网站运营的深度挖掘及用户行为习惯分析应用

你的网站是不是真的被很多人关注？有多少人是你的忠实浏览者？你所用心运营的栏目和文章是否能带来你所期待的结果？你辛苦设计的SEO关键字和努力是否白做功夫？你是否在猜测你的用户可能的举动，还是在模仿大部分浏览者的行为习惯，按他们的行为习惯设计架构和流程？你的用户在你网站上的行为习惯是怎么样的？

主持：大家好，今天下午我们分享的题目是《[数据挖掘]之网站运营与搜索引擎用户行为分析》。

主持：为了让访谈更深入，我们在访谈中设置了互动环节，我们采取这样的流程，全过程分为2个部分，我们的今天访谈流程如下：

主持：第一个环节主要谈数据挖掘相关的知识、目的和作用，第二个环节是挖掘搜索引擎用户行为分析。


1、第一个环节的访谈，时间15：00-15：30
2、第一个环节互动：15：30-15：50
3、第二个环节访谈，15：50—16：30
4、第二个环节互动：16：30-17：30

在每个访谈的中间，安排时间给嘉宾和群友互动，群友在互动的环节针对该环节进行提问。在访谈的最后，安排了1个小时的讨论时间，可以提访谈环节中没有提到的问题。而在访谈的环节，希望大家不要插问题和聊其他话题。

由于牵涉到多群同步，为了保持秩序，提问的问题请通过主持人进行排队，按照次序先后进行互动，在每一个环节的互动中，群友可以对该问题进行互动，发表自己的看法或者针对该问题进行追问。

主持：每一个访谈和每一次的PK，我们不希望有相同的结论，而是希望有更多的思维的火花的迸发。你有一个苹果，我也有一个苹果，你把你的苹果给我，我把我的苹果给你，你和我仍然都只有一个苹果； 你有一种思想，我也有一种思想，你把你的思想给我，我把我的思想给你，你和我就各有两种思想。

主持：数据挖掘好象挺深奥的，好象全是数学统计的知识，对商业有什么用途吗？

KEE：数据挖掘，的确是一个很吓人的名词，因为里面的确牵涉到了太多数学知识和统计知识，也包含了大量的数据库的操作的语句，从这点来说，似乎太深奥了。然而，如果只是数据的统计，往往会没有商业的方向而导致错误的方向。

我们今天的访谈主要分两个部分，一是基础，主要谈一下数据挖掘的一些概念，第二个部分是一个应用案例，通过这个案例，介绍策划过程中怎么应用一些最基本的工具进行相关的分析统计和挖掘，重在过程而不是结果。

我们认为策划者必须能从众多的线索中进行大胆猜测，认真求证，小心决策。求证的过程，即可以从历史资料出发，进行挖掘，也可以预测，通过市场研究调查和市场研究进行求证。怎么让大家认识数据挖掘，这就是我们今天访谈的目的。深入浅出，而不拘泥于某个名词或者某个定义的准确性与否，毕竟我们不是在做学术研究，而是在应用其理论，用到商业策划与网站的具体应用上。

象UE，更多的是进行换位思考，是模拟用户的使用过程，分析用户的明意识，就是我们要什么，我们要怎么样做，是对用户心理的揣摩和分析，预见用户会有什么行为，这种行为是预测的，事实是怎么样还必须通过实践来证实。而数据挖掘就是通过用户的行为途径和以往的历史记录，分析用户的潜意识，从而推断出用户的普遍规律（知识），这种规律是自然存在的。

举个有趣的例子来说， “尿布与啤酒”的故事。为了分析哪些商品顾客最有可能一起购买， WalMart的公司利用自动数据挖掘工具，对数据库中的大量数据进行分析后，意外发现，跟尿布一起购买最多的商品竟是啤酒。为什么两件风马牛不相及的商品会被人一起购买？原来，太太们常叮嘱她们的丈夫，下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了两瓶啤酒。既然尿布与啤酒一起购买的机会最多，商店就将它们摆放在一起，结果，尿布与啤酒的销售量双双增长。

主持：OK，我们回到正题，我想知道什么是数据挖掘？
KEE：数据挖掘，是从数据库中发现相关的模式。

主持：哈哈，就这么简单？那数据挖掘在网站的应用中有那些方面呢？
KEE：是啊。
我见过最有趣的数据挖掘就是《星座对市场用户的分类研究》http://lady.allnet.cn/astro/faqs/content!xzdfcyhdblxj!c95b0b5e.html

数据挖掘对于网站运营来说，常见的有如下几个方面的应用：
1、 商业规则的挖掘，象市场规划的支持，广告策划，广告投放、市场定位、广告效果监测等。
基于数据挖掘的营销，常常可以向消费者发出与其以前的消费行为相关的推销材料。卡夫(Kraft)食品公司建立了一个拥有3000万客户资料的数据库，数据库是通过收集对公司发出的优惠券等其他促销手段作出积极反应的客户和销售记录而建立起来的，卡夫公司通过数据挖掘了解特定客户的兴趣和口味，并以此为基础向他们发送特定产品的优惠券，并为他们推荐符合客户口味和健康状况的卡夫产品食谱。

在零售业应用领域，利用数据挖掘会在很多方面有卓越表现：

1）． 了解销售全局：通过分类信息——按商品种类、销售数量、商店地点、价格和日期等了解每天的运营和财政情况，对销售的每一点增长、库存的变化以及通过促销而提高的销售额都可了如指掌。零售商店在销售商品时，随时检查商品结构是否合理十分重要，如每类商品的经营比例是否大体相当。调整商品结构时需考虑季节变化导致的需求变化、同行竞争对手的商品结构调整等因素。

2）． 商品分组布局：分析顾客的购买习惯，考虑购买者在商店里所穿行的路线、购买时间和地点、掌握不同商品一起购买的概率；通过对商品销售品种的活跃性分析和关联性分析，用主成分分析方法，建立商品设置的最佳结构和商品的最佳布局。

3）． 降低库存成本：通过数据挖掘系统，将销售数据和库存数据集中起来，通过数据分析，以决定对各个商品各色货物进行增减，确保正确的库存。数据仓库系统还可以将库存信息和商品销售预测信息，通过电子数据交换（EDI）直接送到供应商那里，这样省去商业中介，而且由供应商负责定期补充库存，零售商可减少自身负担。

4）． 市场和趋势分析：利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其它战略性信息。利用数据仓库通过检索数据库中近年来的销售数据，作分析和数据挖掘，可预测出季节性、月销售量，对商品品种和库存的趋势进行分析。还可确定降价商品，并对数量和运作作出决策。

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有