《电子商务网站营销数据-精品文档.docx》由会员分享，可在线阅读，更多相关《电子商务网站营销数据-精品文档.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、电子商务网站营销数据论文关键词:日志数据信息技术数据仓库联机分析处理论文摘要:电子商务(EC)在当代商务企业的发展中占有越来越重要的地位。怎样利用信息技术把握更多的商务信息已备受商家们的关注,站点分析技术正是为商家和网站提供了这样一种有效的分析工具。本文讨论了一些站点分析的相关技术信息和几种网站分析阅读者行为的理论与算法,及数据仓库的相关理论知识。并对站点日志数据进行了实例分析,并指出了站点分析技术发展的方向。一、绪论互联网技术不断革新与发展,给全球经济带来新的革命,进而也影响着人们的生活。互联网为企业提供了一种真正属于本人并面对广大网民的信息载体,企业通过这一载体,能够自由地将企业的产品、服
2、务等其他相关信息在线。电子商务就是网上实行各种商务活动的总包装,种种所谓电子商务解决方案,实际上就是实现各种网上商务活动的硬件与软件系统。它将影响到每一个人、每一个企业。电子商务的主体是我们每一个人、每一个企业,电子商务发展的经过就是对人们的生活、企业的运行的一种形式的一个宏大改变的经过。对于进入虚拟世界的商家而言,仅仅吸引注意力还不行,对它们而言,站点的访问率绝对不仅仅是一个数字,它还是一种信息,假如网站能够从网络中获得网民的信息并从中分析其行为诱因,那么就容易把握网民的需求,进而利用互联网去创造更多商机。电子商务站点用户行为的分析这一问题也因而成为现如今的热门话题,被人们普遍关心起来,尤其
3、是被众商家所重视。Web站点的日志数据正以天天数十兆的速度增长。怎样分析这些数据,怎样从这些大量数据中发现有用的、重要的知识(包括形式、规则、可视化构造等)也成为如今人们最关注的信息。在此情况下,站点用户行为分析就可为网站或商家提供出大量有价值的信息,包括站点的受欢迎度的比照、商业广告点击情况总括、产品的反应信息、站点各种信息的点击情况等等。另外,还可根据不同的页面内容来分类阅读者,以便做出更合理的页面分类,促使网站逐步向个性化、最优化状态发展。这一技术对互联网的发展壮大有着不可忽视的宏大作用,它的发展对信息技术亦将产生深远的影响。在电子商务早期阶段时,Web站点数据流分析通常是在主页上安装计
4、数器以及在一个外部日志文件上运行简单的统计程序记录点击率。但是,简单的点击计数既不准确也远未到达营销目的所需的具体程度。因而,各公司开场寻找更先进的分析工具,这类工具能够提供谁在访问公司Web站点以及访问者一旦进入站点后将做些什么的全面信息。站点开场分析的地方是Web服务器的访问日志。每当用户在站点上请求一个网页时,这个请求就被记录在访问日志中。如:目前有多少用户正在访问站点、他们正在看哪些网页以及他们在站点中呆了多长时间。显然,日志分析和行为大概情况的正确组合能够对Web站点的成功产生直接影响。此外,从日志分析中得到的信息是很难从真实世界中捕获到的,但这些信息却能够较容易地在线收集到。Web
5、数据流分析工具的这些最新进展能够使网站获得有关上网客户和他们习惯的具体报告。二、站点信息统计方法Web页面数据主要是半构造化数据,计算机网络技术和信息技术的飞速发展,使得半构造化数据呈现日益繁荣的趋势。半构造化数据,是一种介于形式固定的构造化数据,和完全没有形式的无序数据之间,在查询前无法预先确定其详细的类型和格式;同时它们相应的数据构造是不固定、不完全或不规则的,即这些数据有的本身就没有构造,有的只要特别松懈的构造,有的数据的构造是隐含的,需要从数据中进行抽取。而有时,尽管数据本身是有准确构造的,但为了一定的目的,而成心忽视它的构造。半构造化数据具有下面五方面的主要特点:1.构造是不规则的。
6、包含异构数据、一样的数据信息用不同类型或不同的构造表示。2.构造是隐含的。如电子文档SGML格式。3.构造是部分的,有时部分数据根本无构造,而部分数据只要粗略的构造。4.指示性构造与约束性构造。传统的数据库使用严格的分类策略来保护数据。而指示性数据构造是对构造的一种非准确的描绘。它可接受所有新数据,代价是要频繁修改构造。5.半构造化数据通常在数据存在之后才能通过当前数据归纳出其构造,称之为事后形式引导。形式有时可被忽略,同时数据与数据形式间的区别逐步消除。三、数据分析的方法Web页面的数据通常是利用统计模型和数学模型来分析的。使用的模型有线性分析和非线性分析;连续回归分析和逻辑回归分析;单变量
7、和多变量分析以及时间序列分析等。这些统计分析工具能提供可视化功能和分析功能来寻找数据间关系、构造模型来分析、解释数据。并通过交互式经过和迭代经过用来求精模型,最终开发出最具适应性的模型来将数据转化为有价值的信息。知识发现是从数据仓库的大量数据中筛取信息,寻找经常出现的形式,检查趋势并开掘施行。它是分析Web页面数据的重要方法。知识发现与形式识别的算法有下面几种:1.依靠性分析依靠性分析算法搜索数据仓库的条目和对象,从中寻找重复出现概率很高的形式。它展示了数据间未知的依靠关系。利用依靠性分析算法能够从某一数据对象的信息来推断另一数据对象的信息。例如:在杂货店中,一堆椒盐饼干放在陈列饮料的走道上,
8、这是由于经过依靠性分析,商店以为:很大一部分买饮料的顾客假如在取饮料的路上看到椒盐饼干的话就会购买,因此此种分析影响了商店布局。2.聚类和分类在某些情况下,无法界定要分析的数据类,用聚类算法发现一些不知道的数据类或怀疑的数据类。聚类的经过是以某一特定时间为根据,找出一个分享一些公共类别的群体,它称为无监督学习。分类经过,这是发现一些规定某些商品或时间能否属于某一特定数据子集的规则。这些数据类很少在关系数据库中进行定义,因此规范的数据模型中没有它们的位置。最典型的例子是信誉卡核准经过,可确定能否按商品价格和其它标准把某一购买者归入可接受的那一类中。分类又称为有监督学习。3.神经网络神经网络通过学
9、习待分析数据中的形式来构造模型。它对隐式类型进行分类。图像分析是神经网络最成功的应用之一。神经网络用于模型化非线性的、复杂的或噪声高的数据。一般神经模型由三个层次组成:数据仓库数据输入、中间层(各种神经元)和输出。它通常用恰当的数据库示例来训练和学习、校正预测的模型,提高预测结果的准确性。4.数据挖掘中的关联规则关联规则是数据挖掘的一个重要内容,通常关联规则反映的是数据间的定性关联关系。如一个商品交易数据库,一条记录表示用户一次购买的商品种类,每个属性(A、B)代表一种商品,每个属性都是布尔类型的。一条关联规则的例子是:A、BD2%60%,规则的含义是“假如用户购买商品A和B,那么可以能购买商
10、品D,由于同时购买商品A、B和D的交易记录占总交易数的2%而购买A和B的交易中,有60%的交易也包含D。规则中60%是规则的信任度,2%是规则的支持度。数据挖掘就是要发现所有知足用户定义的最小信任度和支持度阀值限制的关联规则。数据只是定性地描绘一个交易能否包含某商品,而对交易量没有定量描绘,这种布尔类型数据间的关联规则被称为定性关联规则。但数据记录的属性往往是数值型或字符型的,这些数据间也存在对决策有帮助的关联规则,相对于定性关联规则,这些规则被称为定量关联规则。另外,数据挖掘目前仍面临着数据质量的问题。由于数据仓库中的数据来自多个数据源,而在合并中存在很多障碍,如:没有建立合并视图所需的公共
11、关键字;数据值互相抵触;元数据的讲明不完备或丢失;数据值的不干净等等。数据挖掘是在标准化的数据基础上进行的,因此这些都会严重毁坏数据的准确性,导致最终决策的失误。所有这些问题都在等待着人们去开掘更好的解决方法。参考资料1.周斌,吴泉源,高洪奎:“用户访问形式数据挖掘的模型与算法研究,（计算机研究与发展）,1999vol.36No.7P.870-875;2.SrikantR,VuW,AgrawalR.Miningassociationruleswithitemconstrains.IBMAlmadenResearchCenter,TechRep:97.056,1997;3.ParkJS,Chen
12、M,YuPS.Aneffectivehashbasedalgorithmforminingassociationru1es.In:ACMInternationalConferenceonManagementofData,Caliform,1995;4.Inmon,WilliamH,BuildingtheDataWarehouse(2nded.).Wiley.NewYork(1996);5.BrinS,MotwaniR,UllmanJD,Dynamicitemsetcountingandimplicationrulesformarketbasketdata。Inpeckl1amJed.ProceedingoftheACMSIGMODConferenceonManagementofData.ACMPress,Tucson,Arizona,USA,1997.P255-264;6.程岩,卢涛,黄梯云:“在数据库中挖掘定量关联规则的方法研究,（管理科学学报）,2001-8。