数据挖掘技术在电子商务推荐中的应用 |
|
|
Systems for E-Commerce)的正式定义由 Resnick & Varian 在 1997 年给出:“电子商务推荐系统是利用电子商务网站向用户提供产品信息和相关建议,帮助用户决定购买什么产品,通过模拟销售人员帮助用户完成购物过程的系统”。 电子商务推荐系统如同“采购助手”,根据用户的兴趣爱好,向用户提供商品推荐,帮助用户在尽量短的时间找到所需商品,满足其个性化的需求,从而顺利完成购买过程。电子商务推荐系统不仅能为用户提供个性化的推荐服务,而且能给电子商务网站带来丰厚的商业利益。主要体现在以下几个方面: 1) 将电子商务系统的浏览者转变为购买者。已有明确购物目标的客户也许会通过搜索功能找到自己需要的商品,但对于大多数的冲浪者和模糊的购买者,很难有耐心逐项查找是否有自己感兴趣的东西,如果这个时候推荐系统能够有针对性地向其提供合适的商品推荐,往往可以将一个浏览者变为购买者。 2) 促进销售。电子商务推荐系统在用户购买过程中向用户推荐其它商品,用户能够从推荐商品中购买自己确实需要但又没想到的商品,从而有效提高销售量。比如向购买面包和黄油的顾客推荐牛奶,从而增加商品的销售,提高销售利润。 3)提高用户的满意度和忠诚度。与传统的商务模式相比,电子商务推荐系统分析用户的购买行为习惯,根据用户需求向用户提供有价值的商品推荐,用户容易的购买到自己需要的商品,那么用户会再次访问并推荐给其他人。 3 电子商务推荐中的数据挖掘技术 数据挖掘按照其挖掘任务主要包括关联规则挖掘、聚类分析、分类和预测、回归发现和序列模式发现等技术。在选择某种数据挖掘技术之前,首先要将需要解决的问题转化成正确的数据挖掘任务,然后根据挖掘的任务来选择使用哪些数据挖掘技术。 在电子商务推荐活动中,主要使用下面的一些数据挖掘技术。 1) 关联规则(Association Rule):关联规则的挖掘就是为了在交易数据库中发现两个或两个以上的商品(项)之间的有意义关联或相关联系,从而描述了一个事物中某些属性同时出现的规律和模式。关联规则挖掘的典型例子是购物篮分析或销售历史记录分析,其中的一个例子就是“90%的客户在购买面包的同时也会购买牛奶&r上一页 [1] [2] [3] [4] [5] 下一页 |
|
|
|
上一个论文: 对农学专业就业分析及其教学模式的建议 下一个论文: 关于电子商务专业英语学习方法浅谈 |
|