电商数据可视化与网站导航模式分析

# 电商数据可视化与网站导航模式分析 在当今数字化时代，电商数据的有效分析和网站的高效运营对于企业的成功至关重要。本文将介绍电商数据可视化的方法，以及如何通过分析网站用户的导航模式来提高网站的有效性。 ## 电商数据可视化 电商数据可视化是将多维度的数据映射到二维显示的过程，有助于更直观地理解数据。其中一种方法是使用平行坐标，它与星场模型不同，将坐标轴平行放置，而不是相互垂直，这样可以放置和显示更多的坐标轴。这种映射过程具有独特的几何属性，并与原始空间存在有用的关系。 电商数据可视化的工作可以在多个方面进行扩展，以解决在线商店在业务和系统有效性方面的不同问题： 1. **超链接分类与应用**：对超链接进行分类、用语义词汇标记并聚合的想法可以推广到其他业务领域，如在线营销和运营。例如，通过分析用户点击的超链接类型对客户进行聚类，这需要对在线商店中的超链接进行分类和标记，以区分购物者的行为特征。 2. **指标调整与扩展**：本工作中提出的商品销售有效性指标可以进行调整和扩展，以应用于互联网上的新购物模式，如在线拍卖和动态定价。 3. **结合数据挖掘**：基于数据可视化的探索性分析方法可以与数据挖掘相结合。数据挖掘可以帮助为可视化选择有趣的数据集群，或发现导航路径中的模式并识别产品关联。 ## 网站用户导航模式分析 ### 基于WUM发现导航模式 WUM（Web Utilization Miner）是一种用于在网站服务器日志中发现代表性或其他有趣模式的工具，由柏林洪堡大学经济学院信息系统研究所开发。 #### WUM架构概述 WUM的架构强调了人类分析师和挖掘软件之间的紧密交互。其主要模块和数据处理流程如下： ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(Original dataset):::process --> B(WUM_prep):::process B --> C(Cleaned dataset):::process C --> D(WUM_agService):::process D --> E(Aggregated Log):::process E --> F(WUM_gseqm):::process F --> G(Navigation patterns):::process H(ANALYST):::process --> I(MINT query):::process I --> F F --> J(Mining results):::process J --> H G --> K(WUM_visualiser):::process K --> H ``` - **WUM_prep**：负责数据清理，包括去除不需要或与进一步分析无关的条目，如图片检索、失败请求和已知机器人的条目。同时，它还会识别和去除可编程软件代理，并根据不同的会话标准将页面请求组织成用户会话。 - **WUM_agService**：将WUM_prep产生的会话转换为序列对象，并存储在紧凑的树（trie）结构中，即“聚合日志”。聚合日志中的序列在公共前缀上合并，每个树节点都标注了其在序列/分支中的出现次数以及具有相同前缀的序列数量，这实际上表示了通过树分支中的页面路径到达相应网页的网站访问者数量。 - **WUM_gseqm**：发现用户的实际导航模式。 #### 导航模式和g - 序列 在Web使用分析中，序列是事件的向量，这里