获得业务洞察力通过集群网络行为

文摘

本研究旨在探讨网络用户的行为。互联网引入市场以来,各种在线和频繁的活动增加了,变得更重要的是为企业了解在线用户。因此,本研究分析了在线用户的行为和分段用户使用则使用实际点击流数据聚类方法。有四种不同的研究问题,因此,四个不同的分割。发现很多人从网上找到很多娱乐使用社交网络,游戏,等等。此外,有些人只有几个特定网站的访问速度。一些经常使用在线服务每天当别人使用它在一个非常不规则的图案。人分为两组,工作日组和周末组。人们可能会使用互联网在工作日或周末。青少年和50年代的人更有可能使用它在周末。此外,青少年也显示不同时区(例如,一夜之间)使用互联网与其他年龄组。这些结果可以解释理解消费者做什么在线和他们感兴趣目前在营销策略和决策。

1。介绍和研究问题

随着互联网技术先进,使用的互联网服务已经迅速增加。人在美国使用在线服务时间自互联网了。每月增加从11.9小时到12.9小时。此外,人们使用在线服务在许多不同的领域,比如下载,游戏,和购物1- - - - - -3]。随着互联网的使用增加,在线用户变得更加活跃。因此,它已成为重要的企业了解在线用户。

有很多研究在网上的行为。大多数研究在互联网上和用户试图理解他们是谁和他们在做什么在线(4- - - - - -6]。这些研究进行分类和分组的在线用户变量如年龄、性别、和生活方式(7- - - - - -9]。所使用的研究主要是调查数据,这表明网上在线用户认为他们所做的。

然而,本研究使用了实际点击流数据,这样可以给我们清晰的想法对他们所做的,而不是他们认为他们所做的事情。点击流数据,适当的变量被确定。使用——聚类方法,本研究试图在网上找到不同组的用户,这样可以给用户提供定制的服务和价值根据他们的模式和偏好的网站和他们的功能。

我们研究试图回答下列问题。(第一季度)的在线用户使用互联网做什么?(Q2)在线行为的特点是什么?(第三季)什么时候在线用户使用主要是互联网在工作日和周末吗?(第四季度)当在一天在线用户通常使用互联网吗?

2。实验和结果

2.1。数据描述

数据分析是从5000在线用户,约150数以百万计的交易从2012年7月到2013年6月。交易包括用户id、时间和日期,访问URL和停留时间。

2.2。分析方法

聚类是数据挖掘的方法,将多变量数据划分成几个不同的群体特征的相似之处。集群的特点被广泛用于理解消费者和市场的业务领域,和算法——集群、Kohonen网络TwoStep集群、等等。与其他研究[5,6,10),本研究也使用15.0聚类方法则使用IBM SPSS modeler来细分市场。的聚类方法则比较容易分析和有效使用不同形式的数据,很难决定适当数量的集群。为了选择最优数量的集群,我们使用轮廓测量的平均水平,在所有记录,在那里是记录的距离其集群中心是记录的距离最近的聚类中心,它不属于。

根据上面的四个研究问题,发现了四个不同的分割。(1)主题分割,(2)行为特征分割,(3)工作日分割,和(4)时间分割。

2.3。结果

(Q1)的在线用户使用互联网做什么?主题分类。

回答第一个问题,数据集中的主题网站,用户访问。表1显示了主题分割的结果,发现了五个不同的部分。

最大的群体是Cluster-4”,信息消费和娱乐集团,”其中包括38.7%的样本,1933人。他们大多是互联网的主要用户,使用搜索、社区,社交,娱乐,游戏,其他服务,商业与经济学相关的网站。

cluster - 1上的是“门户服务集团。“他们大多使用在互联网门户服务,占总样本的19.3%。“金融和公共服务集团”是cluster - 2上的客户。他们使用主要财务信息和公共服务,和这群人是最小的样本总数的3.8%(191人)。集群3是“电子邮件和新闻集团”与总样本的18.6%,他们的用户电子邮件、新闻、互联网和计算机相关网站。Cluster-5是“购物集团”的人们使用互联网主要用于购物,占总样本的19.7%。因此,大约20%的网络用户享受大部分是网上购物,没有其他互联网服务。

(Q2)在线行为的特点是什么?行为特征分割。

第二组分割是对在线用户的行为模式。这个聚类的变量x和,覆盖率,D_COV SCH_KEYWORDS, VDAYS。每个变量的解释提供了表2。与这些变量,四段发现如表所示3。

最大的组表3是Cluster-4”,各种日常访问组。“这包括样本总数的46.8%。在这组,差异在日常网络使用大。即在线用户不使用互联网一直在一年。一些天,人们使用它很多,而在其他一些天他们不使用它。因为它是最大的集团,主要是女性和男性属于这“各种日常访问集团”(46%的男性和48%的女性)。

在cluster - 1上的人都在“日常访问组,第二大组(大约20%的总样本)。他们每天上网经常一致,但不是很多不同的网站。

人们在cluster - 2上的客户是在几个重要的网站访问组,“第三大组与样本总数的17.5%。他们只使用少量的网站,他们倾向于以散漫的方式访问这些网站。他们只使用互联网的几个主题。

最后一群人在集群3在许多不同的网站访问。“他们可能搜索许多不同的关键字,因此他们最有可能访问许多不同类别的网站。它是最小的组织样本总数的15.8%。

“各种日常访问组”和“许多不同的网站访问组,“更高比例的女性比的百分比包括男性。另一方面,“一些重要的网站访问组”和“日常访问组”有更高比例的男性比女性的比例。

与所有年龄,更高比例的人都包含在“各种日常访问组。“特别是青少年,都在这一组的68.9%,而对于其他年龄段主要44 ~ 54%组中。对于10岁和20年代的人来说,“很多不同的网站访问组”是第二大组有11.5%的人年龄在10和23.3%的人年龄在20年代。然而,对于年龄在30 ~ 50年代,第二大集团是“日常访问组”,然后“几个重要的网站访问组。”

(第三季度)什么时候在线用户主要使用互联网在工作日和周末吗?工作日的分割。

为了回答这个问题,互联网的使用在每一天一周计算。如表所示4,两组被发现。cluster - 1上的“工作日”和cluster - 2上的客户是“周末组。“像预期的那样从组的标题,工作日集团“使用互联网通常从周一至周五工作日期间,而“周末集团“使用互联网在周末经常从星期六到星期日。

十年代和50年代的人使用互联网在周末略多于工作日。

“工作日”包括60%的人年龄在20岁左右。年龄在20多岁、30年代和40年代,越来越多的用户使用互联网在工作日(超过50%)。然而,随着年龄的增加,“工作日集团”的百分比减少周末虽然越来越多的人使用互联网。最后对于50多岁的人来说,“周末集团”(51.3%)略高于“工作日集团”(48.7%)。

(第四季度)当在一天在线用户通常使用互联网吗?时间分割。

发现三组如表所示5。在cluster - 1上的一群人正在使用互联网通常下午时间,从中午到下午11点被称为“组。“但是他们通常不使用互联网。cluster - 2上的客户是“隔夜集团”通过互联网从下午6点到5点。集群3是“工作小时组“谁使用互联网从早上6点到下午5点。

“下午集团”表明,他们没有沉重的用户,占31%。几乎一半的人(45%)在工作时间使用互联网,从早上6点到下午5点。最小的群人是“一夜之间组。“他们使用互联网熬夜。

正如预期的那样,62%的青少年在“一夜之间集团”,而所有其他年龄(20 ~ 50年代)大多是在“工作时间(约50%)。“32%的男性在组1组2和25.2%的男性,29.9%的女性在组1和22.2%的女性在组2。

“工作小组”,47.9%的女性,比男性更高的百分比(42.7%的男性都包含在“工作时间”)。然而“隔夜集团”和“下午集团”显示男性比例高于女性的百分比。

3所示。含义和结束语

本研究旨在确定更好的分割在线用户根据使用实际点击流数据的行为。为了了解网络用户的行为好,四个不同的研究问题被要求。

首先,在线用户使用互联网做什么?结果表明,大约40%的人享受娱乐,通过网络与人的关系,信息搜索和业务相关的网站。也就是说,40%的人使用互联网各种一般用途。另一方面,其他三组发现那些专注于某些使用互联网购物集中集团等,门户聚焦小组,和一台电脑,电子邮件和新闻集团。除了一小部分人(3.8%)被发现使用互联网相关的金融和公共服务。总之,很多人使用互联网享受各种娱乐元素,有些是专注于具体的事情。因此,大量开发新内容的人基于他们不同的利益感兴趣,网上在线和他们通常做什么。

第二,网络行为的特点是什么?人在大类别分为两组,一组以各种用法和另一组有几个主题集中。大部分的人,大约80%,发现几个主题集中。他们正在进一步分为3组;“各种日常访问组”、“日常访问集团”和“几个重要的网站访问组”。另一方面,各种用法一组叫做“许多不同的网站访问组”,他们可能搜索许多不同的关键字,因此他们最有可能访问许多不同类别的网站。在此基础上不同的行为模式,决定如何通过网络可以与消费者沟通。

第三,什么时候在线用户主要是利用互联网在工作日和周末吗?有两组发现,“工作日”和“周末组。“青少年和50多岁的人都包含在“周末集团”略高于“工作日”,20 ~ 40岁之间的人更在“工作日集团”比“周末组。”人们在20 ~ 40岁之间,在20多岁的人可能会在“工作日”比一群人年龄在40年代。这表明,随着人们年龄的增长,他们没有足够的时间在工作日互联网。商周文饰,对于青少年很高兴周末促销期间。在工作日的上班族可以沟通或促销活动的目标。

第四,当在一天在线用户通常使用互联网吗?几乎一半的人(45%)在工作时间使用互联网,从早上6点到下午5点。62%的青少年使用互联网。商周文饰,不同年龄段,不同的时区为准时通信将是值得考虑的。

总之,该研究试图探索在线用户的行为现在已经有20多年互联网引入市场利用点击流数据这不是用户的感知。它可能揭示理解网络行为的人,帮助企业做出更好的战略使用网络设备与他们的顾客交流。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. h . Elshaafi和d . Botvich可信度推理服务组合的多租户组件服务”杂志的收敛,4卷,不。1,31-37,2013页。视图:谷歌学术搜索
2. i . h . m . Hwon“挖掘消费者的态度和行为,”杂志的收敛,4卷,不。2,29-35,2013页。视图:谷歌学术搜索
3. 麦肯锡的四分之一,“宽带消费者想要什么?”网络独家,4卷,2001年。视图:谷歌学术搜索
4. “分类在线购物者”,2000年11月,http://www.emarketer.com。视图:谷歌学术搜索
5. 崔j·h·李和m . k .回购的意图有经验的买家在互联网购物中心通过客户细分,“信息技术应用与管理杂志》上,10卷,不。1,19-34,2003页。视图:谷歌学术搜索
6. 郑胜耀j.y.李,公园和“在线产品类别的分析基于消费者细分特征,“韩国的分配和管理杂志》上,10卷,不。1,59 - 84年,2005页。视图:谷歌学术搜索
7. p . j .艾尔沙德汤恩说他和徐j .,“云,小说入侵程度分析方法”未来一代计算机系统卷,29号1,第428 - 416页,2013。视图:出版商的网站|谷歌学术搜索
8. p•科特勒和g·阿姆斯特朗市场营销原理美国新泽西,Prentice Hall,恩格尔伍德悬崖,1989。
9. k·r·金和n . m .月亮,“内容建模基于社交网络社区活动,“信息处理系统杂志》上,10卷,不。2、271 - 282年,2014页。视图:谷歌学术搜索
10. b . Loganayagi和美国Sujatha”,增强通过结合虚拟化和云安全政策监测技术,”Procedia工程,30卷,第661 - 654页,2012年。视图:谷歌学术搜索

版权

版权©2015 Jounghae爆炸等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。