基于关联规则发现的网络客户行为分析研究

• 作 者: 李瑶
• 机 构: 上海财经大学
• 出 处: 上海财经大学
• 发表日期: 2005年期
• 关键词: 电子商务 网络客户行为 关联规则 客户关系管理

人类社会从商业产生的那一天起，客户就成为了商人们争夺的焦点。今天随着新商业理念的产生和网络、信息技术的飞速发展，商业领地不断的在扩张，电子商务成为了生活中非常重要的产品与服务的交易通道。客户关系管理成为了焦点，与客户建立良好的关系是创造长期客户价值的关键。所谓“知己知彼，百战百胜”创造客户价值的基础是满足客户，了解客户则是满足客户的前提。要做到了解客户就必须从对其行为的分析入手，只有揭开行为表象的纷繁外衣才可以接触到客户行为的实质，为商业决策的制定提供知识基础。
网络客户网站使用行为的模式发现问题是电子商务环境下客户行为分析研究的重要组成部分，关联规则数据挖掘方法的引入使得模式发掘更具科学性和系统性。对客户网站访问行为的挖掘，可以分为频繁模式挖掘和序列模式挖掘两种，该文的研究方向是访问行为的频繁关联规则发现。
文章首先分析了目前在网络客户行为研究以及关联规则挖掘方法研究方面的工作和现状，大多数有关关联挖掘算法应用研究的精力主要是放在对算法的改进、设计和算法性能优化等方面上的。基于对这些问题的认识，该文提出了一个关于客户网站使用过程中行为关联规则和频繁模式发掘的整体化模型体系。整体化的含义是关联规则产生前对源数据的清理与控制、初步关联规则的挖掘生成(Apriori，FP-growth)，以及初步规则生成后对规则的再挖掘和规则选取策略。文章认为规则本身的挖掘方法是很重要的，但是考虑到生成的原始关联规则缺乏组织性，数目过于庞大，难以转化成可利用知识的特点，在面向应用时对规则的再加工和选取策略则是更重要的。
该文规则选取和再挖掘子模块中，将选取和控制策略以产生原始关联规则过程为中间点划分为两个阶段，一是基于约束关联挖掘思想的挖掘前规则生成控制策略(来自于兴趣度的约束和知识用户预期的约束)，二是在原始关联规则的基础上，基于多层关联规则挖掘和多维关联规则挖掘的规则再加工策略，和基于兴趣度的规则选择策略。文章的最后部分使用了MSNBC网站真实的用户访问事务数据源进行了整体化模型的商业案例应用研究。结果认为所提出的模型对规则的整体化发掘是有效的，且对企业在客户web行为模式的分析中具有实用的借鉴意义。