《客户、书籍细分(个性化or大众化)》由会员分享，可在线阅读，更多相关《客户、书籍细分(个性化or大众化)（18页珍藏版）》请在金锄头文库上搜索。
1、数据挖掘技术在大型零售书店的 若干应用图书： 分类（根据中国图书馆分类法的学科分类来定义）； 属性； 供货商； 客户资料； 书店内部组织机构及其系统维护。面向销售的数据立方体（通过该模型可对销售数据进行购物篮分析）：面向销售和进货的数据立方体：图书资料表：图书书号；书名；定价；图书类别id；图书类别表：图书类别id；类别名；销售事实表：销售编号；销售时间；POS机编号；店铺id；图书书号；销售数量；销售码洋；日销售表： 销售日期； 店铺id； 图书书号； 销售数量； 销售码洋；基于WEB数据挖掘技术的书店电 子商务系统的设计与实现购物篮分析：交叉销售；图书销售表：图书ID，时间ID，会员ID，
2、销售数量，价格。多维数据集：客户细分：将一个大的客户群体划分成一个个小的客户类别；同类客户：拥有相似属性；异类客户：拥有不同属性。客户数据has三种类型：、客户基本特征数据；、企业促销活动数据；、企业交易数据。一对一营销思想：要求书店能够了解每个客户的爱好、需求，针对客户的个人特点营销不 同类型的书籍，和客户建立起长久稳定的关系。可用分类和聚类来实现提取“客户身份背景、购买能力、购买心理”相关信 息。客户保持及流失分析：根据对客户信息和营销数据的分析，找出哪些原因导致客户离开并且针对 其原因挽回那些有意离开的客户。财务原因/非财务原因；主动流失/被动流失。抽取能够反映客户个人身份的背景、学历等
3、方面的信息以及反映其交易心理的 相关信息。图书促销分析：购买趋势、热销图书、降价图书、补货图书.Eg:女性时尚类=少儿类图书 for母亲们有一些对促销没有作出反应的客户，处理方法：直接认为这些客户拒绝促销；把这些客户从分析中排除。基于分群模型的读者个性化服务 研究 2 准备数据具体流程：确定数据来源为：某财经类高校图书馆近3年读者借阅数据、图书信息 数据、图书信息调整记录、图书馆管理系统升级记录、近3年放假日期、学 生院系明细；数据范围：36个月；数据源：学校图书馆系统数据库；导出格式：Access2000；建立4张表：借还书总表/图书总表/还书表/新书表；借还书表的关键字段：正题名、索取号、
4、读者证号、控制号、条形码、借出日期、应还日期、 限还时刻、时还时刻、借还标识、续借次数、读者姓名、操作员。在检查以上数据的基础上，构建用于分析的读者信息数据宽表，主要包 括：读者属性类数据；读者行为类数据；读者价值类数据；读者交换类数据；以下是各部分的主要变量：读者属性类数据：eg:读者编码、读者服务状态、读者学历、读者 喜好、读者所属学院、所属专业、读者状态、创建时间；读者借阅类数据：eg:理工类、财经类、电脑类、文艺类、外语类 、推荐图书类、论文类、电子图书类、各类图书借阅个数、续借次数；读者行为类数据：包括用户详细的行为信息：各类图书借阅的总天 数、总次数，非工作日借书次数、寒暑假借书次
5、数，不按时还书次数、 最长欠费时长、最大欠费额度等；关联规则挖掘算法及其在个性化 网站中的应用研究三、关联规则分析在web个性化网站中的应用 Eg:一个简单的模拟电子商务系统3.1 电子商务网站数据挖掘 主要数据： 客户的背景信息：主要来自于客户的登记表； 浏览者的点击流（click-stream）：主要用于考查客户的行为表现。分析和建立模型的技术和算法： 网站的数据挖掘与原来的数据挖掘差别并不大，很多方法和思想都可 以运用； 不同的是网站的数据格式有很大一部分来自于点击流，与传统的数据 库格式有区别；因而对电子商务网站进行数据挖掘所做的主要工作是：数据准备； 应将网站的用户点击序列保存在文本
6、文件中，以用户ID为唯一不重 复的文件名，并利用Apriori算法的代码将其封装在ActiveX控件中，这样 有利于软件复用，并可在多种开发环境（包括ASP）中调用； PS：if将用户点击序列保存在DB中，不仅会给DB增加额外的空间，造 成表格设计的复杂性，而且会使挖掘程序本身与网站代码和DB系统的版 本和设计耦合，不利于软件复用。决策树技术在网上书店系统中的 应用客户是商家争夺的焦点；通过决策树技术得到客户进行分析，发现客户所处的生命周期，针对处 于不同客户生命周期的客户，采取个性化的策略；可实现向其推荐书籍和客户保持，提高客户满意度，进而建立忠诚度， 防止客户流失；主要介绍ID3算法在网上书店的应用（文字略，可参见原文or我的暑假 笔记）：利用决策树技术可以挖掘大量 的客户信息为构建预测模型，较准 确地找出符合离开因素的客户，制 定相应的方案，最大程度挽留他们 。
