电子商务网站点击流分析

kupay

　　导读-- 在用户查看网页时，通过利用点击流(Clickstream)数据仓库手段，构建点击流数据仓库维模型，分析了网站用户的消费行为、兴趣偏好，从而进一步优化网站的内容和产品销售种类。 </P>
<>　　如今，网络已经成为很多人必不可少的对外窗口，大家会经常在某个网站的网页上随意点击。然而，正是因为你在网页上的随意点击，却暴露了你自己的行为秘密！并为商业用户所利用！</P>
<>　　这就是商业智能中的数据仓库的魔力！在用户查看网页时，通过利用点击流(Clickstream)数据仓库手段，构建点击流数据仓库维模型，分析了网站用户的消费行为、兴趣偏好，从而进一步优化网站的内容和产品销售种类。</P>
<>　　要吸引公众的眼球，扩大网站的影响力，网站提供的信息价值和网站性能是网站竞争力的主要体现。与传统商业模式不同，在互联网上，Web用户与网站信息提供者之间不存在直接的信息沟通和反馈渠道。什么样的信息最受用户欢迎?不同用户对信息有什么不同的需求?增加或减少信息服务内容对用户点击量的影响如何?这些是网站经营者需要得到回答的问题，也是经营者今后为网站发展进行决策的依据。</P>
<>　　创建数据仓库作为企业管理决策支持系统的基础已得到越来越多企业领导者的认同，也是企业经营管理决策与信息化结合的趋势所在。数据仓库的构建可以通过实际调查用户需求，创建各类模型，利用系统分析与设计方法实现。</P>
<>　　在充满竞争的今天，谁赢得了客户，谁就拥有了一切;在Internet这个虚拟世界中，谁赢得了眼球，谁就能胜出。</P>
<P>　　点击流数据仓库 </P>
<P>　　网页服务器日志文件记录了网站上每个用户的每一次点击，为我们带来了新的、大规模的数据资源，我们称之为点击流(clickstream)。</P>
<P>　　传统数据仓库是针对某个主题，对传统操作型数据库中的数据进行抽取、清洗和转换，加载到数据仓库中，形成多维数据集。决策者可通过OLAP(在线分析处理)或数据挖掘工具对从不知晓的企业运营的内在知识进行挖掘，挖掘隐含在内部的商业知识、商业模式，或针对企业以往发展，探索成功与失败的原因。</P>
<P>　　点击流数据仓库的数据来源与一般数据仓库不同，来自点击流数据，通过收集、整理、转换这些数据，建立针对Web点击信息的各种维度，进而分析网站用户的行为并最终探索导致这些行为的内在原因是点击流数据仓库的建设初衷。通过点击流数据仓库将描述用户行为的数据转为决策者可以利用的有效信息，为网站经营者提供决策支持。</P>
<P>　　点击流数据仓库的优势</P>
<P>　　通常，Web分析工具能提供一些有利于分析网站基本流量和访问模式的概要级信息，了解网站的基本运行状况。但要探究导致网站用户行为的内在因素或其他一些商务问题时，Web分析工具则显得力不从心。</P>
<P>　　点击流数据仓库的建立完全遵从传统数据仓库建立的原则，其优势源于点击流数据是一种真正改进了的数据资源集，加上数据仓库系统本身的成熟应用，使点击流数据仓库具有其他方式或工具无法比拟的优势。</P>
<P>　　首先，点击流数据仓库能够更好地组织和管理点击流数据，能描绘Web用户完整的行为视图;其次点击流数据仓库中的数据通常经过抽取、转换和清洗，因而在数据仓库上进行点击流数据分析可免去许多数据预处理的工作;点击流数据仓库中集成了大量的历史数据，而对用户行为分析的大多数问题也与时间有关，因此，借助点击流数据仓库进行点击流分析更利于理解用户的行为。</P>
<P>　　维模型构建基本方法</P>
<P>　　数据仓库系统开发过程中，逻辑模型设计包括事实表设计和维度表设计两部分。通俗地说，“维”就是分析者观察事务的角度，“事实”则代表一个业务度量值，通常是数值型数据并具有可加性，从多个不同角度观察事实可得到多维数据集。</P>
<P>　　数据仓库中，维度表模型是用户分析数据的窗口，设计维度表的主要目的是把参考事实表的数据放置在一个单独的表中，维表通过记录因素的属性描述事件中包含的诸多因素。</P>
<P>　　结论与探讨</P>
<P>　　点击流数据仓库可以说是数据仓库方面最令人激动的新发展，它把传统企业用于决策的支持体系应用到互联网这个高速发展的平台。</P>
<P>　　由于Web分析工具只能对网站的基本流量、访问及基本运行进行概要分析，而通过将点击流数据引入数据仓库，可以更好地分析网站用户的行为，并进一步探究导致网站用户行为的内在因素，获取有商业价值的信息，得到比Web分析工具更好的决策支持依据。</P>
<P>　　过去的十多年，在传统企业中数据仓库已经完成了从概念的认识到成熟应用的过程。在Web世界里，我们也可以预见不远的将来数据仓库会变为网站经营者特别是电子商务类网站相关人员津津乐道的话题。