать пользователя;
- Сохраняет исторических поведение пользователя данные (нажмите, поток данных (маршруте) или оперативные данные (результаты));
- Конечно, также нужен хороший сайт по анализу данных.
Здесь на сайте электронной коммерции в качестве примера для иллюстрации конкретной реализации, какие правила ассоциации. В настоящее время большинство интернет-магазин, чтобы обеспечить функциональность регистрации пользователей, магазинов, пользователи, как правило, условия, основанные на вход, так что здесь предоставляются для пользователей, чтобы определить наиболее эффективный идентификатор - идентификатор пользователя (методы идентификации пользователей Пожалуйста, обратитесь к статье - идентификация пользователя ), сайт будет все торговые пользователем данные, хранящиеся в его собственных операций в базе данных, эта база данных - пользователь исторические данные покупки для анализа поведения пользователей. Так отвечает первым двум условиям выше, мы можем приступить к анализу.
Принцип ассоциативных правил из данных всех торговых пользователей (если данные слишком велик, вы можете выбрать определенный промежуток времени, например, год, квартал и т.д.), чтобы узнать, когда пользователь приобрел товар купили B Доля количества товаров, когда это соотношение достигло целевого уровня по умолчанию мы считаем, что эти два товара существует определенная корреляция, поэтому, когда пользователь приобрел продукт, но еще не приобрел продукт B В продукте, который можно рекомендовать для таких пользователей. Как будет показано ниже:
Участие трех наборов: все пользователи, Полное собрание сочинений U-приобретенный товар, купленный товар пользователь устанавливает и B Продукт купить товар покупки множества G видно из рисунка. На основе двух ключевых показателей в трех коллекциях можно рассчитать ассоциативных правил добычи - Поддержка (Support) и доверия (доверия):
Количество опорных = число людей покупать товары А и В (устанавливается G) / все приобретенные товары (набор U)
Уверенность = число людей покупать товары А и В (установка G) / покупка товаров (коллекция) количество
Эти два показателя, необходимо установить минимальный порог для этих двух показателей, минимальная поддержка и минимальная уверенность в себе. Кроме того, приобретенные в приобретение новых клиентов, приобретение товаров пользователь может не только купить товар B, C, D, E, и так по целому ряду товаров, поэтому мы должны рассчитывать на поддержку и доверие всех этих комбинаций, только встречаются такие, как поддержка> 0,2 доверительном уровне> 0,6 для этих товаров может портфель думаю, что есть связь, то рекомендуется.
Конечно, если ваш сайт не является интернет-магазин, вы можете также использовать пользователь просматривает сайт нажмите поток данных, связанных с рекомендуемой особенности. То же самое поведение, основанное на истории пользователей, например, просматривать страницы пользователь может просматривать страницу B, смотреть видео пользователь смотрел B видео, загрузка файлов пользователь скачал файл B ...
Горный правила ассоциации интеллектуального анализа данных, как правило, используется алгоритм Apriori на основе частых наборов, которая является относительно простой и эффективный алгоритм, в котором специально не введен, и друзья, которые заинтересованы можете проверить следующую информацию.
В ассоциации правила должны обратить внимание на некоторые проблемы,
- Обратите внимание, что ассоциация рекомендует рамки и условия, не каждый тип сайта, которые подходят и могут быть связаны с рекомендуемым;
- Основанная в минимальной поддержке и минимальном исполнении должны быть установлены в соответствии с характеристиками операторов веб-сайт не должен быть высоким или низким, рекомендации, основанные на опыте и практике на основе непрерывной оптимизации, чтобы найти оптимальный компромисс точки.
- Требуют особого внимания, в правилах ассоциации сырьевых товаров и B, не означает, что B товаров и товаров корреляция была создана в связи с доверием и алгоритмы различны, связанные направлении необратимо.
- Ассоциация правил в алгоритме не сложно, но быть на месте по-настоящему хорошо, отвечают три выше помещения на основе необходимость постоянного алгоритм оптимизации, и нужна совместная работа различных отделов сайт для достижения .
Таким образом, ассоциация рекомендовала на основе анализа поведения пользователей полностью с точки зрения пользователя с целью дальнейшего анализа и более эффективно, чем простое сравнение между продуктами связаны более тесно соответствовать поведение пользователя, чтобы обнаружить потенциального спроса потребителя, возможно, пожелают попробовать.
»В этой статье BY-NC-SA соглашение, воспроизводить, пожалуйста, укажите источник: анализ данных » до маркетинга, кросс маркетинга и связанные с ними рекомендуется
Статьи по теме:
В самом деле, жесткое разделение, начиная с продуктов "и" начиная с пользователем "большого значения, в сущности, соотношение анализа продуктов (или аналогичный), только об актуальности определение различных акцентов. Эти две стратегии должны быть объединены. Кроме того, для повышения степени ассоциативные правила стоит рассмотреть один из показателей.
@ Phi Phi Miffy : не жестко разделен на «начиная с продуктов" и "уход" от пользователя, но хотел бы выразить более с точки зрения пользователя, чтобы понять поведение пользователя и привычках, и поэтому могут лучше удовлетворения потребностей пользователей.
Повышение степени это действительно хороший показатель.
Оригинальный блоггеров zju выпускников наставников, поклонники восхищаются ~ ~ ~
Здесь есть ли техническая ошибка ", приобретение всех товаров (набор U), число должно быть число пользователей купленного товара?
_at_ Франк : Ну, фраза действительно является проблемой, я изменился, я хотел бы поблагодарить напомнить!
Каков ваш рисунок инструмент? ? ? Символ есть?
@ Aibei фу : Эта схема имеет свои PS, технология не есть хорошо, смеялись
Многое узнал из блога Blogger, занимается дайвингом. Вчера решил впервые прочитал исследование, см. статью, чтобы узнать оригинальные блоггер zju ступенчатой, так что я решил оставить следы, чтобы выразить свое восхищение этой ZJUer пожилых ~ ~
Leona : О, рад здесь можно встретить много наших выпускников.
Apple, это конец в конец истории успеха трудно воспроизвести Na. . . . .