基于聚類分析的電子商務(wù)用戶行為識(shí)別

范穎+史梁+鄒香玲

摘 要： 在實(shí)際電子商務(wù)企業(yè)發(fā)展中，識(shí)別電子商務(wù)用戶行為，對(duì)電子商務(wù)用戶行為進(jìn)行行之有效的評(píng)估，選擇出最優(yōu)的電子商務(wù)用戶營銷決策，以達(dá)成電子商務(wù)用戶營銷目的。應(yīng)用聚類分析方法，通過對(duì)電子商務(wù)用戶的行為進(jìn)行聚類分析識(shí)別，可以優(yōu)化制定出適合電子商務(wù)用戶營銷的發(fā)展決策。結(jié)論證實(shí)，基于聚類分析方法可以正確識(shí)別電子商務(wù)用戶行為，為優(yōu)化電商商務(wù)用戶營銷決策提供科學(xué)依據(jù)。

關(guān)鍵詞： 聚類分析； 用戶營銷； 電子商務(wù)； 用戶行為識(shí)別

中圖分類號(hào)： TN99?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）15?0150?03

Abstract： In the actual development of the practical e?commerce enterprises， how to identify the e?commerce user behavior， evaluate the e?commerce user behavior effectively， and choose the optimal marketing decision of the e?commerce user is the purpose to realize the e?commerce user marketing. The cluster analysis method is used to perform the cluster analysis and recognition for the e?commerce user behavior， which can work out the development decision suitable for the e?commerce user marke?ting. The conclusion proves that the identification based on cluster analysis method can identify the e?commerce user behavior correctly， and provide a scientific basis for the optimization of the marketing decision of e?commerce business user.

Keywords： cluster analysis； user marketing； e?commerce； user behavior identification

0 引 言

在電子商務(wù)發(fā)展中進(jìn)行聚類分析，對(duì)改進(jìn)電子商務(wù)發(fā)展決策發(fā)揮著積極影響[2]。同時(shí)，在電子商務(wù)企業(yè)經(jīng)濟(jì)發(fā)展過程中應(yīng)用聚類分析方法，通過模式識(shí)別、市場(chǎng)研究以及數(shù)據(jù)分析等多種方式分析電子商務(wù)用戶行為，識(shí)別電子商務(wù)用戶行為模式，不僅有助于電子商務(wù)人員制定電商用戶營銷模式，提升用戶購買決策，也可以幫助市場(chǎng)分析人員應(yīng)用聚類分析方法根據(jù)用戶購買模式，從電子商務(wù)用戶行為庫中發(fā)現(xiàn)不同的用戶行為群[3?4]。在電子商務(wù)中應(yīng)用聚類分析方法可以有效推導(dǎo)對(duì)植物、動(dòng)物以及人的行為進(jìn)行分類，并且還可以根據(jù)不同種類相似功能的因素進(jìn)行分類以獲得種群內(nèi)常見的結(jié)構(gòu)認(rèn)識(shí)，將相似度高的數(shù)據(jù)集合在一起，從而挖掘出有用的數(shù)據(jù)信息，以預(yù)測(cè)規(guī)劃數(shù)據(jù)變化規(guī)律[5]。在實(shí)際中，相對(duì)于電子商務(wù)用戶行為的分類而言，應(yīng)用聚類分析方法可以根據(jù)觀察得出電子商務(wù)用戶行為的組信息，有效洞察電子商務(wù)用戶消費(fèi)者在網(wǎng)上的購物活動(dòng)行為模式，以便分析識(shí)別用戶行為，并結(jié)合電子商務(wù)發(fā)展的特點(diǎn)優(yōu)化電子商務(wù)用戶發(fā)展決策，為電商用戶提供優(yōu)質(zhì)的電子商務(wù)服務(wù)。由于數(shù)據(jù)中存在不規(guī)律和網(wǎng)站的各種噪聲，本文通過研究商務(wù)營銷策略優(yōu)化問題，為提示數(shù)據(jù)隱藏的規(guī)律采用一種有效雙路凝聚信息熵?cái)?shù)據(jù)分析方法，建立有關(guān)動(dòng)態(tài)模型，能發(fā)現(xiàn)電子商務(wù)數(shù)據(jù)中隱藏的用戶購物行為特點(diǎn)及模式，幫助電子商務(wù)網(wǎng)站做出正確決策，根據(jù)信息熵理論提出一種雙路聚類模型進(jìn)行仿真。

1 聚類分析算法

在聚類分析中可以根據(jù)信號(hào)分析理論，針對(duì)信號(hào)高頻部分中快速變化的對(duì)應(yīng)特征空間數(shù)據(jù)點(diǎn)，將其作為聚類分析中的邊界；將信號(hào)低頻部分作為聚類本身。

在聚類分析算法中，假設(shè)類簇中心由局部密度低的點(diǎn)圍繞，定義局部密度值為低密度點(diǎn)到高局部密度點(diǎn)的距離為則聚類分析公式表示為：

選擇為每個(gè)點(diǎn)平均鄰居數(shù)點(diǎn)的1%～2%，則表示為：

聚類分析中密度最大的點(diǎn)， 設(shè)置為：

聚類分析的核心思想是：針對(duì)給定的空間對(duì)象集，通過檢測(cè)簇為空間內(nèi)的對(duì)象分配各自的簇標(biāo)簽，然后通過小波變換方式轉(zhuǎn)換原特征中的空間，從而找到新空間中存在的密集區(qū)。通過聚類分析，可以把用戶群對(duì)象集合根據(jù)指定用戶行為模型進(jìn)行分類，根據(jù)輸入多維數(shù)據(jù)對(duì)象的特征向量，從而根據(jù)不同的分類結(jié)果得出聚類對(duì)象。

2 對(duì)電子商務(wù)用戶行為進(jìn)行識(shí)別分析的目標(biāo)

（1） 分析電子商務(wù)客戶的行為習(xí)慣及其收益

在對(duì)電子商務(wù)用戶行為進(jìn)行分析中，可以根據(jù)用戶在電商平臺(tái)中的購買記錄識(shí)別客戶購物的價(jià)值，然后根據(jù)價(jià)值對(duì)電子商務(wù)客戶進(jìn)行分類[6]，有助于在今后電商產(chǎn)品銷售中根據(jù)用戶行為習(xí)慣制定銷售決策。

（2） 分析識(shí)別客戶對(duì)電子商務(wù)產(chǎn)品的意見

在電子商務(wù)中，可以根據(jù)不同的客戶對(duì)各種電子商務(wù)產(chǎn)品提出的不同意見識(shí)別用戶對(duì)產(chǎn)品的意見。還可以在電子商務(wù)平臺(tái)推出新產(chǎn)品，或是推出新服務(wù)時(shí)可以根據(jù)客戶行為分析得出客戶對(duì)電子商務(wù)新產(chǎn)品的接受程度，優(yōu)化制定電子商務(wù)產(chǎn)品的營銷策略。

（3） 分析客戶對(duì)電子商務(wù)平臺(tái)的忠誠度及潛在客戶

基于聚類分析方法，對(duì)電子商務(wù)用戶行為進(jìn)行識(shí)別，對(duì)用戶行為識(shí)別，量化具體用戶行為識(shí)別指標(biāo)，從而分析評(píng)價(jià)用戶對(duì)電子商務(wù)企業(yè)的信任度[7?8]。對(duì)電子商務(wù)用戶行為進(jìn)行識(shí)別，有效維持、增強(qiáng)客戶同企業(yè)的感情紐帶，提高電子商務(wù)企業(yè)競(jìng)爭(zhēng)力。

基于聚類分析方法，系統(tǒng)分析預(yù)測(cè)電子商務(wù)潛在客戶的行為，在電子商務(wù)平臺(tái)中找出最有可能成為自己客戶的群體，調(diào)整電子商務(wù)平臺(tái)的運(yùn)營規(guī)劃，針對(duì)這些群體展開營銷宣傳，吸引更多的客戶，擴(kuò)大電子商務(wù)企業(yè)的發(fā)展。

3 基于聚類分析識(shí)別電子商務(wù)用戶行為的步驟

3.1 電子商務(wù)用戶行為建模

本文中所選電子商務(wù)用戶行為數(shù)據(jù)主要來自A地互聯(lián)網(wǎng)電商數(shù)據(jù)網(wǎng)中的400例用戶行為日志數(shù)據(jù)集。采集電子商務(wù)用戶名、用戶的上網(wǎng)時(shí)間、用戶瀏覽網(wǎng)頁的網(wǎng)址信息以及用戶年齡等信息[9]。然后，應(yīng)用聚類分析方法分析用戶的電子商務(wù)行為，實(shí)現(xiàn)對(duì)用戶在電子商務(wù)中的喜好進(jìn)行劃分，建立可以反映用戶特征的多維數(shù)據(jù)特征項(xiàng)，對(duì)用戶行為進(jìn)行建模。

3.2 聚類分析

將電子商務(wù)用戶行為表示為用戶在使用互聯(lián)網(wǎng)過程中，應(yīng)用不同網(wǎng)絡(luò)程序（訪問Web網(wǎng)頁、網(wǎng)絡(luò)新聞、電子商務(wù)網(wǎng)站、電子游戲）等所消耗流量的比例，如下式所示：

式中表示用戶使用網(wǎng)絡(luò)的流量消耗。

應(yīng)用聚類分析方法，根據(jù)用戶在電子商務(wù)網(wǎng)站中的行為方式分析統(tǒng)計(jì)用戶使用電子商務(wù)的日志數(shù)據(jù)。然后從數(shù)據(jù)中抽取出有用的數(shù)據(jù)項(xiàng)，并將用戶上網(wǎng)時(shí)間、用戶名、用戶上網(wǎng)應(yīng)用以及用戶所耗流量數(shù)據(jù)等作為用戶行為特征。根據(jù)電子商務(wù)用戶行為原始變量進(jìn)行聚類分析。

3.3 聚類分析結(jié)果

實(shí)際中，由于電子商務(wù)用戶行為樣本數(shù)較大，可以應(yīng)用迭代聚類方法將電子商務(wù)用戶行為樣本聚類為三類與四類分析。進(jìn)一步應(yīng)用因子得分方法進(jìn)行聚類分析，得出的三類、四類結(jié)果如表1～表4所示。

經(jīng)過聚類分析，電子商務(wù)用戶中，137人為年輕創(chuàng)業(yè)型用戶，這部分用戶的經(jīng)濟(jì)狀況不是很好，對(duì)電子商務(wù)消費(fèi)態(tài)度比較謹(jǐn)慎，個(gè)性比較平和穩(wěn)重，個(gè)人看重家庭與婚姻生活；創(chuàng)業(yè)型用戶對(duì)電子商務(wù)的消費(fèi)態(tài)度最為友好，生活態(tài)度比較保守。123人為中產(chǎn)穩(wěn)健型用戶，這部分用戶的經(jīng)濟(jì)狀況小康，預(yù)期生活保守，喜歡嘗試新事物，享受生活質(zhì)量，對(duì)電子商務(wù)購物有極大興趣；用戶在使用網(wǎng)絡(luò)方面，多是在周末或是在工作日的中午閑暇時(shí)間。同時(shí)，部分用戶也習(xí)慣應(yīng)用網(wǎng)絡(luò)在電子商務(wù)平臺(tái)中購物，是電子商務(wù)平臺(tái)中的主要購物人群。140人為保守低調(diào)型，不太追求時(shí)尚，消費(fèi)觀念較強(qiáng)，不大愿意嘗試新事物，喜歡在周末玩網(wǎng)絡(luò)游戲，用戶在工作日的電子商務(wù)行為習(xí)慣與周末差異較大，忽視電子商務(wù)購物。

4 基于聚類分析方法優(yōu)化設(shè)計(jì)電子商務(wù)用戶行為識(shí)別決策

4.1 細(xì)分電子商務(wù)客戶群

在電子商務(wù)用戶行為識(shí)別中，基于聚類分析，根據(jù)用戶的消費(fèi)行為可以細(xì)分電子商務(wù)平臺(tái)中的客戶群，然后將有同質(zhì)分類的客戶劃分到同一個(gè)群體中，從而根據(jù)不同用戶的消費(fèi)行為為不同的用戶群制定不同的電子商務(wù)用戶營銷決策。

4.2 精選電子商務(wù)營銷目標(biāo)客戶

基于聚類分析方法，可以根據(jù)用戶的消費(fèi)特征，從聚類算法數(shù)據(jù)庫中精選出社會(huì)中潛在的電子商務(wù)目標(biāo)客戶，降低營銷成本，展開電子商務(wù)客戶營銷活動(dòng)。同時(shí)，針對(duì)電子商務(wù)中創(chuàng)業(yè)型的消費(fèi)者，由于其在電子商務(wù)平臺(tái)中的消費(fèi)態(tài)度較為謹(jǐn)慎，針對(duì)這部分客戶行為識(shí)別結(jié)果、經(jīng)濟(jì)情況以及消費(fèi)心理，能夠推出一些價(jià)格適中、時(shí)尚創(chuàng)新的電子商務(wù)產(chǎn)品。同時(shí)，電子商務(wù)企業(yè)在發(fā)展過程中注意關(guān)注這部分創(chuàng)業(yè)型消費(fèi)者的心理需求，盡力提升電子商務(wù)產(chǎn)品對(duì)用戶的吸引度，精確定位電子商務(wù)營銷用戶群體。

4.3 避免客戶群流失

基于聚類分析方法，有效找出用戶與購買電商產(chǎn)品之間的關(guān)系，然后根據(jù)得到的數(shù)據(jù)關(guān)聯(lián)知識(shí)推薦用戶多購買產(chǎn)品，實(shí)現(xiàn)交叉銷售，提高電子商務(wù)客戶的價(jià)值，通過識(shí)別用戶行為對(duì)其開展?jié)B透性增值營銷。電子商務(wù)企業(yè)在發(fā)展過程中應(yīng)該加強(qiáng)對(duì)保守低調(diào)型消費(fèi)者的電商產(chǎn)品宣傳工作，多與用戶交流，多為其提供關(guān)于電子商務(wù)產(chǎn)品的更多信息，強(qiáng)調(diào)電子商務(wù)產(chǎn)品的高質(zhì)量、高安全性的特征，以吸引這部分用戶，避免電子商務(wù)中保守低調(diào)型用戶流失。

4.4 分析用戶欺詐行為

應(yīng)用聚類分析方法提取電子商務(wù)網(wǎng)站欺詐用戶的客戶信息，分析電子商務(wù)中用戶欺詐行為的潛在特征，從而建立電子商務(wù)欺詐行為預(yù)警模型，確保能針對(duì)電商欺詐及時(shí)采取有效的控制措施，將電子商務(wù)網(wǎng)站運(yùn)營風(fēng)險(xiǎn)降到最低，杜絕電子商務(wù)用戶欺詐行為的發(fā)生。

4.5 確定電子商務(wù)產(chǎn)品的營銷渠道

在電子商務(wù)發(fā)展中，基于聚類分析方法，根據(jù)電子商務(wù)客戶消費(fèi)行為的不同，可以采用挖掘數(shù)據(jù)技術(shù)定位客戶在電子商務(wù)中的訂購渠道，從而根據(jù)電子商務(wù)網(wǎng)站中提供的產(chǎn)品業(yè)務(wù)特征優(yōu)化合理地布局電子商務(wù)中的產(chǎn)品渠道，制定基于用戶購物習(xí)慣的渠道營銷策略，提升電子商務(wù)產(chǎn)品渠道的利用率，提升客戶對(duì)電子商務(wù)平臺(tái)產(chǎn)品的感知度。

5 結(jié) 論

本文通過研究電子商務(wù)用戶行為，基于聚類分析方法，識(shí)別電子商務(wù)用戶行為，能夠在海量的、不規(guī)則的電子商務(wù)用戶行為數(shù)據(jù)中發(fā)現(xiàn)潛在用戶行為的數(shù)據(jù)模式，從而揭示出電子商務(wù)用戶行為數(shù)據(jù)中隱藏的規(guī)律，以便能夠?yàn)殡娮由虅?wù)用戶營銷人員制定營銷決策做出有力的數(shù)據(jù)支撐，取得較好的應(yīng)用效果。應(yīng)用聚類算法在識(shí)別電子商務(wù)用戶行為中，能夠預(yù)處理電子商務(wù)用戶行為原始數(shù)據(jù)，提取有價(jià)值的電子商務(wù)用戶行為識(shí)別信息，有助于防范電子商務(wù)運(yùn)營風(fēng)險(xiǎn)，降低電子商務(wù)營銷成本，拓展電子商務(wù)平臺(tái)中用戶的成功購物率，增強(qiáng)電子商務(wù)平臺(tái)的發(fā)展效益，為電子商務(wù)發(fā)展提供有效的用戶營銷決策，提升電子商務(wù)市場(chǎng)競(jìng)爭(zhēng)力。

參考文獻(xiàn)

[1] 李喬，何慧，方濱興，等.基于信任的網(wǎng)絡(luò)群體異常行為發(fā)現(xiàn)[J].計(jì)算機(jī)學(xué)報(bào)，2014，37（1）：1?14.

[2] 袁春陽，李青山，王永建，等.基于行為與域名查詢關(guān)聯(lián)的僵尸網(wǎng)絡(luò)聚類聯(lián)動(dòng)監(jiān)測(cè)[J].計(jì)算機(jī)應(yīng)用研究，2012，29（3）：1084?1087.

[3] 孟彩霞，陳紅玉.基于TF?IDF改進(jìn)聚類算法的網(wǎng)絡(luò)敏感信息挖掘[J].現(xiàn)代電子技術(shù)，2015，38（24）：44?46.

[4] 于曉聰，董曉梅，于戈，等.基于主機(jī)行為異常的P2P僵尸網(wǎng)絡(luò)在線檢測(cè)方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2012，33（1）：11?17.

[5] 郭富強(qiáng).基于SOM網(wǎng)絡(luò)的依托機(jī)構(gòu)辦學(xué)行為聚類分析[J].陜西廣播電視大學(xué)學(xué)報(bào)，2016，18（1）：18?21.

[6] 王帥鵬，趙凱.基于圖像處理的人員異常行為監(jiān)測(cè)設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2015，38 （6）：111?114.

[7] 陳嘉翼.基于小波聚類的網(wǎng)絡(luò)用戶行為分析[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2015（1）：45?46.

[8] 陳季夢(mèng)，陳佳俊，劉杰，等.基于結(jié)構(gòu)相似度的大規(guī)模社交網(wǎng)絡(luò)聚類算法[J].電子與信息學(xué)報(bào)，2015，21（2）：449?454.

[9] 薛黎明，欒維新.聚類算法在高校網(wǎng)絡(luò)用戶行為分析中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2016，39（7）：29?32.

[10] 謝卓.基于聚類學(xué)習(xí)算法的網(wǎng)絡(luò)入侵檢測(cè)研究[J].現(xiàn)代電子技術(shù)，2012，35（2）：91?93.