伴随着计算机技术、通信技术的日益成熟和广泛应用,互联网用户的规模已不容小视,互联网市场潜力巨大,各大网站的运营商都在采取积极措施,分析用户的特征,根据不同的客户群向其提供差异化的服务,进而达到精准营销的目的。如,目前有些网站的运营商根据用户的注册资料,性别、年龄、区域、职业等信息来讲用户分群,但这种分群是非常“粗犷”的,没有考虑用户的行为特征和兴趣偏好,这样的分群结果很难为精准营销提供决策支持。
基于此背景下,本案例采用数据挖掘的方法分析用户的历史浏览行为特征,根据用户的历史浏览行为特征建立用户自动分群模型。
基于本例的原始数据以及分析的目标,其主要流程为:
从系统中获取用户访问网站的原始记录。
数据探索及预处理,包括:属性规约、数据清洗、数据变换等。
将网页分类,并按统计出用户浏览每类网页的数目。
构建用户分群模型。
分析各群体用户特征。
模型应用:为网站运营商提供差异化服务建议。
K-Means算法
MIC、BT指标
教与学:可落地操作、学生参与度高、交互性强;
科研:将前沿热门的深度学习技术与具体行业应用结合,为科学研究提供素材。
生产:将模型改进后直接用于实际生产环境:用户分群。
windows/linux/mac OS,64位操作系统,内存:4GB以上,R3.4.4
评论已有 0 条