O2O項目用戶數(shù)據(jù)挖掘及行為分析研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，國家社會經(jīng)濟邁上了一個新臺階。同時互聯(lián)網(wǎng)技術(shù)也切實改變了人們的日常生活方式。電子商務(wù)的迅猛發(fā)展使得傳統(tǒng)行業(yè)面臨危機，而O2O(Online To Offline)模式，為大多數(shù)傳統(tǒng)行業(yè)找到了新的商機。
　　O2O模式是傳統(tǒng)電子商務(wù)模式的一種延伸，這種模式的核心價值在于從用戶的真正需求著手，能夠給用戶提供優(yōu)質(zhì)的服務(wù)體驗。它不只是簡單的將用戶從線上引到線下或從線下引到線上，而且能最大限度方便用戶。通過分析用戶行為

2、數(shù)據(jù)，進而挖掘出有價值的信息，一方面可以為用戶提供推薦服務(wù)，幫助企業(yè)獲得粘度更高的用戶，另一方面可以幫助企業(yè)進行精準的營銷。目前對于O2O模式下用戶數(shù)據(jù)挖掘的深入研究還相對較少，而且現(xiàn)有的個性化推薦技術(shù)的精確度還需要進一步提高。本文通過對用戶數(shù)據(jù)進行挖掘，發(fā)現(xiàn)隱藏有價值的信息提供給企業(yè)，幫助企業(yè)進行精準的服務(wù)推送。
　　本論文主要工作如下:
　　(1)對協(xié)同過濾推薦算法存在準確度低的問題深入研究，考慮用戶對重疊項目的評分數(shù)量

3、對相似度計算的影響，將用戶對重疊項目的評分一致性引入相似度計算，進一步修正相似度計算方法，緩解過度估計產(chǎn)生的消極影響，以提高推薦算法的精確度。
　　(2)分析討論了K-means聚類算法和協(xié)同過濾算法的特性，針對大規(guī)模用戶數(shù)據(jù)，通過用戶屬性特征進行聚類處理后，縮小了相似鄰居用戶的查找范圍，降低了計算開銷，提高了推薦性能。
　　(3)對于新用戶，可以根據(jù)用戶屬性聚類所屬簇中查找到相似用戶，進而產(chǎn)生推薦，在一定程度上解決了新用戶

4、“冷啟動”問題。
　　(4)通過兩種標準數(shù)據(jù)集，采用交叉驗證法，對算法進行評估驗證。實驗結(jié)果表明，本文提出的基于用戶聚類的優(yōu)化協(xié)同過濾推薦算法能達到較好的精確度，對于提高推薦質(zhì)量確實有幫助。另外，在企業(yè)應(yīng)用中考慮用戶隱式行為序列，對序列進行頻率統(tǒng)計，得到一個概率評分矩陣作為近似評分，解決了隱式行為反饋不能直接用于協(xié)同過濾算法的問題，同時也緩解了數(shù)據(jù)稀疏性。實驗采用旺鋪幫SAAS智能收銀機云端用戶數(shù)據(jù)，結(jié)果表明該策略具有比較理想的推