基于聚類分析的電子商務用戶行為識別

范穎+史梁+鄒香玲

摘 要： 在實際電子商務企業發展中，識別電子商務用戶行為，對電子商務用戶行為進行行之有效的評估，選擇出最優的電子商務用戶營銷決策，以達成電子商務用戶營銷目的。應用聚類分析方法，通過對電子商務用戶的行為進行聚類分析識別，可以優化制定出適合電子商務用戶營銷的發展決策。結論證實，基于聚類分析方法可以正確識別電子商務用戶行為，為優化電商商務用戶營銷決策提供科學依據。

關鍵詞： 聚類分析； 用戶營銷； 電子商務； 用戶行為識別

中圖分類號： TN99?34 文獻標識碼： A 文章編號： 1004?373X（2017）15?0150?03

Abstract： In the actual development of the practical e?commerce enterprises， how to identify the e?commerce user behavior， evaluate the e?commerce user behavior effectively， and choose the optimal marketing decision of the e?commerce user is the purpose to realize the e?commerce user marketing. The cluster analysis method is used to perform the cluster analysis and recognition for the e?commerce user behavior， which can work out the development decision suitable for the e?commerce user marke?ting. The conclusion proves that the identification based on cluster analysis method can identify the e?commerce user behavior correctly， and provide a scientific basis for the optimization of the marketing decision of e?commerce business user.

Keywords： cluster analysis； user marketing； e?commerce； user behavior identification

0 引 言

在電子商務發展中進行聚類分析，對改進電子商務發展決策發揮著積極影響[2]。同時，在電子商務企業經濟發展過程中應用聚類分析方法，通過模式識別、市場研究以及數據分析等多種方式分析電子商務用戶行為，識別電子商務用戶行為模式，不僅有助于電子商務人員制定電商用戶營銷模式，提升用戶購買決策，也可以幫助市場分析人員應用聚類分析方法根據用戶購買模式，從電子商務用戶行為庫中發現不同的用戶行為群[3?4]。在電子商務中應用聚類分析方法可以有效推導對植物、動物以及人的行為進行分類，并且還可以根據不同種類相似功能的因素進行分類以獲得種群內常見的結構認識，將相似度高的數據集合在一起，從而挖掘出有用的數據信息，以預測規劃數據變化規律[5]。在實際中，相對于電子商務用戶行為的分類而言，應用聚類分析方法可以根據觀察得出電子商務用戶行為的組信息，有效洞察電子商務用戶消費者在網上的購物活動行為模式，以便分析識別用戶行為，并結合電子商務發展的特點優化電子商務用戶發展決策，為電商用戶提供優質的電子商務服務。由于數據中存在不規律和網站的各種噪聲，本文通過研究商務營銷策略優化問題，為提示數據隱藏的規律采用一種有效雙路凝聚信息熵數據分析方法，建立有關動態模型，能發現電子商務數據中隱藏的用戶購物行為特點及模式，幫助電子商務網站做出正確決策，根據信息熵理論提出一種雙路聚類模型進行仿真。

1 聚類分析算法

在聚類分析中可以根據信號分析理論，針對信號高頻部分中快速變化的對應特征空間數據點，將其作為聚類分析中的邊界；將信號低頻部分作為聚類本身。

在聚類分析算法中，假設類簇中心由局部密度低的點圍繞，定義局部密度值為低密度點到高局部密度點的距離為則聚類分析公式表示為：

選擇為每個點平均鄰居數點的1%～2%，則表示為：

聚類分析中密度最大的點， 設置為：

聚類分析的核心思想是：針對給定的空間對象集，通過檢測簇為空間內的對象分配各自的簇標簽，然后通過小波變換方式轉換原特征中的空間，從而找到新空間中存在的密集區。通過聚類分析，可以把用戶群對象集合根據指定用戶行為模型進行分類，根據輸入多維數據對象的特征向量，從而根據不同的分類結果得出聚類對象。

2 對電子商務用戶行為進行識別分析的目標

（1） 分析電子商務客戶的行為習慣及其收益

在對電子商務用戶行為進行分析中，可以根據用戶在電商平臺中的購買記錄識別客戶購物的價值，然后根據價值對電子商務客戶進行分類[6]，有助于在今后電商產品銷售中根據用戶行為習慣制定銷售決策。

（2） 分析識別客戶對電子商務產品的意見

在電子商務中，可以根據不同的客戶對各種電子商務產品提出的不同意見識別用戶對產品的意見。還可以在電子商務平臺推出新產品，或是推出新服務時可以根據客戶行為分析得出客戶對電子商務新產品的接受程度，優化制定電子商務產品的營銷策略。

（3） 分析客戶對電子商務平臺的忠誠度及潛在客戶

基于聚類分析方法，對電子商務用戶行為進行識別，對用戶行為識別，量化具體用戶行為識別指標，從而分析評價用戶對電子商務企業的信任度[7?8]。對電子商務用戶行為進行識別，有效維持、增強客戶同企業的感情紐帶，提高電子商務企業競爭力。

基于聚類分析方法，系統分析預測電子商務潛在客戶的行為，在電子商務平臺中找出最有可能成為自己客戶的群體，調整電子商務平臺的運營規劃，針對這些群體展開營銷宣傳，吸引更多的客戶，擴大電子商務企業的發展。

3 基于聚類分析識別電子商務用戶行為的步驟

3.1 電子商務用戶行為建模

本文中所選電子商務用戶行為數據主要來自A地互聯網電商數據網中的400例用戶行為日志數據集。采集電子商務用戶名、用戶的上網時間、用戶瀏覽網頁的網址信息以及用戶年齡等信息[9]。然后，應用聚類分析方法分析用戶的電子商務行為，實現對用戶在電子商務中的喜好進行劃分，建立可以反映用戶特征的多維數據特征項，對用戶行為進行建模。

3.2 聚類分析

將電子商務用戶行為表示為用戶在使用互聯網過程中，應用不同網絡程序（訪問Web網頁、網絡新聞、電子商務網站、電子游戲）等所消耗流量的比例，如下式所示：

式中表示用戶使用網絡的流量消耗。

應用聚類分析方法，根據用戶在電子商務網站中的行為方式分析統計用戶使用電子商務的日志數據。然后從數據中抽取出有用的數據項，并將用戶上網時間、用戶名、用戶上網應用以及用戶所耗流量數據等作為用戶行為特征。根據電子商務用戶行為原始變量進行聚類分析。

3.3 聚類分析結果

實際中，由于電子商務用戶行為樣本數較大，可以應用迭代聚類方法將電子商務用戶行為樣本聚類為三類與四類分析。進一步應用因子得分方法進行聚類分析，得出的三類、四類結果如表1～表4所示。

經過聚類分析，電子商務用戶中，137人為年輕創業型用戶，這部分用戶的經濟狀況不是很好，對電子商務消費態度比較謹慎，個性比較平和穩重，個人看重家庭與婚姻生活；創業型用戶對電子商務的消費態度最為友好，生活態度比較保守。123人為中產穩健型用戶，這部分用戶的經濟狀況小康，預期生活保守，喜歡嘗試新事物，享受生活質量，對電子商務購物有極大興趣；用戶在使用網絡方面，多是在周末或是在工作日的中午閑暇時間。同時，部分用戶也習慣應用網絡在電子商務平臺中購物，是電子商務平臺中的主要購物人群。140人為保守低調型，不太追求時尚，消費觀念較強，不大愿意嘗試新事物，喜歡在周末玩網絡游戲，用戶在工作日的電子商務行為習慣與周末差異較大，忽視電子商務購物。

4 基于聚類分析方法優化設計電子商務用戶行為識別決策

4.1 細分電子商務客戶群

在電子商務用戶行為識別中，基于聚類分析，根據用戶的消費行為可以細分電子商務平臺中的客戶群，然后將有同質分類的客戶劃分到同一個群體中，從而根據不同用戶的消費行為為不同的用戶群制定不同的電子商務用戶營銷決策。

4.2 精選電子商務營銷目標客戶

基于聚類分析方法，可以根據用戶的消費特征，從聚類算法數據庫中精選出社會中潛在的電子商務目標客戶，降低營銷成本，展開電子商務客戶營銷活動。同時，針對電子商務中創業型的消費者，由于其在電子商務平臺中的消費態度較為謹慎，針對這部分客戶行為識別結果、經濟情況以及消費心理，能夠推出一些價格適中、時尚創新的電子商務產品。同時，電子商務企業在發展過程中注意關注這部分創業型消費者的心理需求，盡力提升電子商務產品對用戶的吸引度，精確定位電子商務營銷用戶群體。

4.3 避免客戶群流失

基于聚類分析方法，有效找出用戶與購買電商產品之間的關系，然后根據得到的數據關聯知識推薦用戶多購買產品，實現交叉銷售，提高電子商務客戶的價值，通過識別用戶行為對其開展滲透性增值營銷。電子商務企業在發展過程中應該加強對保守低調型消費者的電商產品宣傳工作，多與用戶交流，多為其提供關于電子商務產品的更多信息，強調電子商務產品的高質量、高安全性的特征，以吸引這部分用戶，避免電子商務中保守低調型用戶流失。

4.4 分析用戶欺詐行為

應用聚類分析方法提取電子商務網站欺詐用戶的客戶信息，分析電子商務中用戶欺詐行為的潛在特征，從而建立電子商務欺詐行為預警模型，確保能針對電商欺詐及時采取有效的控制措施，將電子商務網站運營風險降到最低，杜絕電子商務用戶欺詐行為的發生。

4.5 確定電子商務產品的營銷渠道

在電子商務發展中，基于聚類分析方法，根據電子商務客戶消費行為的不同，可以采用挖掘數據技術定位客戶在電子商務中的訂購渠道，從而根據電子商務網站中提供的產品業務特征優化合理地布局電子商務中的產品渠道，制定基于用戶購物習慣的渠道營銷策略，提升電子商務產品渠道的利用率，提升客戶對電子商務平臺產品的感知度。

5 結 論

本文通過研究電子商務用戶行為，基于聚類分析方法，識別電子商務用戶行為，能夠在海量的、不規則的電子商務用戶行為數據中發現潛在用戶行為的數據模式，從而揭示出電子商務用戶行為數據中隱藏的規律，以便能夠為電子商務用戶營銷人員制定營銷決策做出有力的數據支撐，取得較好的應用效果。應用聚類算法在識別電子商務用戶行為中，能夠預處理電子商務用戶行為原始數據，提取有價值的電子商務用戶行為識別信息，有助于防范電子商務運營風險，降低電子商務營銷成本，拓展電子商務平臺中用戶的成功購物率，增強電子商務平臺的發展效益，為電子商務發展提供有效的用戶營銷決策，提升電子商務市場競爭力。

參考文獻

[1] 李喬，何慧，方濱興，等.基于信任的網絡群體異常行為發現[J].計算機學報，2014，37（1）：1?14.

[2] 袁春陽，李青山，王永建，等.基于行為與域名查詢關聯的僵尸網絡聚類聯動監測[J].計算機應用研究，2012，29（3）：1084?1087.

[3] 孟彩霞，陳紅玉.基于TF?IDF改進聚類算法的網絡敏感信息挖掘[J].現代電子技術，2015，38（24）：44?46.

[4] 于曉聰，董曉梅，于戈，等.基于主機行為異常的P2P僵尸網絡在線檢測方法[J].小型微型計算機系統，2012，33（1）：11?17.

[5] 郭富強.基于SOM網絡的依托機構辦學行為聚類分析[J].陜西廣播電視大學學報，2016，18（1）：18?21.

[6] 王帥鵬，趙凱.基于圖像處理的人員異常行為監測設計[J].現代電子技術，2015，38 （6）：111?114.

[7] 陳嘉翼.基于小波聚類的網絡用戶行為分析[J].計算機光盤軟件與應用，2015（1）：45?46.

[8] 陳季夢，陳佳俊，劉杰，等.基于結構相似度的大規模社交網絡聚類算法[J].電子與信息學報，2015，21（2）：449?454.

[9] 薛黎明，欒維新.聚類算法在高校網絡用戶行為分析中的應用[J].現代電子技術，2016，39（7）：29?32.

[10] 謝卓.基于聚類學習算法的網絡入侵檢測研究[J].現代電子技術，2012，35（2）：91?93.