[发明专利]一种基于大数据环境下O2O电商用户数据挖掘方法

说明书

技术领域

本发明涉及一种数据挖掘方法，尤其涉及一种基于大数据环境下O2O电商用户数据挖掘方法。

背景技术

目前O2O电子商务与社交网络和移动终端紧密结合，除网络团购之外，还出现了移动优惠、签到、个性推荐等基于位置的增值服务等商业形态; 从事O2O电商的企业更是数以万计，除了Foursquare、大众点评网、拉手网等后起之秀外，还不乏Face Book、Twitter、腾讯和百度等业界巨鳄也在迅猛跟进;O2O 电商交易额也迅速放大，2011年大众点评网营业额已破10亿元; 与交易猛增随之而来的是爆发式增长的O2O电商数据，大众点评网目前每天的活跃数据量已经超过10TB，共有240万商家信息和5500万活跃用户在上面活动，每天发表点评超过80万条，每日点评浏览量超过4700万人次；

用户数据的暴增与数据的社会化在很大程度上模糊了O2O电商企业数据的边界，这些由用户创造的海量数据远远超越了目前人力所能处理的范畴．庞大的数据量使得数据过载、数据冗余、数据捕获成本快速增长、数据价值不易获得成为O2O电子商务面临的新问题，

O2O电商用户数据挖掘应用，通过数据深度分析，挖掘出用户的行为特征、消费习惯和兴趣焦点，让O2O电商各参与者获得具有极大价值的知识．面向O2O电商平台，O2O电商用户数据挖掘可以帮助平台制定更加精准有效的营销策略; 面向O2O商家，大数据挖掘可以使线下商家实时掌握市场动态并迅速做出应对; 面向O2O用户，大数据挖掘可以帮助O2O平台及O2O商家为其提供更加及时、经济和个性化的服务。

发明内容

1.一种基于大数据环境下O2O电商用户数据挖掘方法，其特征在于，关联规则分析．关联可分为简单关联、时序关联、因果关联．在O2O模式中，通过对用户数据进行挖掘，可以从大量的记录中发现其关联关系，找出影响用户行为的关键因素，为用户需求、用户细分、风险评估和诈骗预测等决策支持提供参考依据。

2.一种基于大数据环境下O2O电商用户数据挖掘方法，其特征在于，分类与聚类分析． 分类是找出数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据项映射到某个给定的类别．它可以应用到O2O用户的分类、用户属性和特征分析、用户满意度分析、用户购买趋势预测等．在O2O 用户数据挖掘中，聚类分析是细分市场的有效工具，被用来发现不同的客户群，研究消费者行为，并且通过购买模式刻画不同的客户群体特征． 它可以应用到O2O用户个体归类、用户背景与兴趣分析、用户购买趋势预测等。

3.一种基于大数据环境下O2O电商用户数据挖掘方法，其特征在于，社会网络分析．主要分析不同社会单位(个体、群体或社会) 所构成的关系结构及其属性．它关注O2O用户之间的关系而非用户的属性，通过研究用户之间的关系借以描述和测量通过这些关系流动的各种有形或无形的东西，如信息、资源等。

4.一种基于大数据环境下O2O电商用户数据挖掘方法，其特征在于，变化和偏差分析． 变化和偏差分析包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等．它可以应用到O2O用户异常信息的发现、分析、识别、评价和用户流失预警等方面。