1)针对差别客户提供个性化的产品

销售商可以获知会见者的小我私家喜欢，，，，，，，，越发充分地相识客户的需要，，，，，，，，凭证各个细分市场，，，，，，，，甚至是每一个主顾的奇异需求提供个性化的产品，，，，，，，，有利于提高客户的知足度。。。。。。为了使网络信息挖掘手艺更好地运用，，，，，，，，商家必需纪录会见者的特征及条款特征。。。。。。会见者特征包括生齿统计特征、心理特征和手艺特征等。。。。。。生齿统计特征是会见者的基本属性，，，，，，，，如家庭地点、收入、购置力等。。。。。。心理特征包括通过心理视察发明的个性类型。。。。。。手艺特征是指会见者的系统属性，，，，，，，，如所接纳的操作系统、浏览器、IP地点和调制解调器的速率等。。。。。。条款特征包括网络内容信息(如介质类型、内容分类和URL等)和产品信息(如产品编号、产品目录、颜色、体积、价钱、利润、数目和特价品级等)等内容。。。。。。当会见者会见某网站时，，，，，，，，有关会见者的数据便会逐渐积累起来。。。。。。会见者——条款的交互信息主要包括购置历史、点击流信息、链接信息、广告历史和优选信息，，，，，，，，其中，，，，，，，，购置历史是购置产品和购置日期的纪录列表；；；；；广告历史批注把哪一个条款展示给会见者；；；；；优选信息是指会见者会见的优先品级；；；；；点击流信息是会见者点击的超等链接的历史信息；；；；；链接是指提供应会见者的超等链接。。。。。。

别的，，，，，，，，会见者——网站统计信息是指每次会话的信息，，，，，，，，如总的会见时间、所浏览的网页及每次会话的利润等，，，，，，，，会见者——公司信息包括一个会见者推荐客户的数目、每个月的会见次数及上一次的会见时间等，，，，，，，，还包括对商标的评价，，，，，，，，即会见者对商标正面或负面的评价，，，，，，，，这些信息可以通过周期性的厂商视察来获得。。。。。。

2)发明潜在客户

对一个电子商务网站来说，，，，，，，，相识、关注在册客户群体是很是主要的，，，，，，，，但从众多的会见者中发明潜在客户群体也同样很是要害。。。。。。若是发明某些客户为潜在客户群体，，，，，，，，就可以对这类客户实验一定的战略，，，，，，，，使他们尽快成为在册客户群体。。。。。。在对用户会见纪录的挖掘中，，，，，，，，使用分类手艺可以在网络上找到潜在客户。。。。。。先对已经保存的会见者举行分类，，，，，，，，一样平常分为3种：新来访者、无意来访者和？？？？？？汀。。。。。关于新来访者，，，，，，，，通太过类发明，，，，，，，，识别出这个客户与已经分类的老客户的一些公共属性，，，，，，，，从而对这个新客户举行准确的归类。。。。。。然后凭证归类判断，，，，，，，，决议是否要把这个新来访者作为潜在的客户来看待。。。。。。

3)挽留老主顾

二八定律批注企业80％的营业收入来自于20％的客户，，，，，，，，而向新客户举行推销的破费要6倍于向现有客户举行推销的破费。。。。。。通过Web数据挖掘，，，，，，，，可发明什么样的主顾群在网站上购置了什么商品，，，，，，，，哪些是网站的忠诚客户，，，，，，，，以便对其举行个性化营销和人性化眷注。。。。。。

4)延伸客户的驻留时间

为了使客户在自己的网站上驻留更长的时间,就应该相识客户的浏览行为，，，，，，，，知道客户的兴趣及需求所在，，，，，，，，动态地调解Web页面，，，，，，，，以知足客户的需要。。。。。。通过对客户会见信息的挖掘，，，，，，，，就能知道客户的浏览行为，，，，，，，，从而相识客户的兴趣及需求，，，，，，，，并凭证需求动态地向客户推荐页面，，，，，，，，提供特有的一些商品信息和广告，，，，，，，，以使客户能继续坚持会见站点的兴趣。。。。。。

5)刷新站点设计

站点上页面内容的安排就如超等市场中物品在货架上的安排一样，，，，，，，，把具有一定支持度和信任度的相关联的物品摆放在一起有助于销售，，，，，，，，使用关联规则发明可以针对客户动态调解站点的结构，，，，，，，，使客户会见的有关联的文件间的链接能够较量直接，，，，，，，，让客户更容易会见到想会见的页面。。。。。。网站若是具有这样的便当性，，，，，，，，就能给客户留下较好的印象，，，，，，，，增添了下次会见的几率。。。。。。对Web站点的链接结构的优化可从两方面来思量：一是通过对Web日志的挖掘，，，，，，，，发明用户会见页面的相关性，，，，，，，，从而在亲近联系的网页之间增添链接，，，，，，，，利便用户使用。。。。。。二是通过对Web日志挖掘，，，，，，，，发明用户的期望位置。。。。。。若是在期望位置的会见频率高于对现实位置的会见频率，，，，，，，，可思量在期望位置和现实位置之间建设链接，，，，，，，，从而实现对Web站点的优化。。。。。。

6)电子商务推荐系统

推荐系统就是向客户推荐商品或提供信息来指导客户购置什么商品。。。。。。推荐系统可以凭证其他客户的信息或此客户的信息，，，，，，，，模拟销售职员资助客户完成购置历程，，，，，，，，为客户提供个性化服务。。。。。。推荐的形式包括向客户推荐商品，，，，，，，，提供个性化的商品信息等。。。。。。推荐系统具有如下作用：

①将浏览者转变为购置者。。。。。。有时人们只是看看网站的内容而没有购置的意思。。。。。。推荐系统可以帮客户找到他们感兴趣的、愿意买的商品。。。。。。

②增添交织销售。。。。。；；；；；谟没б丫褐玫纳唐，，，，，，，，推荐客户购置一些相关的商品。。。。。。

③建设忠诚度。。。。。？？？？？？突敢獾侥切┳钅苤阕约盒枨蟮耐竟何铩。。。。。

规则和模式的准确与否是至关主要的，，，，，，，，涉及到商业领域的知识和要领，，，，，，，，要求有很好的交互性。。。。。。推荐系统的数据来自差别数据源，，，，，，，，包括客户购置信息、小我私家信息及浏览信息(应用服务器目志),在进入数据客栈前必需洗濯、集成和转换。。。。。。在这个阶段可以网络客户对商品的评价，，，，，，，，客户对已购物的文字或优劣品级评价剖析和建设客户行为模子，，，，，，，，形成客户档案。。。。。。有许大都据挖掘算法可以很好地发明关联规则、序列模式等。。。。。。通过设定适当的关联规则置信度和支持度，，，，，，，，可以大大镌汰可提取的规则数目，，，，，，，，提高建模的准确度。。。。。？？？？？？突У蛋赴讲糠郑阂徊糠质强突У男∥宜郊倚畔；；；；；一部分是客户的行为模式。。。。。。

推荐系统可以分为如下几种类型：

①基于商品信息。。。。。。凭证商品之间的相关性和客户的喜恶来向其推荐。。。。。。

②基于属性。。。。。。推荐主要基于产品的属性特征模子。。。。。。例如，，，，，，，，对购物车的历史纪录中有多种打折商品的客户，，，，，，，，可以推荐一些打折商品。。。。。。

③基于商品问的关联性。。。。。。凭证客户感兴趣的产品推荐相关的产品。。。。。。如打扮的搭配、商品的系列或配套件，，，，，，，，其误差在于不可为新客户形成合适的推荐，，，，，，，，由于客户还没有购物履历，，，，，，，，纯粹基于内容的推荐系统就得不到参考输入。。。。。。

④基于协同过滤的推荐系统。。。。。。这种推荐是凭证客户与其他已经购置了商品的客户之间的相关性举行推荐，，，，，，，，这种相关性是由客户对商品的评价的相似水平来决议的，，，，，，，，现实上思量的是与客户有相似品位的其他客户的作用。。。。。。纯协同过滤也有误差，，，，，，，，新商品泛起时，，，，，，，，没有任何客户对其做出评价，，，，，，，，系统也就不可能思量，，，，，，，，以是，，，，，，，，在很长时间内不会被推荐，，，，，，，，爆发延迟；；；；；另外，，，，，，，，若是客户没有对某些商品体现过感兴趣，，，，，，，，那么，，，，，，，，系统就决不会提供此类商品，，，，，，，，没有开拓能力。。。。。。

⑤协同推荐。。。。。。协同推荐的实现是基于客户对商品的评价，，，，，，，，评价的获得可以是显式的或隐式的，，，，，，，，显式即客户对商品的文字谈论或品级评分；；；；；隐式评价可以是主顾的兴趣强度的函数，，，，，，，，对商品的兴趣强弱可以通过客户浏览相关网页时间和次数来权衡。。。。。；；；；；诮狭孔既返钠兰劾磁趟憧突实木嗬，，，，，，，，能获得一些切合主顾需求的商品推荐。。。。。。