分析电子商务网站数据挖掘系统数据模型

分析电子商务网站数据挖掘系统数据模型
分析电子商务网站数据挖掘系统数据模型
一、如何让浏览网站的客户更多的下单?只有一个办法，把更多的这个客户感兴趣的商品放在他的面前。

1，假设一，相同类别的客户关注相同的产品
2，假设二，同类别客户的购买记录对于该类别的其他客户非常有推荐意义
3，在亚马逊网站当你看某种商品的时候，旁边会显示相关产品，比如你浏览php的书，亚马逊在旁边会推荐mysql的书。

这个是一个非常好的匹配。

4，对于想学php的这一类人来说，多数人都会学mysql。

这是一个可以提高销量的绝妙的显示。

为什么会这样显示?因为亚马逊通过数据挖掘系统记录了客户的浏览和购买过程。

在数据挖掘数据库中记录着，客户当他买php书的时候，他同时买的商品中，mysql书的参数最高。

相同类型的客户具有近似的购买习惯。

当我们把同类客户购买的商品放在这一类其他客户面前的时候，我们就缩小了这个客户的选择商品的数量节省客户的购买时间和购买成本，从而帮助客户做选择。

二、记录客户的浏览内容，记录客户的购买产品的相关性，只有电子商务网站才可以做到。

1，如果建材超市也要这样做的话，他就要派一个销售人员赔客户逛店门，这个是不可能的。

2，从这一点上，电子商务网站可以战胜传统卖场，这个是电子商务网站所独有的.竞争优势。

三、电子商务数据挖掘系统数据库结构、功能、数据流。

1，记录客户浏览情况数据库 (A数据库)
客户代码：记录客户编号
客户浏览商品代码：
时间：
是否处理标志：
这个数据库记录客户的浏览过程，客户每浏览一个商品，就在数据库中增加一条记录
2，记录客户购买情况数据库 (B数据库)
客户代码：
客户购买商品代码：
时间：
是否处理标志
这个数据库记录客户的购买过程，客户每购买一个商品，就在数据库中增加一条记录
3，商品关联参数数据库(C数据库)，这个数据记录商品之间的关系
商品代码：
关联商品代码：
浏览参数：
购买参数：
排名参数：
数据写入过程C数据库的数据来源全部是对A和B数据库计算的结果。

以从A数据库获得参数为例说明，当一个注册客户H浏览了第一件产品，C数据库不做写入操作，当H客户浏览第二个商品的时候，系统在C数据库中查找，商品代码是第一件产品，关联商品代码是第二件商品的数据记录，如果找到就把浏览参数加一，如果没有找到就增加一条数据记录其初始赋值为，商品代码=第一件产品，关联商品代码=第二件产品，浏览参数=1。

当H客户浏览第3件产品的时候，就要建立(第3件商品和第一件产品)和(第3件商品和第二件产品)2个关联并修改参数。

以此类推，H客户看第4件产品的时候，还要建立3个关联。

呵呵，数据量很大呀。

到底是浏览参数重要还是购买参数重要，这个要通过数据计算获得，但是可以肯定的是可以通过调整浏览参数和购买参数的权重来获得商品关联数据库的排名参数。

数据提取过程当客户看某种商品S的时候，我们在数据库C中查找商品代码=S的所有记录，再根据排名参数的大小，把‘关联商品代码’显示在S商品的旁边。

4，数据库 C的数据量，细化到单个商品，最终的数据量会非常巨大，如果计算和存储能力不足，数据可以记录到商品品牌这一级别，这样数据会大大减少。

5，数据库A和数据库B中的数据是非常重要的，再下一步的工作是根据这些数据分析每个用户的喜好，并根据用户的喜好，由网站生成不同的信息。

最终的效果是，每个客户都上同一个网站，但是每个客户看到的内容不同，这些内容都是这个客户愿意看的。

6，如果把数据挖掘的思想引申到论坛版块划分，那么这些板块划分的结果就是最科学的。

四、数据挖掘系统记录相同类别客户的购买习惯，我们可以通过数据分析，形成科学的产品销售套餐。

1，我们做单品牌产品团购一次可以成交50单。

2，每个客户在装修期间购买产品的种类肯定超过50单，
3，每个客户都在网站下单50单，那么这个效果其实和一次团购活动相同。

4，以套餐模式销售就是让每个客户都形成一个团购。

5，如何保证每个客户下单都超过50单?
6，通过对数据挖掘结果的统计形成的套餐产品就是客户最喜欢的。

7，用it数据挖掘系统帮助形成产品套餐，节约了人工组成套餐的成本，并自动的根据不同人群形成不同的套餐产品
五、数据挖掘系统是以套餐形式销售产品的有利和科学的工具。

当客户认可数据挖掘系统以后，人工干预数据挖掘的结果还会产生更多的商业价值。

1，如果某个商家有某个新产品需要推广，我们可以人为的把新产品放在数据挖掘产品结果的前面，从而增加新产品被选择的机会，这个过程有点像百度干预搜索结果的过程。

呵呵，我们可以通过这些收取商家的广告费。

2，如果商业平台推出田园风格主题套餐，其实就是人为的制造了一个数据挖掘结果。

商业套餐和数据挖掘是和谐的统一。