用戶行為日志分析

1、。1、用戶行為日志起點(diǎn) R3 電子商務(wù)搜索引擎演示系統(tǒng)中記錄的用戶行為數(shù)據(jù)主要包括四大類搜索歷史搜索歷史的記錄主要包括用戶信息、時(shí)間、地址、檢索的關(guān)鍵詞，檢索關(guān)鍵詞拼音及縮寫，用戶年紀(jì)等，其中，記錄的時(shí)間包括檢索發(fā)生時(shí)的小時(shí)、當(dāng)天是周幾、當(dāng)天的日期信息；地址信息包括了省市區(qū)縣信息。點(diǎn)擊歷史點(diǎn)擊歷史記錄了當(dāng)前點(diǎn)擊記錄的用戶信息、時(shí)間、地址、檢索詞、點(diǎn)擊記錄的序號、點(diǎn)擊記錄的 ID ，其中，記錄的時(shí)間包括檢索發(fā)生時(shí)的小時(shí)、當(dāng)天是周幾、當(dāng)天的日期信息；記錄了該產(chǎn)品是在搜索結(jié)果中點(diǎn)擊的還是推薦結(jié)果中點(diǎn)擊的；地址信息包括了省市區(qū)縣信息。購買歷史購買歷史分類已付款和未付款，并記錄的有付款時(shí)間和訂單時(shí)間。統(tǒng)

2、計(jì)還記錄了用戶信息、時(shí)間、地址、檢索詞、點(diǎn)擊記錄的序號、購買記錄的ID ，并且統(tǒng)計(jì)了在查看了該記錄多少次以后購買的， 也記錄了該產(chǎn)品是在搜索結(jié)果中點(diǎn)擊的還是推薦結(jié)果中點(diǎn)擊的，其中，記錄的時(shí)間包括檢索發(fā)生時(shí)的小時(shí)、 當(dāng)天是周幾、 當(dāng)天的日期信息； 地址信息包括了省市區(qū)縣信息。瀏覽數(shù)據(jù)歷史瀏覽數(shù)據(jù)是用戶在查看產(chǎn)品信息的瀏覽記錄，一次點(diǎn)擊查看的頁面會記錄多條瀏覽數(shù)據(jù)，該記錄是采樣數(shù)據(jù)，采集的頻率是10 秒一次，記錄了用戶信息、時(shí)間、地址、檢索詞、產(chǎn)品ID、當(dāng)前鼠標(biāo)瀏覽位置、當(dāng)前頁面焦點(diǎn)位置、當(dāng)前頁面滾動次數(shù)、距離上一次滾動時(shí)間等信息。2、推薦引擎起點(diǎn) R3 電子商務(wù)搜索智能推薦引擎是基于以上歷史記錄

3、的數(shù)據(jù)分析與挖掘。主要推薦類型分為四種：直接推薦直接推薦是最簡單的一種推薦方式，比如，根據(jù)用戶的檢索詞向推薦用戶與該檢索詞高度相關(guān)的產(chǎn)品信息，推薦列表的排序方式可以是按照銷售量排序、瀏覽量或其他方式排序。交叉推薦交叉推薦是稍復(fù)雜一些的一種推薦方式，比如：購買該商品的用戶還購買了那些商品、瀏覽該商品的用戶還瀏覽了那些商品，推薦列表的排序方式可以是按照銷售量排序、瀏覽量或其他方式排序。區(qū)域性和時(shí)間段推薦區(qū)域性推薦是在以上兩種推薦的基礎(chǔ)之上擴(kuò)展的一種推薦，比如，上海地區(qū)的購買了該商品的用戶還購買了那些商品；上海地區(qū)在周六日購買了該商品的用戶還購買了那些商品；上海地區(qū)的用戶在下午5 點(diǎn) -8 點(diǎn)間購買

4、了該商品的用戶還購買了那些商品。商品屬性相關(guān)推薦商品屬性相關(guān)推薦是針對用戶購買記錄或?yàn)g覽記錄進(jìn)行分析以后的一種推薦方式，是一種簡單計(jì)算，比如，對用戶購買或?yàn)g覽記錄進(jìn)行Facet 統(tǒng)計(jì)以后得出該用戶主要注意力在B罩杯的內(nèi)衣， 那么對用戶推薦的列表中只包含B 罩杯的商品； 另一類： 比如用戶瀏覽的內(nèi)衣70%以上都是性感類型的， 推薦引擎在對該用戶進(jìn)行推薦的時(shí)候， 則只推薦性感類型的內(nèi)衣、內(nèi)褲。起點(diǎn) R3 還可以根據(jù)用戶的購買行為來分析用戶的社會化屬性，比如區(qū)分喜好性感類型的用戶群和喜好文靜型的用戶群， 并可以針對不同的用戶群計(jì)算不同的推薦列表用于發(fā)送郵件列表。1。3、用戶訪問數(shù)據(jù)分析用戶訪問數(shù)據(jù)分

5、析主要是對用戶操作歷史記錄的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和分析，主要包括四類：社會化屬性社會化屬性分析主要包括分析用戶類型、 用戶的使用偏好、 用戶的購買習(xí)慣、 消費(fèi)習(xí)慣、消費(fèi)能力以及評論或商品的銷售數(shù)據(jù)對用戶的影響等數(shù)據(jù)的分析。區(qū)域性分析區(qū)域性分析是對地區(qū)數(shù)據(jù)進(jìn)行分析，以確定該地區(qū)的用戶購買習(xí)慣、消費(fèi)能力、消費(fèi)習(xí)慣、以及用戶年齡分布等。時(shí)間周期特性分析時(shí)間周期分布主要是和以上兩類綜合統(tǒng)計(jì)，比如用于計(jì)算周六周日以及特殊節(jié)假日的推薦列表等。商品和商品組合分析該分析主要是統(tǒng)計(jì)商品的購買特點(diǎn)，比如，通常用戶瀏覽了多少次以后會購買該商品，那些商品會在短期內(nèi)（ 2 小時(shí)）同時(shí)購買，以及商品和地區(qū)區(qū)域、時(shí)間周期的組合分析等。4、用戶行為對搜索結(jié)果的影響用戶行為對搜索結(jié)果的影響主要體現(xiàn)在排序和推薦列表中，在對搜索結(jié)果的排序中，購買量是一個(gè)排序參數(shù)， 可以直接使用商品購買數(shù)量對搜索結(jié)果排序。 此外，可用的排序參數(shù)還包括商品購買瀏覽量、 商品點(diǎn)擊量、 商品瀏覽時(shí)長等指標(biāo)。 用戶行為對推薦列表的影響就更為直接了， 交叉推薦、 區(qū)域性和時(shí)間段推薦