二十九、电子商务服务推荐项目基本描述

1. 电子商务用户行为分析综合案例

本案例主要的研究对象是法律网站，它是一家电子商务类的大型法律咨询网站，致力于为用户提供丰富的法律信息与专业咨询服务，并为律师与律师事务所提供卓有成效的互联网整合营销解决方案。为了能更好的满足用户需求，发现用户的兴趣点，从而引导用户发现自己的信息需求，将长尾网页准确地推荐给所需用户，帮助用户发现他们感兴的信息。本案例建立服务推荐的主要内容包括：

• 背景与挖掘目标
• 推荐系统原理图
• 数据分析处理图
• 智能推荐系统流程图

2. 背景挖掘与目标

2.1 推荐系统产生的背景

• 在互联网和信息技术的时代，用户想要从海量信息中快速准确地寻找到自己感兴趣的信息已经变得越来越困难，在电子商务领域显得更加突出。因此，信息过载的问题已经成为互联网技术中的一个重要难题
  

2.2 搜索引擎的概念

• 为了解决信息过载的问题，搜索引擎诞生了，例如Google、百度和搜狗等。搜索引擎在一定程度上缓解了信息过载问题，用户通过输入关键词，搜索引擎就会返回给用户与输入的关键词相关的信息。但是搜索引擎无法解决用户想找到转描述自己需求的关键时，搜索引擎就无能为力了。
  

2.3 推荐系统

• 个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。
  

2.5 电子商务综合案例用户行为

• 本案例研究的对象是法律网站，是一家电子商务的大型法律咨询网站，用户在网站中的主要行为有：
  

• 研究用户的访问时间，访问内容和访问此湖等分析主题，了解用户对访问网站的行为和目的；

• 发现用户的访问行为习惯，对不通需求的用户进行相关的服务页面推荐

3 推荐系统原理图

3.1 推荐系统的原理

• 推荐系统的本质是“猜测用户喜欢什么” ，即以一定的方式将用户与物品之间建立联系。
  

3.2 推荐系统的方法

• 本案例的目标是对用户进行推荐，用户和物品的联系指的是用户和网页之间的联系，为了更好地帮助用户从海量的数据中快速发现感情去的网页，利用基于物品的协同过滤推荐算法进行推荐。原理图如下所示。
  

3.3 协同过滤算法的基本思想

• 给用户推荐那些和他们之间喜欢的物品相似的物品。主要可分为两步
  1. 计算物品之间的相似度，建立相似度矩阵；
  2. 根据物品的相似度和用户的历史行为给用户生成推荐列表。
     

4 数据分析处理图

4.1 电子商务综合案例数据分析处理流程

1. 从系统中获取用户访问网站的原始记录
2. 对数据进行多维度分析，包括用户访问内容，流失用户分析以及用户分类等分析；
3. 对数据进行预处理，包含数据去重、数据变换和数据分类等处理过程。
4. 以用户访问html后缀的网页为关键条件，对数据进行处理；
5. 对比多种推荐算法，通过模型评价，得到比较好的智能推荐模型。

4.2 数据分析处理流程图

5 智能推荐系统流程图

5.1 电子商务服务推荐的具体流程

1. 业务系统的数据采集
2. 数据抽取
3. 数据探索与预处理
4. 模型构建和诊断
5. 结果&反馈