電子商務新進展：個性化營銷方法

電子商務新進展：個性化營銷方法張俊嶺AssociateProfessorzhangjunling@SEM,ZJNU課外文獻閱讀1.A.Umyarov,A.Tuzhilin,UsingExternalAggregateRatingsforImprovingIndividualRecommendations,ACMTransactionsontheWeb,Vol.5,No.1,Article3,February2011.2.Y.Songetal.,AutomaticTagRecommendationAlgorithmsforSocialRecommenderSystems,ACMTransactionsontheWeb,Vol.5,No.1,Article4,February2011.3.Huang,Zeng,WhyDoesCollaborativeFilteringWork?INFORMSJournalonComputing23(1),138–152,2011課外文獻閱讀4.Kumar,Benbasat,TheInfluenceofRecommendationsandconsumerReviewsonEvaluationsofWebsites,InformationSystemsResearch17(4),pp.425–439,20065.JuanjuanZhang,ThePerilsofBehavior-BasedPersonalization,MarketingScience30(1),170–186,2011InAddition（AsamplepaperofEmpiricalResearch）Mudambi,Schuff,WHATMAKESAHELPFULONLINEREVIEW?ASTUDYOFCUSTOMERREVIEWSONAMAZON.COM,MISQuarterlyVol.34No.1,185-200,2010個性化營銷方法個性化營銷及其范疇個性化營銷方法分類WebMining個性化產(chǎn)品推薦方法什么是個性化營銷？個性化營銷的動機：由于消費者在人格特征、教育、收入、社會環(huán)境、角色、年齡、文化等方面存在差異，導致：（1）需求不同；（2）認知過程不同（信息加工過程）；（3）決策目標/行為不同個性化營銷的契機：電子商務的發(fā)展個性化營銷：企業(yè)直接面向消費者，將營銷目標細分到“個體”顧客，并按照顧客的獨特需求制定個性化策略的新型營銷方式。個性化營銷的目的：在最大限度滿足消費者個性化需求的同時，提升企業(yè)的核心競爭力，提高企業(yè)的盈利能力個性化營銷的支持信息人格特征教育收入社會環(huán)境角色年齡文化需求不同認知過程不同決策不同實證研究：影響關系?互聯(lián)網(wǎng)環(huán)境下，消費者的這些信息往往無法獲??！個性化營銷的支持信息信息搜索行為：網(wǎng)絡消費者為了滿足其消費欲望，在購買、使用商品或接受服務之前是如何通過網(wǎng)絡獲取信息的？網(wǎng)站訪問行為：網(wǎng)絡消費者訪問網(wǎng)站的軌跡是什么？它隱含著哪些信息，如消費者的消費欲望、興趣、偏好？消費與購買行為：網(wǎng)絡消費者愿不愿意在網(wǎng)絡上消費？為什么？擔心欺詐問題還是擔心隱私無法得到保護？網(wǎng)絡消費者的購買是如何決策的？他買了哪些商品或接受了哪些服務？這隱含著哪些信息？對企業(yè)產(chǎn)品開發(fā)、推廣促銷有什么幫助？在線評論/口碑傳播行為：消費者對他所購買的產(chǎn)品/服務滿意嗎？滿意度如何？這種行為對消費者的購買決策會產(chǎn)生影響嗎？個性化營銷的支持信息人格特征教育收入社會環(huán)境角色年齡文化需求不同認知過程不同決策不同實證研究：影響關系信息搜索行為網(wǎng)站訪問行為消費與購買行為用戶定制信息交流與溝通在線評論數(shù)據(jù)挖掘：發(fā)現(xiàn)偏好?個性化營銷范疇個性化營銷的理論假設：①具有相似網(wǎng)絡行為（如點擊、購買）的消費者具有相似的興趣、角色、需求；②具有相似興趣、角色、需求的消費者具有相似的消費行為。假設①是建模的基礎，假設②是預測的基礎當然，影響網(wǎng)絡行為的因素還有很多：網(wǎng)絡使用知識、與需求相關的領域知識以及風險意識的影響等個性化營銷范疇個性化營銷范疇（4P）Product：個性化產(chǎn)品設計、定制、推薦Price：個性化定價Place：個性化渠道——個性化網(wǎng)站導航、個性化產(chǎn)品展示、自適應站點、個性化溝通平臺（評論、SNS-淘江湖、BBS、IM-淘寶旺旺）Promotion：個性化廣告、個性化折扣/促銷策略注：4C——Customer,Cost,Convienience,Communication個性化營銷范疇人格特征教育收入社會環(huán)境角色年齡文化需求不同認知過程不同決策不同實證研究：影響關系信息搜索行為網(wǎng)站訪問行為消費與購買行為用戶定制信息交流與溝通在線評論數(shù)據(jù)挖掘：發(fā)現(xiàn)偏好個性化營銷策略：個性化產(chǎn)品/服務、個性化價格、個性化渠道、個性化促銷個性化營銷方法個性化營銷及其范疇個性化營銷方法分類WebMining個性化產(chǎn)品推薦方法個性化營銷方法分類面向Web的數(shù)據(jù)挖掘——Web挖掘通過對Web使用數(shù)據(jù)、Web頁面內容、Web站點結構的挖掘，發(fā)現(xiàn)消費者的行為特征，依此推斷其消費特征。面向營銷數(shù)據(jù)庫的數(shù)據(jù)挖掘——數(shù)據(jù)挖掘（個性化推薦）：為消費者個人推薦可滿足其消費偏好和興趣的商品、信息或服務。協(xié)同過濾技術：首先找到與目標消費者有相似興趣的其他消費者，再將他們感興趣的內容推薦給目標消費者。內容過濾技術：從目標消費者過去感興趣的產(chǎn)品特征描述中得到消費者的偏好信息，再將具有相似特征的商品、服務或信息推薦給目標消費者。個性化營銷方法分類文本挖掘通過語義分析，挖掘給定文本的內容特征，分析文本所揭示的用戶興趣（Web內容挖掘、在線評論/口碑分析）社會性網(wǎng)絡分析利用復雜網(wǎng)絡理論和統(tǒng)計學方法，分析網(wǎng)絡用戶在互動中的動力學特征，以期發(fā)現(xiàn)網(wǎng)絡用戶的群體行為特征圖挖掘針對復雜網(wǎng)絡結構，應用圖模型表示相關結構，借助圖挖掘技術發(fā)現(xiàn)相關子圖、關聯(lián)子圖等，探索網(wǎng)絡中群體用戶的行為及相互影響個性化營銷方法分類語義分析方法分析用戶評論的語義及其傾向性，揭示用戶對所購產(chǎn)品的滿意度信息融合方法多種信息源的綜合應用策略，如神經(jīng)網(wǎng)絡、證據(jù)理論等行為運籌學方法行為運籌學方法是將行為科學與傳統(tǒng)運籌學相結合而形成的一類方法，用以解決考慮用戶行為的系統(tǒng)優(yōu)化與控制問題。個性化營銷策略的優(yōu)化問題正是以表征消費者行為偏好的用戶模型（如目標需求偏好、興趣偏好、認知風格、保留價格等)為基本約束，在此基礎上逐步考慮產(chǎn)品整體滿意度、企業(yè)的成本、利潤、庫存、企業(yè)間競爭等因素的約束，獲得企業(yè)利潤和消費者滿意度最大化的多目標優(yōu)化問題。個性化營銷方法個性化營銷及其范疇個性化營銷方法分類WebMining個性化產(chǎn)品推薦方法Web數(shù)據(jù)—產(chǎn)生互聯(lián)網(wǎng)瀏覽器緩存Web瀏覽器Web頁面Web服務器請求對象Web日志W(wǎng)eb頁面圖片、視頻CookieWeb數(shù)據(jù)—類型與性質內容(webpages)：網(wǎng)頁內容，如圖片、聲音、文本等結構(webstructure)：頁面之間的鏈接關系使用(weblogs)：用戶瀏覽網(wǎng)站的行為數(shù)據(jù)，記錄為Web日志數(shù)據(jù)用戶檔案(userprofiles)：用戶注冊時提交的個人資料，如姓名、性別、興趣偏好等Web數(shù)據(jù)—用途理解用戶的網(wǎng)站訪問行為瀏覽行為：Weblogs.訪問者偏好:Webpages用戶的社群行為：WebStructure+Webpages困難Weblogs包含大量無關的數(shù)據(jù)網(wǎng)站是異構的、無標記的、分布式的、時變的、半結構化的、高維的Web數(shù)據(jù)—利用技術根據(jù)Web數(shù)據(jù)的類型，Web挖掘分為Web結構挖掘(WebStructureMining，WSM)：挖掘網(wǎng)站結構數(shù)據(jù)Web內容挖掘(WebContentMining，WCM)：挖掘網(wǎng)頁內容數(shù)據(jù)Web使用挖掘(WebUsageMining，WUM)：挖掘網(wǎng)站使用數(shù)據(jù)（訪問數(shù)據(jù)，clickstream數(shù)據(jù)）Web數(shù)據(jù)—夢想將訪問者轉變?yōu)槠髽I(yè)真正的消費者或保留已有客戶對策:不斷改善網(wǎng)站的內容和結構（有用性、易用性，技術接受模型TAM）網(wǎng)站是個性化的：為不同用戶提供不同的內容/服務/結構/展示準確理解用戶在網(wǎng)站內的行為數(shù)據(jù)預處理—任務Weblogs：會話識別，甄別出用戶的實際會話Webpages：頁面內容表示（向量空間模型，Vectorspacemodel），將網(wǎng)頁轉換成特征向量Web超鏈結構：識別社會網(wǎng)絡數(shù)據(jù)預處理—Web日志的會話識別Web日志數(shù)據(jù)：在訪問者向Web服務器請求頁面時被記錄下來的訪問行為，主要內容有用戶地址(IP)、用戶身份(Id)、時間(Date)、請求頁面(URL)、狀態(tài)碼(Status)、內容長度(Bytes)、引用(referer)、瀏覽器(agent)等。會話(session)：用戶在瀏覽某個網(wǎng)站時，從進入網(wǎng)站到瀏覽器關閉所經(jīng)過的這段時間，也就是用戶瀏覽這個網(wǎng)站所花費的時間。（類比：消費者到超市一次所購買的商品，會話分析=購物車分析）數(shù)據(jù)預處理—Web日志的會話識別數(shù)據(jù)預處理—Web日志的會話識別會話識別的必要性：數(shù)據(jù)的正確性是發(fā)現(xiàn)正確的用戶行為模式的必要條件會話識別的任務：將客戶端用戶的訪問請求任務劃分出來，使其正確描述用戶的會話，即按照會話對web日志數(shù)據(jù)進行劃分。會話識別面臨的挑戰(zhàn)：（1）代理服務器問題；（2）動態(tài)IP問題；（3）缺失鏈接（本地緩存）；（4）一臺機器多人共用；（5）同一用戶使用不同的機器上網(wǎng)；（6）短會話問題；（7）長會話問題數(shù)據(jù)預處理—Web日志的會話識別會話偵聽方案遠程智能體：在客戶端安裝一個智能體，將用戶的第一次頁面請求及其后續(xù)訪問返回至服務端修改瀏覽：修改瀏覽器的源碼，獲取客戶端的特征數(shù)據(jù)動態(tài)網(wǎng)頁重寫：當用戶請求頁面訪問時，重寫用戶請求的頁面使其包含特定的標識，用戶的后續(xù)請求（同一個會話）均記錄該標識。啟發(fā)式方法：利用一組假設識別會話，并發(fā)現(xiàn)因緩存丟失的請求數(shù)據(jù)預處理—Web日志的會話識別會話識別機制IP地址+瀏覽器：假設一個“IP-瀏覽器對”是一個用戶簡單、實用，不侵犯隱私，但無法解決代理服務器問題嵌入SessionID：即動態(tài)網(wǎng)頁重寫與IP無關，但識別不了同一個用戶的重復訪問用戶注冊訪問：用戶訪問時需要登錄系統(tǒng)難，很多人不愿意注冊cookie：在客戶端放置一個ID記錄機器，可跟蹤同一臺機器侵犯隱私，用戶可以自己清除cookie客戶端智能體：在客戶端加載一個智能體返回用戶的訪問信息嚴重侵犯隱私，容易遭到用戶的拒絕數(shù)據(jù)預處理—Web日志的會話識別會話識別機制啟發(fā)式方法超時規(guī)則：當兩個頁面請求的時間超過一定限度，如30分鐘，則假設啟動一個新會話IP-瀏覽器規(guī)則：不同的IP-瀏覽器對標識不同的會話超鏈頁面規(guī)則：所請求的某個內容頁面對應的超鏈頁面不屬于某個會話，則該內容頁面的請求也不屬于該會話IP-瀏覽器相同/會話不同(Closest):將該頁面請求指派到鏈接路徑最短的超鏈頁面所對應的會話IP-瀏覽器相同/會話不同(Recent):若該頁面請求到多個會話的距離相同，則將頁面請求指派到最近訪問的超鏈頁面所對應的會話數(shù)據(jù)預處理—Web日志的會話識別會話識別舉例IP+Agent數(shù)據(jù)預處理—Web日志的會話識別TimeOut超時設置：30min數(shù)據(jù)預處理—Web日志的會話識別Referer分析：僅有一個會話會話過程：A→C→B→D→E→D→B→C→F數(shù)據(jù)預處理—Web內容表示W(wǎng)eb文本內容是最受關注的挖掘對象Web文本包含各類詞匯，有的詞是無價值的，如何提取文本中的特征詞？如何表示一個文本使其便于數(shù)據(jù)挖掘方法的應用？向量空間模型(VectorSpaceModel)：模型根據(jù)文本中的詞匯出現(xiàn)在整個網(wǎng)站中的頻次為每個詞匯計算出一個權重，形成關于該文本的<詞匯，權重>向量空間數(shù)據(jù)預處理—Web內容表示設網(wǎng)站共有Q個頁面，出現(xiàn)詞Ti的頁面數(shù)為ni，則IDF(inversedocumentfrequency)=logQ/ni詞Ti在頁面j上出現(xiàn)的頻數(shù)（TermFrequency）為fij，則Ti在頁面j上的權重wij計算如下：wij=fij×logQ/ni

(TF-IDF模型)頁面j可用向量空間Pj表示，則可分析頁面相似性等性質T1T2...Tk0.120.50...0.07數(shù)據(jù)預處理—Web結構表示網(wǎng)站是眾多頁面相互鏈接形成的一個網(wǎng)絡，可用圖表示：G=<V,E>其中，V：站點頁面集合，E：頁面間超鏈接集合在實際應用中，根據(jù)使用目的不同，G可以是有向圖、無向圖或樹。Web結構挖掘—意義頁面之間的相互鏈接是有目的的，它表征了內容之間的內在聯(lián)系，分析鏈接結構可以：網(wǎng)站結構是不是足夠優(yōu)化？網(wǎng)絡社群有什么特點？（在超鏈圖上的訪問軌跡隱含著很多有意義的知識！）哪些頁面是權威頁面(authoritative)?Web結構挖掘—任務基于超鏈接關系，對頁面、信息進行聚類分析，發(fā)現(xiàn)其中的社區(qū)結構挖掘文檔的自身結構（通過分析文檔內的超鏈接）發(fā)現(xiàn)某個具體領域網(wǎng)站的超鏈結構（層次結構or網(wǎng)狀結構）的性質挖掘權威頁面Web結構挖掘—HITS算法HITS（Hyperlink-InducedTopicSearch）算法假設可信的資源鏈接可信的資源超鏈接名表達某種涵義排名（權威性）是搜索關鍵詞和超鏈結構的函數(shù)算法思想權威頁面依賴于入度（被其他頁面引用越多越重要）權威頁面來自于重要的導航頁，而重要的導航頁包含許多權威頁面的超鏈接根據(jù)頁面是不是權威頁面或導航頁面，指派一個非負數(shù)的權重迭代：計算關聯(lián)頁面的重要性Web結構挖掘—HITS算法設P是頁面集，ap和hq分別為權威頁面和導航頁面的權重，計算如下：設A、H分別為社區(qū)內所有權威頁面和導航頁面的權向量，A=MTH，H=MA，M=(mij)=1(i→j)/0(else)A(k+1)←MTH(k)=(MTM)A(k),H(k+1)←MA(k)=(MMT)H(k)Web結構挖掘—HITS算法Web結構挖掘—HITS算法算例：Web結構挖掘—HITS算法Web結構挖掘—HITS算法HITS算法僅根據(jù)超鏈接關系分析權威頁面和導航頁面，而沒有考慮搜索詞考慮搜索詞的算法可參考：CHAKRABARTI,S.,DOM,B.,GIBSON,D,etal.Automaticresourcecompilationbyanalyzinghyperlinkstructureandassociatedtext.ComputerNetworksandISDNSystems，Volume30,Issues1-7,April1998,Pages65-74Web結構挖掘—PageRank算法Google采用的基本算法(LaryPage,拉里.佩奇，google創(chuàng)始人),節(jié)點代表頁面,有向邊代表超鏈接假設：沖浪者隨機選擇起始頁面在以后的每一步，沖浪者以概率d直接進入目標頁面或以1-d的概率通過其它指向目標頁面的超鏈接進入目標頁面。d的經(jīng)驗值約為0.85。一個頁面的重要性取決于指向該頁面的頁面的重要性Web結構挖掘—PageRank算法則頁面p的重要性為：xp(k+1)=(1-d)/n+d

q,pP,q→p(xq(k)