分析電子商務網站數據挖掘系統數據模型

分析電子商務網站數據挖掘系統數據模型

一、如何讓瀏覽網站的客戶更多的下單?只有一個辦法，把更多的這個客戶感興趣的商品放在他的面前。

1，假設一，相同類別的客戶關注相同的產品

2，假設二，同類別客戶的購買記錄對于該類別的其他客戶非常有推薦意義

3，在亞馬遜網站當你看某種商品的時候，旁邊會顯示相關產品，比如你瀏覽php的書，亞馬遜在旁邊會推薦mysql的書。這個是一個非常好的匹配。

4，對于想學php的這一類人來說，多數人都會學mysql。這是一個可以提高銷量的絕妙的顯示。為什么會這樣顯示?因為亞馬遜通過數據挖掘系統記錄了客戶的瀏覽和購買過程。在數據挖掘數據庫中記錄著，客戶當他買php書的時候，他同時買的商品中，mysql書的參數最高。

相同類型的客戶具有近似的購買習慣。當我們把同類客戶購買的商品放在這一類其他客戶面前的時候，我們就縮小了這個客戶的選擇商品的數量節省客戶的購買時間和購買成本，從而幫助客戶做選擇。

二、 記錄客戶的瀏覽內容，記錄客戶的購買產品的相關性，只有電子商務網站才可以做到。

1，如果建材超市也要這樣做的話，他就要派一個銷售人員賠客戶逛店門，這個是不可能的。

2，從這一點上，電子商務網站可以戰勝傳統賣場，這個是電子商務網站所獨有的競爭優勢。

三、 電子商務數據挖掘系統數據庫結構、功能、數據流。

1，記錄客戶瀏覽情況數據庫 (A數據庫)

客戶代碼：記錄客戶編號

客戶瀏覽商品代碼：

時間：

是否處理標志：

這個數據庫記錄客戶的瀏覽過程，客戶每瀏覽一個商品，就在數據庫中增加一條記錄

2，記錄客戶購買情況數據庫 (B數據庫)

客戶代碼：

客戶購買商品代碼：

時間：

是否處理標志

這個數據庫記錄客戶的購買過程，客戶每購買一個商品，就在數據庫中增加一條記錄

3，商品關聯參數數據庫 (C數據庫)，這個數據記錄商品之間的關系

商品代碼：

關聯商品代碼：

瀏覽參數：

購買參數：

排名參數：

數據寫入過程C數據庫的數據來源全部是對A和B數據庫計算的結果。以從A數據庫獲得參數為例說明，當一個注冊客戶H瀏覽了第一件產品，C數據庫不做寫入操作，當H客戶瀏覽第二個商品的時候，系統在C數據庫中查找，商品代碼是第一件產品，關聯商品代碼是第二件商品的數據記錄，如果找到就把瀏覽參數加一，如果沒有找到就增加一條數據記錄其初始賦值為，商品代碼=第一件產品，關聯商品代碼=第二件產品，瀏覽參數=1。當H客戶瀏覽第3件產品的時候，就要建立(第3件商品和第一件產品)和(第3件商品和第二件產品)2個關聯并修改參數。以此類推，H客戶看第4件產品的時候，還要建立3個關聯。呵呵，數據量很大呀。

到底是瀏覽參數重要還是購買參數重要，這個要通過數據計算獲得，但是可以肯定的是可以通過調整瀏覽參數和購買參數的權重來獲得商品關聯數據庫的排名參數。

數據提取過程當客戶看某種商品S的時候，我們在數據庫C中查找商品代碼=S的所有記錄，再根據排名參數的大小，把‘關聯商品代碼’顯示在S商品的旁邊。

4，數據庫 C的數據量，細化到單個商品，最終的數據量會非常巨大，如果計算和存儲能力不足，數據可以記錄到商品品牌這一級別，這樣數據會大大減少。

5，數據庫A和數據庫B中的數據是非常重要的，再下一步的工作是根據這些數據分析每個用戶的喜好，并根據用戶的喜好，由網站生成不同的信息。最終的效果是，每個客戶都上同一個網站，但是每個客戶看到的內容不同，這些內容都是這個客戶愿意看的。

6，如果把數據挖掘的思想引申到論壇版塊劃分，那么這些板塊劃分的結果就是最科學的。

四、 數據挖掘系統記錄相同類別客戶的購買習慣，我們可以通過數據分析，形成科學的產品銷售套餐。

1，我們做單品牌產品團購一次可以成交50單。

2，每個客戶在裝修期間購買產品的種類肯定超過50單，

3，每個客戶都在網站下單50單，那么這個效果其實和一次團購活動相同。

4，以套餐模式銷售就是讓每個客戶都形成一個團購。

5，如何保證每個客戶下單都超過50單?

6，通過對數據挖掘結果的統計形成的套餐產品就是客戶最喜歡的。

7，用it數據挖掘系統幫助形成產品套餐，節約了人工組成套餐的成本，并自動的根據不同人群形成不同的套餐產品

五、數據挖掘系統是以套餐形式銷售產品的有利和科學的工具。當客戶認可數據挖掘系統以后，人工干預數據挖掘的結果還會產生更多的商業價值。

1，如果某個商家有某個新產品需要推廣，我們可以人為的把新產品放在數據挖掘產品結果的前面，從而增加新產品被選擇的機會，這個過程有點像百度干預搜索結果的過程。呵呵，我們可以通過這些收取商家的廣告費。

2，如果商業平臺推出田園風格主題套餐，其實就是人為的制造了一個數據挖掘結果。商業套餐和數據挖掘是和諧的統一。