文档介绍：电子商务推荐系统
2
数据挖掘与电子商务
随着网络技术和数据库技术的成熟,全球传统商务正经历一次重大变革,向电子商务全速挺进。这种商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择,同时也为商家提供了更加深入地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一,将为正确的商业决策提供强有力的支持和可靠的保证,是电子商务不可缺少的重要工具。
电子商务现在是最新和最炙手可热的一个行业,无论在哪都有历史资料,用这些资料可以得到用眼睛无法看到的模式和知识。
3
数据挖掘能为电子商务做些什么?
通过数据挖掘,市场商人可以瞄准目标客户,采用最新的信息,特殊的市场推广活动或其他一些特殊的信息手段,从而极大地减少广告预算和增加收入。
百货商场、超市和一些老字号大小的零售店也在进行数据挖掘,以便猜测这些年来顾客的消费****惯。
4
数据挖掘在电子商务中的应用
由于数据挖掘能带来显著的经济效益,它在电子商务中(特别是金融业、零售业和电信业)应用也越来越广泛。
在金融领域,管理者可以通过对客户偿还能力以及信用的分析,进行分类,评出等级。从而可减少放贷的麻木性,提高资金的使用效率。同时还可发现在偿还中起决定作用的主导因素,从而制定相应的金融政策。更值得一提的是通过对数据的分析还可发现洗黑钱以及其它的犯罪活动。
在零售业,数据挖掘可有助于识别顾客购买行为,提高卖场品类管理水平,发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度,提高货品销量比率,设计更好的货品运输与分销策略,减少商业成本。
电信业也因综合电信服务的发展,利用数据挖掘技术来帮助理解商业行为、确定电信模式、捕捉盗用行为、更好的利用资源和提高服务质量成为必要。
5
电子商务推荐系统简介
Harvard商学院的Joe Ping在大规模定制一文中认为现代企业应该从大规模生产(以标准化的产品和均匀的市场为特征)向大规模定制(为不同客户的不同需求提供不同的商品)转化
电子商务推荐系统(mendation System)向客户提供商品信息和建议,模拟销售人员帮助客户完成购买过程
6
电子商务推荐系统简介
电子商务推荐系统的作用:
将电子商务网站的浏览者转变为购买者(Converting Browsers into Buyers)
提高电子商务网站的交叉销售能力(Cross-Sell)
提高客户对电子商务网站的忠诚度(Building Loyalty)
7
电子商务推荐系统简介
电子商务推荐系统的界面表现形式分类:
Browsing:客户提出对特定商品的查询要求,推荐系统根据查询要求返回高质量的推荐
Similar Item:推荐系统根据客户购物篮中的商品和客户可能感兴趣的商品推荐类似的商品
Email:推荐系统通过电子邮件的方式通知客户可能感兴趣的商品信息
ments:推荐系统向客户提供其他客户对相应产品的评论信息
Average Rating:推荐系统向客户提供其他客户对相应产品的等级评价
Top-N:推荐系统根据客户的喜好向客户推荐最可能吸引客户的N件产品
Ordered Search Results:推荐系统列出所有的搜索结果,并将搜索结果按照客户的兴趣降序排列
8
电子商务推荐系统简介
电子商务推荐系统的输入:
客户输入(Targeted Customer Inputs)
隐式浏览输入(Implicit navigation):客户的浏览行为作为推荐系统的输入,但客户并不知道这一点
显式浏览输入(Explicit navigation) :客户的浏览行为是有目的向推荐系统提供自己的喜好
关键词和项目属性输入(Keywords and Item attributes):客户输入关键词或项目的有关属性以得到推荐系统有价值的推荐
用户购买历史(Purchase history):用户过去的购买纪录
munity Inputs)
项目属性(Item Attribute):社团对商品风格和类别的集体评判
munity Purchase History):社团过去的购买纪录
文本评价(ments):其他客户对商品的文本评价,计算机并不知道评价是好是坏
评分(Rating):其他客户对商品的评分,计算机可以对评分进行处理
9
电子商务推荐系统简介
电子商务推荐系统的输出:
建议(Suggestion)
单个建议(Single Item)
未排序建议列表(Unordered List)
排序建议列表(Ordered List)
预测(Prediction):系统对给定项目的总体评分
个体评分(Individual Rating):输出其他客户对商品的个体评分
评论(Review):输出其他客户对商品的文本评价