第38卷第3期温州大学学报（自 然 科 学 版）2017年8月V ol 38, No 3 Journal of Wenzhou University (Natural Science Edition) Aug, 2017 基于K-MEANS聚类的电商网站用户行为分析
王召义，薛晨杰
(安徽商贸职业技术学院经济贸易系，安徽芜湖 241002)
摘要：调整网站访问日志数据，从中提取用户访问各类页面次数，考虑类别化的变量组合方式，采
用K-MEANS聚类对类别化的变量进行聚类分析，理解各类别特征，描述用户行为，分析各类别与输
出结果的关联性，并为制定网站经营策略提供支持和参考依据．实证研究表明，对页面访问次数占比
进行K-MEANS聚类分析，可以明确各类型页面与输出结果之间的关联性．
关键词：K-MEANS聚类；用户行为；多元回归；输出结果
中图分类号：TP311.13 文献标志码：A 文章编号：1674-3563(2017)03-0049-06
DOI：10.3875/j.issn.1674-3563.2017.03.008 本文的PDF文件可以从https://www.doczj.com/doc/bb8833990.html,获得
用户行为主要是指用户在使用网络资源时所呈现出来的规律，可以用某些特征量的统计特征或特征量的关联关系定量或定性地表示[1]．购物网站的用户行为特征更有其独特之处，通过数据挖掘技术分析购物网站的用户行为特征，己成为电子商务用户流失领域的一个重要研究课题[2]．1 问题由来
现在的中小企业在互联网的冲击下，有的被时代淘汰，有的则搭乘互联网+的浪潮，摇身一变成了有着独立购物网站的电子商务企业[3]．独立购物网站在给企业带来机遇的同时，也面临着一系列的问题——网站如何推广、流量从哪里来、如何识别用户访问行为特征等，这些问题处理不好，会拖累企业发展．分析网站访问日志是解决这些问题的有效手段之一，通过分析网站访问日志能了解用户行为及被频繁访问的资源．因此，本文从大量网站访问日志数据中提取有关数据，使用K-MEANS聚类对这些数据进行分析，描述用户行为特征，从而为制定网站经营策略提供支持和参考依据．
2 研究模型
基于K-MEANS聚类的网站用户行为分析，其核心是对网站访问日志数据进行聚类分析，描述各类别的特征，并分析各类别与输出结果的关联性．研究模型主要分为三个部分：数据准备、数据分析和结论．具体流程如图1．
1）数据准备
从企业自建的购物网站访问日志中提取出用户访问各类页面的次数，并计算出各页面类型访
收稿日期：2016-09-30
基金项目：安徽省高校优秀青年人才支持计划项目(gxyqZD2017110)；安徽省高校人文社会科学研究重点项目(SK2016A0357)；安徽省教学研究项目(2015jyxm751)；安徽省高校自然科学研究重点项目(KJ2016A253)
作者简介：王召义(1983-)，男，安徽宿州人，讲师，硕士，研究方向：数据挖掘
网站分析 从网站的用户层面，我们根据用户访问的行为特征将用户细分成各种类型，因为用户行为各异，行为统计指标各异，分析的角度各异，所以如果要对用户做细分，可以从很多角度根据各种规则实现各种不同的分类，看到过有些数据分析报告做了各种用户的细分，各种用户行为的分析，再结合其他各种维度，看上去内容绝对足够丰富，但很难理解这些分析结果到底是为了说明什么问题，也许作为一个咨询报告反映当前整体的趋势和用户特征确实合适，但如果真的要让数据分析的结果能够引导我们去做些什么，还是要在做用户细分前确定分析的目的，明确业务层面的需求。 既然要做基于用户细分的比较分析，自然是为了明确某些用户分类群体的行为特征与其他用户群体的差异。这里主要从指导内容层面的调整为导向，通过比较各用户细分群体对内容需求的差异，优化内容运营，将优质的内容或者符合用户偏好的内容推荐给相应的用户。 既然是基于用户细分，首先明确用户的细分规则，这里举例3类细分：流失用户与留存用户、新用户与老用户、单次购买用户和二次购买用户，基于这3类细分，对每个分类的用户购买商品进行比较分析，明确哪些商品更加符合用户的预期。 当然，要区分流失用户和留存用户，首先必须对用户流失有一个明确的定义，关于流失用户的定义可以参考博客之前的文章——网站的活跃用户与流失用户。有了定义我们就可以做统计和细分了，还是以电子商务网站为例，电商网站的内容就是商品，我们基于每个商品计算购买这些商品的用户中购买后造成流失的用户比例，如下： 这里的指标定义应该比较明确，每个商品的流失用户比例应该是购买该商品后流失的用户数在所有购买该商品的用户中的占比，但只知道每个商品的流失用户比例无法评价这个商品是否对用户保留有促进作用，或者在一定程度上造成了用户的流失，只有通过与总体水平的比较才能得出相应的结论。所以这里需要重点解释的是“与总体比较”这个数值是怎么计算的到的，这里的百分比不是直接相减的结果，而是一个差异的幅度体现，这里假设总体用户流失率为56%，那么以A商品为例，与总体比较的结果是：( 58.13% –56% ) / 56% = 3.80% ，使用同样的计算方法也可以得到其他商品与总体比较的差异幅度。最后就是展示，在Excel里面通过“条件格式”里面的数据条功能可以直接展现出图中的效果，非常方便。
（二）行业发展特点 总体上来看，我国电子商务已进入全面应用时期，呈现出七大特点。 1.电子商务行业越来越受到风险投资追逐 2010年上半年，中国电子商务行业保持高速增长，正引发新一轮资本进驻。根据ezCapital 的数据显示，截止2010年9月底，国内电子商务企业已经完成23笔投融资、7笔收购案例，已披露涉及金额达3.42亿美元。 从投资时间上来看，今年6月共有乐淘文化、红孩子、梦芭莎等9笔企业获得风险投资，另外还包括酷团网收购优团网，比今年其他月份融资活跃得多，是电子商务行业融资高潮的月份。另外，上半年北极光、恩颐投资、凯鹏华盈创投对红孩子领投的5000万~1亿美元以及京东商城1.5亿美元的第三轮投资，从规模上看甚至可以算作是PE 。此外，服装类电子商务企业上海麦考林国际邮购有限公司10月份赴美国NASDAQ 市场上市，极可能引爆电子商务B2C 类企业的上市情绪。 2.移动电子商务撑起未来一片天 “3G”时代的到来，将电子商务引到发展移动电子商务市场的方向上来。 实际上在较早时期，电子商务行业内的“巨无霸”企业，如阿里巴巴、百度等早已在移动电子商务领域布好了局，移动电子商务基于更方便、更快捷、随时随地的优势，蕴藏着巨大的发展潜力，可能会远远超乎人们的想象，因此这块大蛋糕会吸引更多的企业加入进来。 现在来看，已经有越来越多的电子商务企业将触角伸向移动支付、移动IM 、移动旺铺等；而鉴于移动电子商务良好的发展势头，必然会吸引嗅觉灵敏的中小企业加入进来，加剧行业市场竞争。 3.电子商务服务企业主要分布在发达省市 目前我国电子商务服务企业主要分布在珠三角、长三角、北京等发达地区，从地域来看，电子商务发展得非常不平衡，但是，这种不平衡是非常好理解的：电子商务的发展离不开环境的高承载能力、较发达的金融水平、良好的物流配送等，长三角、珠三角以及北京等发达地区是经济发展的第一梯队，具有一流的电子商务配套设施，因此电子商务在这些省市发展水平靠前是经济基础的反应。 4.网络团购刮起旋风 今年上半年，国内电子商务行业刮起了一阵团购旋风，一时间到处都是团购网站和怀揣梦想的IT 创业青年，在一些团购导航网站的页面上，爱家团、家有团、爱帮团、窝窝团、糯米团、饭团、可可团、团酷······罗列着这些新奇又陌生的团购网站名字。在一些早先网站取得佳绩之后，新浪、腾讯等互联网巨头纷纷加入，使得网络团购炙手可热。 截止2010年8月底，国内网络团购企业为1215家，这不包括已倒闭、未开团的团购网站及未被登记在册的小型团购网站。 5.电子商务人才缺口大，尤其是一线运营人才 在国内电子商务行业如火如荼发展的同时，人才供给却相对缺乏，形成供不应求的局面。这主要是由于电子商务行业比较注重实践技能，虽然很多高校开展了电子商务专业， 最新电子商务行业分析报告 【最新资料，WORD 文档，可编辑修改】
B2B电商商务分析 一、概述 B2B，也就是Business to Business，即商家(泛指企业)对商家的电子商务。有时写作B to B，但为了简便干脆用其谐音B2B(2即to也)。电子商务的发展过程中还有 C2C(Consumer to Consumer)，B2C、C2B等模式。 B2B是指进行电子商务交易的供需双方都是商家(或企业、公司)，它们使用了Internet 的技术或各种商务网络平台，完成商务交易的过程。这些过程包括：发布供求信息， 订货及确认订货，支付过程及票据的签发、传送和接收，确定配送方案并监控配送过 程等。 B2B、BtoB（Business To Business，在英文中的2的发音同to一样。）是企业与企业之间通过互联网进行产品、服务及信息的交换。目前基于互联网的B2B的发展速度十分迅猛，据最新的统计，在本年初互联网上B2B的交易额已经远远超过B2C的交易额，在今后的5年，B2B将达到41%的年平均增长率，到2004年，全球围的B2B交易预 计将达到7.29万亿美元。 二、B2B成本 1.技术成本 B2B 技术成本包括软硬件成本、学习成本和维护成本。电子商务是各种技术结合的产物，昂贵的投资，复杂的管理和高昂的维护费用使得一些系统、技术和人才匮乏的企 业望而却步。 2.安全成本 在任何情况下，交易的安全总是人们关心的首要问题，如何在网上保证交易的公正性 和安全性、保证交易双方身份的真实性、保证传递信息的完整性以及交易的不可抵赖性，成为推广电子商务的关键所在。 3.物流成本
在电子商务中最难解决的就是物流配送。物流配送是电子商务环节的重要和最后的环节，是电子商务的目标和核心，也是衡量电子商务成功与否的一个重要尺度。 4.客户成本 电子商务的客户成本，指的是顾客用于网上交易所花费的上网、咨询、支付直到最后 商品到位所花费的费用总和，这是一种完全依赖于网络的服务，只要消费者一开始享 受这样的服务，就要承担每小时数元钱的最低成本，还不包括添置相应的硬件设备和 学习使用的费用。 三、综合问题 B2B 结构看起来简单，无非是供应信息、求购信息、产品库、企业库等主要栏目，以 及每个栏目下对不同行业、不同产品类别的分类，将相应的信息发布到相应的分类中。但实际上，B2B 分类方法对于的整体优化状况是至关重要的，因分类目录不合理将造 成用户难以获取信息、搜索引擎忽略二级栏目及二级栏目中的信息，以及 PR 值低等 综合问题。根据新竞争力对 B2B 优化研究的体会，B2B 的栏目和分类目录设置中的问题比较突出。 收录问题 随着供求信息发布量的增加，大量新发布的信息在不断滚动更新，但很多新的信息还 未等到搜索引擎收录就已经滚动到多层次目录之下，而由于结构层次设计不合理的原因，即使全部网页都转化为静态网页，仍有可能造成信息无法被搜索引擎收录。 动态网页问题 领先的早已经过优化改造实现了全部信息的静态化处理，但 B2B 发展到今天，仍然有大量采用全动态网页技术，甚至主栏目和二级栏目都是动态生成，这样的动态已经无 法在搜索引擎自然检索结果中获得任何优势，即使网页被搜索引擎收录，也难以获得 比其他同类容的静态网页有任何优势，其结果是，通过搜索引擎自然检索带来的访问 量越来越少。 相关性问题 在一般由维护人员编辑容的中，网页标题的设计以及网页标题与网页容的相关性问题 可以得到比较好的控制，但在用户自行发布信息的 B2B 行业，网页标题设计不专业以
电子商务案例分析大作业 —对爱奇艺的分析 专业：班级：学号：姓名： 1 基本情况 爱奇艺，原名奇艺。2010年4月22日上线，2011年11 月26日，奇艺正式宣布品牌升级，启动“爱奇艺”品牌并推出全新标志。作为国内领先的网络视频播放平台，爱奇艺由全球最大的中文搜索引擎——百度创立，联手美国私募股权投资公司普罗维登斯资本 ( Providence Equity Partners )共
同组建。作为国内首家全力做正版高清视频播放平台的爱奇艺，将从流畅的观映体验、高清的视觉效果、贴心的分享感受等多个方面将“品质”做到极致，满足用户“悦享品质”的生活追求。2013年5 月7 日百度收购PPS 视频业务，并与爱奇艺进行合并。 2 商业模式 2.1 愿景与使命 爱奇艺的愿景是让人们平等便捷地获得更多、更好的视频。秉承“悦享品质”的品牌口号，积极推动产品、技术、内容、营销等全方位创新，为用户提供丰富、高清、流畅的专业视频体验。目前，爱奇艺已成功构建了包含电商、游戏、电影票等业务在内、连接人与服务的视频商业生态，引领视频网站商业模式的多元化发展。 2.2 目标用户 成熟人群：性别分布均匀，19-40 岁用户占比超过8 成，这部分社会中坚群体更能接受新事物，对品牌和时尚热衷，具有高消费能力及高品牌忠诚度。 高学历人群：本科以上学历占比超半数，呈现高学历人群特点。 高消费人群：家庭收入在6000元以上占总体4 成，属于高消费人群。 2.3 产品与服务 在产品技术上，爱奇艺持续重点投入，保证在线观影清晰、流畅、界面友好。在内容上，90％以上是影视剧长视频，10％的短视频也是与长视频有
农 业 电 商 行 业 分 析 报 告 2014-5-14
引言 时代日新月异，生活越来越便利。人们的生活节奏便得越来越快，优胜劣汰的竞争方式使得许多陈旧的东西越来越满足不了人们的需求。对于购物而言，人们向往更加便宜、快捷的交易方式，于是网上购物就变得深入人心。相对去实体店来说，网上交易的优势在于，一是不需要走路，动动鼠标就能“逛街”；二是商品价格普遍比实体店里的商品价格低；三是通过三方支付平台担保，付款后很快就能到达买家手里；四是为了最大保证买家权益，网站会对卖家的商品进行认证，确保质量。其中，淘宝作为中国最著名的购物网站，吸引越来越多的商家，通过网站展示并销售自己的产品。卖家通过注册、提交有效证件照、缴纳保证金、说明商品情况才能进行交易。由于网站上不需要店面的租金、日常费用、店面工作人员，宣传手段大多也使用网页链接、图片、关键字搜索，所以节省了许多的开支，使得商品的基础价格低很多。随着我国网络技术普及率的日益提高，通过网络进行购物、交易、支付等的电子商务新模式发展迅速。于是电子商务凭借其低成本、高效率的优势，不但受到普通消费者的青睐，还有效促进中小企业寻找商机、赢得市场，已成为我国转变发展方式、优化产业结构的重要动力。
一、电子商务的现状 1、电子商务的优势 （1）互联网的快速发展 随着电脑的普及、网联网的快速发展，给电子商务的发展提供了有利的基础设施条件。中国网络购物的快速发展，得益于快速普及的网络。信用卡等的使用等都为电子商务更快更强地发展提供了很好的条件。 （2）信息化效率高 网上购物的便捷性：网上的商品品种很多，并在快速的发展中，几乎能满足大部分消费者的需求。网上买家面对的是无数的卖家，同时卖家面对的也是无数的买家，市场潜能很大。信息化的时代，高新技术的发展使得进入的门槛越来越低，管理维护的费用也相对要低。 （3）低成本 电子商务的发展使网上购物跨越了空间维度，而且节省时间。网络资源的共享以及中间环节的减少还有就是不用去花大量的投资在店铺上等都使得企业的成本相对实体经济要低得多，所以价格上也就要便宜。同时网上浏览购物，可以只在几个网页之间来回对照就可以买到自己满意且相对价格更优惠的，节约更多的时间成本。 (4)个性化服务
电子商务中的客户行为分析
Sichuan Top Vocational College of Information Technology 毕业设计论文 学院：四川托普信息技术职业学院 专业：电子商务 学号： 0903020232 姓名：杨丹 指导教师：李立 提交时间： 2011年10月25日
电子商务中的客户行为分析 ——在电子商务的交易中，消费者的心理活动和由此产生的消费行为 摘要 消费心理和消费行为是企业制定经营策略特别是制定营销策略的起点和基础。面对电子商务这种特殊的消费形式，消费者的消费心理和消费行为表现得更加复杂和微妙，直接影响电子商务的经营效果和发展空间。深入研究消费心理和消费行为对进一步拓展电子商务具有重要意义。本文详细分析客户消费心理、讨论影响客户购买决策的因素以及由此产生的消费行为，为企业建立优化营销方案提供参考意见。并针对我国电子商务的发展特点，提出了更切合我国实际的客户分析方案。通过该方案，可以更好地进行客户分析，尤其在对潜在客户的发现和培养中有良好的效果，可以为企业更好地规划客户关系策略和商务运营方案提供决策支持。 关键词： 电子商务客户分析客户心理潜在客户发现消费行为
目录摘要 -------------------------------------------------- - 1 - 目录 -------------------------------------------------- - 2 - 第一章引言 -------------------------------------- - 5 - 第二章我国电子商务及其发展------------- - 6 - 2.1 电子商务含义------------------------- - 6 - 2.2 我国电子商务的发展---------------- - 6 - 2.3 电子商务的特点---------------------- - 7 - 第三章电子商务客户行为及其研究发展- - 8 - 3.1 客户行为分析内涵------------------- - 8 - 3.2 客户行为分析的目标 --------------- - 8 - 第四章电子商务中客户行为---------------- - 9 - 4.1 电子商务模式下的客户行为------- - 9 - 4.1.1 电子商务模式下的客户行为特 点 ----------------------------------------- - 9 - 4.1.2电子商务模式下的客户行为表现 - 10 - 4.2 电子商务下影响消费者行为的因素-- - 11 - 4.2.1 微观因素-------------------- - 11 - 4.2.2 宏观因素-------------------- - 11 - 4.3 消费者行为与电子商务的相互影响- 12
聚类分析K-means算法综述 摘要：介绍K-means聚类算法的概念，初步了解算法的基本步骤，通过对算法缺点的分析，对算法已有的优化方法进行简单分析，以及对算法的应用领域、算法未来的研究方向及应用发展趋势作恰当的介绍。 关键词：K-means聚类算法基本步骤优化方法应用领域研究方向应用发展趋势 算法概述 K-means聚类算法是一种基于质心的划分方法，输入聚类个数k，以及包含n个数据对象的数据库，输出满足方差最小标准的k个聚类。 评定标准：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算。 解释：基于质心的划分方法就是将簇中的所有对象的平均值看做簇的质心，然后根据一个数据对象与簇质心的距离，再将该对象赋予最近的簇。 k-means 算法基本步骤 （1）从n个数据对象任意选择k 个对象作为初始聚类中心 （2）根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分 （3）重新计算每个（有变化）聚类的均值（中心对象） （4）计算标准测度函数，当满足一定条件，如函数收敛时，则算法终止；如果条件不满足则回到步骤（2） 形式化描述 输入：数据集D，划分簇的个数k 输出：k个簇的集合 （1）从数据集D中任意选择k个对象作为初始簇的中心； （2）Repeat （3）For数据集D中每个对象P do （4）计算对象P到k个簇中心的距离 （5）将对象P指派到与其最近（距离最短）的簇；
（6）End For （7）计算每个簇中对象的均值，作为新的簇的中心； （8）Until k个簇的簇中心不再发生变化 对算法已有优化方法的分析 (1)K-means算法中聚类个数K需要预先给定 这个K值的选定是非常难以估计的，很多时候,我们事先并不知道给定的数据集应该分成多少个类别才最合适，这也是K一means算法的一个不足"有的算法是通过类的自动合并和分裂得到较为合理的类型数目k，例如Is0DAIA算法"关于K一means算法中聚类数目K 值的确定，在文献中，根据了方差分析理论，应用混合F统计量来确定最佳分类数，并应用了模糊划分嫡来验证最佳分类数的正确性。在文献中，使用了一种结合全协方差矩阵RPCL算法，并逐步删除那些只包含少量训练数据的类。文献中针对“聚类的有效性问题”提出武汉理工大学硕士学位论文了一种新的有效性指标：V(k km) = Intra(k) + Inter(k) / Inter(k max)，其中k max是可聚类的最大数目,目的是选择最佳聚类个数使得有效性指标达到最小。文献中使用的是一种称为次胜者受罚的竞争学习规则来自动决定类的适当数目"它的思想是：对每个输入而言不仅竞争获胜单元的权值被修正以适应输入值，而且对次胜单元采用惩罚的方法使之远离输入值。 (2)算法对初始值的选取依赖性极大以及算法常陷入局部极小解 不同的初始值，结果往往不同。K-means算法首先随机地选取k个点作为初始聚类种子，再利用迭代的重定位技术直到算法收敛。因此，初值的不同可能导致算法聚类效果的不稳定，并且，K-means算法常采用误差平方和准则函数作为聚类准则函数(目标函数)。目标函数往往存在很多个局部极小值，只有一个属于全局最小，由于算法每次开始选取的初始聚类中心落入非凸函数曲面的“位置”往往偏离全局最优解的搜索范围，因此通过迭代运算，目标函数常常达到局部最小，得不到全局最小。对于这个问题的解决，许多算法采用遗传算法(GA)，例如文献中采用遗传算法GA进行初始化，以内部聚类准则作为评价指标。 (3)从K-means算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时,算法的时间开销是非常大 所以需要对算法的时间复杂度进行分析，改进提高算法应用范围。在文献中从该算法的时间复杂度进行分析考虑，通过一定的相似性准则来去掉聚类中心的候选集，而在文献中，使用的K-meanS算法是对样本数据进行聚类。无论是初始点的选择还是一次迭代完成时对数据的调整，都是建立在随机选取的样本数据的基础之上，这样可以提高算法的收敛速度。
中国农村电商用户行为调查报告 电商在三线以上城市的人口红利正在逐渐消失，市场格局也已逐渐成型。于是，渠道下沉、拓展新的市场成了很多电商近一年以来的战略方向。在这其中，农村市场尤其成为了阿里、京东等电商巨头们眼中的战略级市场，它们都在积极布局县级服务中心，希望以此来撬动这个冻土层。而深入田间地头“刷墙”的电商公司更是比比皆是。 xx年会是农村电商的一个繁荣之年吗?或许我们应该先来看看农村用户目前的电商使用行为是怎样的。 数千名网民参与了《企鹅智酷》发起的“农村电商用户行为调查”，对于他们网购的频率、最爱用的电商网站、网购中最不爽的体验等问题给出了自己的选择。我们对调查结果进行了分析，以此来了解农村用户的电商使用行为。 (注：此次调查样本均网络，因此报告中的“农村用户”即那些会使用互联网的农村用户。) 64.2%的农村网民通过手机购物，而使用电脑购物的只有32.9%。可以说，手机不仅是农村网民最主要的网购终端，也是他们最主要的上网终端。
在PC互联网快速普及的几年里，由于网络基础设施的铺设有限以及终端成本高昂、使用不便等原因，农村网民的数量一直是线性增长。而移动互联网的爆发除了让很多PC网民加快了移动化的过程， 也让很多尚未触网的农村人直接成为了移动互联网用户。 43.5%的农村用户会在一周之内多次访问电商网站，这一比例与城市用户相差仅10%。“逛电商”已经成为了农村用户一个比较高频的互联网行为。 同时，与之比例相当的则是“有购物需求才逛”的人群，占比 约44%。可见，农村用户在使用电商服务时分化为“高频族”和“需求族”两大类人群。 虽然近一半农村用户已经养成了一周多次访问电商网站的习惯，但到了实际发生购物的时候，这一比例便降到了17.9%，降幅达59%。但已经有28.2%的用户平均每月至少会购物1次。 通过明确购买需求而产生消费行为的人群比例则增至61.4%。 可见，农村用户的电商消费行为相对理智、目的明确。 73.6%的农村用户表示最常使用的电商网站是淘宝和天猫，而余下的大部分则会选择京东、一号店等自营电商，占比为18.8%。
商务网站客户行为分析及其对策研究 摘要 随着网络经济的发展,电子商务作为一种崭新的贸易方式逐步走进百姓生活。电子商务是指利用电子信息网络等电子化手段进行的商务活动，即商务活动的电子化、网络化。与传统商务相比，电子商务在成本、库存、信息获取等许多方面都占有一定的优势，并使客户的个性化需求得以实现。但同时电子商务也存在许多不足，阻碍着电子商务的发展。在电子商务的影响下，客户行为发生了许多变化，主要体现在获取信息方式、购买方式、购后行为等的变化，这些变化也直接或间接的影响着电子商务发展的趋势。 本文通过对比分析传统商务和电子商务下客户的行为，以及电子商务的发展趋势等，探索和研究各个电子商务企业应当如何制定营销策略，来适应客户行为的改变，满足客户的各种需求，把握电子商务的发展趋势，并以此来改变自己的营销理念，创新营销方式，加强塑造自身品牌，提高服务质量，以吸引和促进客户消费，促进电子商务的发展。 关键词:电子商务客户行为分析营销对策
Development of Electronic Commerce and Consumer Behavior Research Abstract As the network economy, trade, e-commerce as a new step by step into the lives of the people. E-commerce refers to the use of electronic information networks, electronic means of commerce, that is, electronic commerce, network. Compared with traditional business, e-commerce in terms of cost, inventory, information access, and many other aspects of an advantage, and to the individual needs of consumers can be achieved. But there are many deficiencies in e-commerce and hinder the development of electronic commerce. The impact of e-commerce, consumer behavior has undergone many changes, mainly reflected in the way of access to information, buying patterns, purchase behavior and so after the changes that are directly or indirectly affect the development trend of electronic commerce. This paper analyzed under the traditional business and e-commerce consumer behavior, as well as the development of e-business trends, explore and study how the various e-commerce businesses should develop marketing strategies to adapt to changes in consumer behavior, to meet a variety of consumer needs to grasp the development trend of electronic commerce, Bing in order to change their marketing ideas, innovative marketing methods to enhance shape their own brand, improve service quality to attract and promote customer consumption, the promotion of e-business. Keywords: E-commerce Client Behavior，Strategy
利用K-Means聚类进行航空公司客户价值分析 1.背景与挖掘目标 1.1背景航空公司业务竞争激烈，从 产品中心转化为客户中心。针对不同类型客户，进行精准营 销，实现利润最大化。建立客户价值评估模型，进行客户分 类，是解决问题的办法 1.2挖掘目标借助航空公司客户数据， 对客户进行分类。对不同的客户类别进行特征分析，比较不 同类客户的客户价值对不同价值的客户类别提供个性化服 务，制定相应的营销策略。详情数据见数据集内容中的 air_data.csv和客户信息属性说明 2.分析方法与过程 2.1分析方法首先，明确目标是客户价值识别。识别客户价值，应用 最广泛的模型是三个指标（消费时间间隔（Recency）,消费频率（Frequency）,消费金额（Monetary））以上指标简称RFM 模型，作用是识别高价值的客户消费金额，一般表示一段时 间内，消费的总额。但是，因为航空票价收到距离和舱位等 级的影响，同样金额对航空公司价值不同。因此，需要修改 指标。选定变量，舱位因素=舱位所对应的折扣系数的平均 值=C，距离因素=一定时间内积累的飞行里程=M。再考虑到，航空公司的会员系统，用户的入会时间长短能在一定程度上 影响客户价值，所以增加指标L=入会时间长度=客户关系长度总共确定了五个指标，消费时间间隔R，客户关系长度L，消费频率F，飞行里程M和折扣系数的平均值C以上指标，
作为航空公司识别客户价值指标，记为LRFMC模型如果采用传统的RFM模型，如下图。它是依据，各个属性的平均 值进行划分，但是，细分的客户群太多，精准营销的成本太 高。 综上，这次案例，采用聚类的办法进行识别客户价值，以LRFMC模型为基础本案例，总体流程如下图 2.2挖掘步骤从航空公司，选择性抽取与新增数据抽取，形 成历史数据和增量数据对步骤一的两个数据，进行数据探索 性分析和预处理，主要有缺失值与异常值的分析处理，属性 规约、清洗和变换利用步骤2中的已处理数据作为建模数据，基于旅客价值的LRFMC模型进行客户分群，对各个客户群 再进行特征分析，识别有价值客户。针对模型结果得到不同 价值的客户，采用不同的营销手段，指定定制化的营销服务，或者针对性的优惠与关怀。（重点维护老客户） 2.3数据抽取选取，2014-03-31为结束时间，选取宽度为两年的时间段， 作为观测窗口，抽取观测窗口内所有客户的详细数据，形成 历史数据对于后续新增的客户信息，采用目前的时间作为重 点，形成新增数据 2.4探索性分析本案例的探索分析，主要 对数据进行缺失值和异常值分析。发现，存在票价为控制， 折扣率为0，飞行公里数为0。票价为空值，可能是不存在 飞行记录，其他空值可能是，飞机票来自于积分兑换等渠道，查找每列属性观测值中空值的个数、最大值、最小值的代码
电子商务行业市场分析 报告 内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）
（二）行业发展特点 总体上来看，我国电子商务已进入全面应用时期，呈现出七大特点。 1.电子商务行业越来越受到风险投资追逐 2010年上半年，中国电子商务行业保持高速增长，正引发新一轮资本进驻。根据ezCapital 的数据显示，截止2010年9月底，国内电子商务企业已经完成23笔投融资、7笔收购案例，已披露涉及金额达3.42亿美元。 从投资时间上来看，今年6月共有乐淘文化、红孩子、梦芭莎等9笔企业获得风险投资，另外还包括酷团网收购优团网，比今年其他月份融资活跃得多，是电子商务行业融资高潮的月份。另外，上半年北极光、恩颐投资、凯鹏华盈创投对红孩子领投的5000万~1亿美元以及京东商城1.5亿美元的第三轮投资，从规模上看甚至可以算作是PE 。此外，服装类电子商务企业上海麦考林国际邮购有限公司10月份赴美国NASDAQ 市场上市，极可能引爆电子商务B2C 类企业的上市情绪。 2.移动电子商务撑起未来一片天 “3G”时代的到来，将电子商务引到发展移动电子商务市场的方向上来。 实际上在较早时期，电子商务行业内的“巨无霸”企业，如阿里巴巴、百度等早已在移动电子商务领域布好了局，移动电子商务基于更方便、更快捷、随时随地的优势，蕴藏着巨大的发展潜力，可能会远远超乎人们的想象，因此这块大蛋糕会吸引更多的企业加入进来。 最新电子商务行业分析报告 【最新资料，WORD 文档，可编辑修改】
现在来看，已经有越来越多的电子商务企业将触角伸向移动支付、移动IM、移动旺铺等；而鉴于移动电子商务良好的发展势头，必然会吸引嗅觉灵敏的中小企业加入进来，加剧行业市场竞争。 3.电子商务服务企业主要分布在发达省市 目前我国电子商务服务企业主要分布在珠三角、长三角、北京等发达地区，从地域来看，电子商务发展得非常不平衡，但是，这种不平衡是非常好理解的：电子商务的发展离不开环境的高承载能力、较发达的金融水平、良好的物流配送等，长三角、珠三角以及北京等发达地区是经济发展的第一梯队，具有一流的电子商务配套设施，因此电子商务在这些省市发展水平靠前是经济基础的反应。 4.网络团购刮起旋风 今年上半年，国内电子商务行业刮起了一阵团购旋风，一时间到处都是团购网站和怀揣梦想的IT创业青年，在一些团购导航网站的页面上，爱家团、家有团、爱帮团、窝窝团、糯米团、饭团、可可团、团酷······罗列着这些新奇又陌生的团购网站名字。在一些早先网站取得佳绩之后，新浪、腾讯等互联网巨头纷纷加入，使得网络团购炙手可热。 截止2010年8月底，国内网络团购企业为1215家，这不包括已倒闭、未开团的团购网站及未被登记在册的小型团购网站。 5.电子商务人才缺口大，尤其是一线运营人才 在国内电子商务行业如火如荼发展的同时，人才供给却相对缺乏，形成供不应求的局面。这主要是由于电子商务行业比较注重实践技能，虽然很多高校开展了电子商务专业，但是毕业生仅凭着在校期间学到的专业知识是不能胜任
编号： 审定成绩： 先锋软件学院2016届 毕业设计（论文） 题目：电子商务环境下消费者行为分析 学生姓名：郑海伦 专业：电子商务 班级：1309 学号：201300002270 指导教师：黄燕教研组： 填表时间：2016 年6月23日
先锋软件学院 学生毕业设计（论文）工作自查表 （当年9月下旬—10月中旬检查） 指导老师（签字）： 日期：
先锋软件学院毕业论文（设计）评阅表（指导教师、评阅人用）
摘要 电子商务从起步开始至今发展都非常迅猛，电子商务的发展使企业、市场和消费者行为发生了巨大的变化。更进一步来说，电子商务改变了人们的消费方式。企业只有了解了这些变化，才能给企业带来更多的商机，从而制定正确的策略，在市场竞争中取得优势。本文通过对电子商务环境下消费者行为，包括消费者心理个性化、消费者学习行为的主动性增强、注重商品价格、转换速度加快以致心理稳定性减少的心理特征的分析，及由心理因素所引起的消费者追求购买的方便和购物乐趣、直接参与生产和流通的全过程、理性的消费者行为的特征进行分析。 关键词：电子商务；环境；消费者行为
目录 1 绪论 (1) 1.1 选题背景和意义 (1) 1.2 文献综述 (1) 1.3 研究方法 (2) 2 电子商务环境下消费者行为现状 (2) 2.1 电子商务环境 (2) 2.2 网络消费者心理特征 (3) 2.2.1 消费心理个性化 (3) 2.2.2 消费者学习行为的主动性增强 (4) 2.2.3 价格仍是影响消费心理的重要因素 (5) 2.3网络消费者购买行为特征 (5) 2.3.1 理性的消费行为 (5) 2.3.2 消费者直接参与生产和流通的全过程 (6) 2.3.3 追求购买的方便和购物乐趣 (6) 3 结束语 (7) 参考文献 (8) 致谢 (9)
第9章K-Means 聚类、辨别分析 9.1理解聚类分析 餐饮企业经常会碰到这样的问题： 1）如何通过餐饮客户消费行为的测量，进一步评判餐饮客户的价值和对餐饮客户进行细分，找到有价值的客户群和需关注的客户群？ 2）如何合理对菜品进行分析，以便区分哪些菜品畅销毛利又高，哪些菜品滞销毛利又低？ 餐饮企业遇到的这些问题，可以通过聚类分析解决。 9.1.1常用聚类分析算法 与分类不同，聚类分析是在没有给定划分类别的情况下，根据数据相似度进行样本分组的一种方法。与分类模型需要使用有类标记样本构成的训练数据不同，聚类模型可以建立在无类标记的数据上，是一种非监督的学习算法。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将他们划分为若干组，划分的原则是组样本最小化而组间（外部）距离最大化，如图9-1所示。 图9-1 聚类分析建模原理 常用聚类方法见表9-1。 表9-1常用聚类方法 类别包括的主要算法
常用聚类算法见图9-2。 表9-2常用聚类分析算法 9.1.2K-Means聚类算法 K-Means算法是典型的基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预定的类数K，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 1.算法过程 1）从N个样本数据中随机选取K个对象作为初始的聚类中心； 2）分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中； 3）所有对象分配完成后，重新计算K个聚类的中心； 4）与前一次计算得到的K个聚类中心比较，如果聚类中心发生变化，转2)，否则转 5)； 5）当质心不发生变化时停止并输出聚类结果。 聚类的结果可能依赖于初始聚类中心的随机选择，可能使得结果严重偏离全局最优分类。实践中，为了得到较好的结果，通常以不同的初始聚类中心，多次运行K-Means算法。在所有对象分配完成后，重新计算K个聚类的中心时，对于连续数据，聚类中心取该簇的均值，但是当样本的某些属性是分类变量时，均值可能无定义，可以使用K-众数方
2020线上机票预定用户行为调研报告文档 2020 online ticket booking user behavior research repo rt document
2020线上机票预定用户行为调研报告文 档 小泰温馨提示：调研报告是以研究为目的，根据社会或工作的需要， 制定出切实可行的调研计划，即将被动的适应变为有计划的、积极主 动的写作实践，从明确的追求出发，经常深入到社会第一线，不断了 解新情况、新问题，有意识地探索和研究，写出有价值的调研报告。 本文档根据调研报告内容要求展开说明，具有实践指导意义，便于学 习和使用，本文下载后内容可随意修改调整及打印。 5月7日，南方航空宣布，自6月1日起，其客运销售代理人的手续费下调至0。机票代理市场加快洗牌，航空公司希 望加大直销和重新获得渠道控制权。去哪儿网、携程等ota平台未来可能可以从航空公司和众多机票代理处获得更优惠的价格政策和更多丰富的产品，获得更多流量和入口话语权。 根据比达咨询（bigdata-research）移动用户调查平台——《微参与》调查数据，在用户线上预定机票更倾向于选择ota企业，尽管航空公司在加强官网、app、微信的直销比例，但用户认知已经形成，航空公司短期仍处于被动态势。从品牌来看，依靠机票比价搜索起家的去哪儿依旧是用户最常使用的机票预定渠道品牌，携程平台化后短期内依然无法改变这一局
面;但是在移动端，携程旅行超越去哪儿旅行，常使用用户数 量位居行业首位。 比达咨询（bigdata-research）移动用户调查平台——《微参与》对线上机票预定用户行为的调查发现：三分之二的用户通过线上预定机票;移动端预定的用户数超过pc端;在线 上预定渠道中，去哪儿用户常用率最高，携程第二，具备流量优势的京东崛起，目前位居第十位;在移动端，携程旅行app 使用用户最多，航空公司在移动端相对pc端整体表现更好。1、三分之二的用户通过线上预定机票 《微参与》调查数据显示：XX年5月，65.5%的用户选择通过线上方式预定机票，只有34.5%用户在线下预定。其中， 线上预定方式中，通过电脑的用户占30.6%，手机占28.2%， 平板是 6.7%;线下预定方式中，去代售点买机票的用户数最多，其次是直接去机场买票的，电话订票仅8.9%。机票作为标准 化程度较高，互联网对其渗透率超过6成，移动端的比例已经超过pc，未来趋势主要是pc用户向移动端转移和线上订票方 式向40岁以上人群渗透。 2、品牌口碑和机票折扣是用户选择线上预定渠道品牌时最关 注因素
移动电商市场报告：用户行为分析 （一）用户使用频率分析 中投顾问发布的《2016-2020年中国移动电商行业深度调研及投资前景预测报告》指出，在使用过移动购物（服务）应用的用户中，超过半数已使用移动购物（服务）应用三年或更久，且使用频率多为每月或每季度一次。随着使用年限的增加，使用频率会相应增加，在使用三年或更久的用户中，平均每周使用移动购物（服务）应用一次以上比例达22.2%。 图表用户开始使用移动购物（服务）的时间 数据来源：中投顾问产业研究中心
图表移动购物（服务）应用使用频率 数据来源：中投顾问产业研究中心 （二）用户关注商品类型 中投顾问发布的《2016-2020年中国移动电商行业深度调研及投资前景预测报告》指出，不同性别的移动购物用户在移动端关注的的商品类型存在较大差异，女性关注类型前三位的是服装鞋帽、手机数码和个护化妆，而男性关注类型前三位分别是服装鞋帽、手机数码和运动户外。女性用户移动购物类型比较集中。 图表不同性别移动购物用户关注的商品类型 数据来源：中投顾问产业研究中心
中投顾问发布的《2016-2020年中国移动电商行业深度调研及投资前景预测报告》指出，移动购物（服务）用户最常用的支付方式中，第三方支付以78.4%的占比大幅度领先货到付款（12.7%）和网上银行（8.9%）。而在使用过的移动支付软件中，支付宝延续阿里系的市场优势，成为用户最常使用的移动支付软件。 图表移动购物（服务）用户最常用的支付方式 数据来源：中投顾问产业研究中心 图表移动购物（服务）用户曾使用的移动支付软件 数据来源：中投顾问产业研究中心
网购消费习惯进一步成熟，冲动型消费比例或将进一步下降近。 中投顾问发布的《2016-2020年中国移动电商行业深度调研及投资前景预测报告》指出，五成受访网民表示网购时十分重视商品评价好坏，并将其作为是否购买的重要依据，而对比调查显示，仅有三成受访者表示十分重视商品销量。随着网购消费习惯进一步成熟，购物决策过程中除浅层浏览销量等数据外，更多消费者倾向于花时间浏览相关评论内容，购物行为更趋于理性，追抢“爆款”等冲动型消费比例或将进一步下降。 图表2015中国网民对网购商品评价重视程度 数据来源：中投顾问产业研究中心
For the things that have been done in a certain period, the general inspection of the system is also a specific general analysis to find out the shortcomings and deficiencies 新编20xx年中国农村电商用户行为调查报告正式 版
新编20xx年中国农村电商用户行为调 查报告正式版 下载提示：此报告资料适用于某一时期已经做过的事情，进行一次全面系统的总检查、总评价，同时 也是一次具体的总分析、总研究,找出成绩、缺点和不足，并找出可提升点和教训记录成文，为以后遇到同类事项提供借鉴的经验。文档可以直接使用，也可根据实际需要修订后使用。 电商在三线以上城市的人口红利正在逐渐消失，市场格局也已逐渐成型。于是，渠道下沉、拓展新的市场成了很多电商近一年以来的战略方向。在这其中，农村市场尤其成为了阿里、京东等电商巨头们眼中的战略级市场，它们都在积极布局县级服务中心，希望以此来撬动这个冻土层。而深入田间地头“刷墙”的电商公司更是比比皆是。 XX年会是农村电商的一个繁荣之年吗?或许我们应该先来看看农村用户目前的电商使用行为是怎样的。
数千名网民参与了《企鹅智酷》发起的“农村电商用户行为调查”，对于他们网购的频率、最爱用的电商网站、网购中最不爽的体验等问题给出了自己的选择。我们对调查结果进行了分析，以此来了解农村用户的电商使用行为。 (注：此次调查样本均来自网络，因此报告中的“农村用户”即那些会使用互联网的农村用户。) 手机已成为最主要的网购终端 64.2%的农村网民通过手机购物，而使用电脑购物的只有32.9%。可以说，手机不仅是农村网民最主要的网购终端，也是他们最主要的上网终端。 在pc互联网快速普及的几年里，由于