面向社交网络用户商业价值细分的数据挖掘模型

搜论文-编辑:admin-

面向社交网络用户商业价值细分的数据挖掘模型

摘 要:

关键词:

  自上世纪90年代互联网进入我国以来,我国互联网行业发展有了长足的进步。从最早的门户网站、电子邮件服务到搜索引擎、社交网站,我国的互联网行业始终紧跟着国外的创新脚步并蓬勃发展。根据金融信息资讯服务机构ChinaVenture投中集团旗下数据产品CVSource统计。用户信任度和客户信任度都在某种程度上的相似,因此信任度在研究付费用户付费意愿上有很重要的作用。
2. 面向社交网络用户商业价值细分的数据挖掘模型
2.1. 评价指标和细分方法
  首先,用户的经济能力是用户商业价值的重要部分。目前的客户价值细分理论多以用户为对象,并不过多讨论客户的经济实力,然而,SNS服务企业为了获得运营资金,需要向用户收费,而用户的经济实力是用户向企业付钱的必要条件。目前对于个体经济实力的衡量,一般采用居民可支配收入作为评价指标。然而,本文认为个体的消费情况也是一个不容忽视的因素。不同的人群花钱的动力和意愿,以及对高质量生活的追求也是不同的。因此消费情况,尤其是用户的网上消费情况应该作为对用户经济能

力分析的指标之一。统计学中常常使用“恩格尔系数”作为衡量生活水平的标准,而我们也可以采用类似的方法定义个人网络消费指数。
  用户的兴趣是衡量用户潜在价值的一个重要因素。本文认为,用户的兴趣对于用户潜在价值的影响在于用户关注的主题中,商业相关主题所占比例,我们可以称之为用户的商业关注意向。一般来说,商业相关主题能够反映用户对于特定产品或服务的付费意愿。当某用户经常访问某品牌的网页的时候,该用户可能有较高的意愿为此品牌产品付费。而SNS平台作为信息渠道,可以依据此类信息制造电子商务的机会来从中获利。从文献提出一种基于Web浏览内容和行为的用户兴趣挖掘方法。利用这种算法,我们可以得到用户的兴趣模型。在此基础之上我们可以结合平台的商业相关主题数据对用户的商业关注意向进行进一步的提炼,以去掉与商业无关的主题。这里,用户的兴趣度数据时较为有用的数据,可以依据用户的兴趣度的高低,对用户商业主题进行进一步的统计筛选,得到用户兴趣度较高、关注较多的商业主题数据集H。这些商业主题可以成为SNS服务商创造电子商务机会的参考数据。同时,我们采用加和的方式对用户的兴趣度进行处理,即将用户兴趣中,处于数据集H中的主题的兴趣度进行加和处理,并利用这个指标对用户进行打分,分数越高,说明用户的对商业主题的关注越多,企业越容易为其创造网上交易机会。若有用户的兴趣空间中不存在数据集H中的主题,则计0分。具体的算法描述如下:
  for每一个用户
   用户.A={用户浏览Web内容主题关键词数据}
   用户.B={用户浏览行为数据}
   用户.C={平台商业主题数据集}
   M=IDM(user.A,user.B)  //用户兴趣模型获取
   H=Refine(M,user.C,std)  //高兴趣度、高关注度商业主题集获取,std为统计筛选        标准
   R=M

和H的交集        //获取每个用户的高关注、高兴趣度商业主题集
   if (R非空)
   score=Score(R)      //依据用户主题数量和相应的兴趣度打分
   else
    score=0
    end if
    end for
3.5. 用户聚类分析
  至此,我们结合以上三步的挖掘工作获得的指标,然后以欧氏距离为相似度标准进行K-means聚类分析。将用户分成多个类别。依据具体的用户类别属性,可以确定用户的价值情况。
4. 结语
  本文提出一种面向社交网络用户商业价值细分的数据挖掘模型,该模型的目的在于初步探究社交网络用户的商业价值高低,以便为企业确定和实施营销战略,建立商业模式提供决策依据。本文的创新之处在于结合了现有的客户价值和客户细分以及社会资本相关理论,利用多维度的聚类分析来挖掘用户的潜在商业价值。但本文的研究还需进一步完善,首先模型对用户付费意愿的挖掘指标较为依赖用户的信任度,较少触及用户的社会网络关系,而当某用户在整个社交网络中处于中心节点的位置时(受到大部分其他用户关注),用户建立的社会网络价值也将影响用户本身的价值。但这种影响可能并不以用户的付费意愿体现,因此需要进行进一步研究。另外,对于SNS用户的付费意愿,国内外的研究目前都还不是很充分,对于评价指标的选择还要进一步进行研究和论证。

参考文献
.计算机工程.2005,31(12):93-94,198.

作者简介:黄成维(1986.09--),湖北武汉人,硕士研究生,研究方向:信息资源集成与利用。