电子商务Web客户行为分析与推荐服务技术

电子商务Web客户行为分析与推荐服务技术(任务书,开题报告,论文20000字)
摘  要
在电子商务发展的过程中，客户行为分析的问题越来越突出。保持现有客户、发掘潜在客户；对客户成功实施交叉销售或关联销售；防范客户的欺诈行为等成为电子商务成败的关键问题。针对上述问题，本文以电子商务Web端为背景，研究了客户关系管理及客户行为分析理论。论述了客户行为分析的现实意义，并对分析型CRM与客户行为分析核心思想加以比较，从客户购物流程角度分析客户行为。对Web数据挖掘技术做了研究并对其研究分类，重点探讨了基于客户行为分析的Web数据挖掘技术的应用。客户行为信息数据的有效挖掘是基于电子商务Web客户行为分析的基础。
随着基于Web数据挖掘的客户行为分析日益成熟，个性化推荐服务技术是企业解决相关问题的绝好方法。本文探究了个性化推荐服务技术，构建了推荐服务系统模型。在模型里集中阐述了数据的预处理、推荐引擎以及推荐服务技术的相关算法，由于算法较为繁杂，选取了较为常用的几种算法作以探究。综合推荐服务技术的模型，论述测评了推荐服务技术的指标。
以淘宝推荐服务技术为例，基于庞大的淘宝客户数据，具体探究了淘宝推荐服务技术的应用场景和系统算法的多样性，给出淘宝推荐服务的效果评测机制。最后，总述淘宝推荐系统的设计，以及要系统设计要考虑的因素和系统设计具体的设计结构。
关键词： 电子商务  客户行为分析  Web数据挖掘  推荐服务技术
E-commerce Web Customer Behavior Analysis and Recommendation Services Technology
ABSTRACT
In the process of development of electronic commerce, the problem of customer behavior analysis is more and more prominent customer behavior analysis. Maintaining existing customers and excavating potential customers; the successful implementation of cross-selling or associated sales to customers; preventing customer fraud have become key issues of e-commerce success. To solve these problems, the paper end of e-commerce Web background, discussing customer relationship management and customer behavior analysis theory. We discuss the significance of customer behavior analysis, and compare analytical CRM with customer behavior analysis of the core ideas, analyzing customer behavior from the perspective of the customer shopping process. Web data mining technology do the research and its Classification, focusing on the analysis of customer behavior based on Web data mining technology. Effective data mining customer behavior information is the basis of Web-based e-commerce customer behavior analysis.
With Web-based data mining customer behavior analysis having become more sophisticated, personalized recommendation service technology is an excellent method for enterprises to solve related problems. This article explores the personalized recommendation service technology, building referral service system model. We focuses on data pretreatment, the recommendation engine and related algorithms referral service technology. Since the algorithm is complicated, we chose for several algorithms of commonly to explore. Recommended services technology integrated model, discussing the technical evaluation of the recommended service indicators.
The article takes Taobao recommendation service technology for example, basing on Taobao huge customer data, exploring specifically application scenarios and systems algorithms diversity of Taobao recommendation service technology, giving mechanism of Taobao recommendation service evaluation effect. Finally, the article summarizes Taobao recommendation system’s design, and system design factors to be considered in the design and system specific design of the structure.
Key Words:  E-commerce; customer behavior analysis; Web data mining; services technology for recommendation

目 录
摘要    I
ABSTRACT    II
第一章 绪论    1
1.1 课题来源    1
1.2 选题背景    1
1.3 研究路径和方法    2
1.3.1 研究方法    2
1.3.1 研究路线    3
第二章 文献综述    4
2.1 电子商务Web客户行为分析的研究现状    4
2.1.1 电子商务Web客户行为分析的重要性    4
2.1.2 电子商务Web客户行为分析的研究现状    4
2.2  国内外Web数据挖掘研究现状    5
2.3 推荐服务技术的研究现状    6
2.3.1 推荐服务技术的发展情况    6
2.3.2 推荐技术服务过度的问题    7
第三章 客户行为分析及相关理论技术研究    8
3.1 客户行为分析理论    8
3.1.1 客户关系管理    8
3.1.2 客户行为分析    9
3.1.3 客户行为分析过程    10
3.2  Web数据挖掘技术在客户行为分析中的应用    12
3.2.1 Web数据挖掘技术    12
3.2.2 Web数据挖掘的分类    12
3.2.3 Web数据挖掘在客户行为分析中的应用    15
第四章 个性化推荐服务技术    17
4.1 个性化推荐服务系统模型    17
4.1.1 数据的预处理    18
4.1.2 推荐引擎    19
4.2 推荐服务技术相关算法    20
4.2.1 基于内容的推荐算法    20
4.2.2 协同过滤算法    21
4.2.3 聚类算法    22
4.2.4 关联规则算法    23
4.3 推荐服务测评指标    23
4.3.1 客户满意度    23
4.3.2 预测准确率    24
4.3.3 新颖性    24
4.3.4 多样性    25
4.3.5 覆盖率    25
第五章 淘宝推荐服务技术分析    27
5.1 淘宝数据特点    27
5.2 淘宝推荐服务技术的应用场景    27
5.3 淘宝推荐服务系统算法    28
5.4 推荐服务系统的效果评测    29
5.5 淘宝推荐服务系统的设计    29
5.5.1 淘宝推荐服务系统考虑的因素    29
5.5.2 淘宝推荐服务系统的设计结构    30
结语    31
参考文献    32
致谢    37