电商数据挖掘与分析：从数据提取到客户细分
1. 数据提取与解析
在电商领域进行数据挖掘，首先要从日志文件中提取原始信息。可以使用服务包来执行此提取操作，可能还需要额外的工具来使数据更易于处理。例如，微软有免费的 Log Parser 实用工具（www.logparser.com），也有第三方解析器可供选择。
提取原始信息后，就进入了关键阶段。要找到离散的“会话”，需要在日志中查找标识符，如用户名或 cookie，然后确定一个能标识“访问”事实的时间段。如果要查看用户访问的页面，则需要解析 URL 以处理带有产品 ID 等标识符的参数化页面（例如，product.aspx?ID=322442）。通常，如果电商应用程序有现有的解析功能，利用它会更方便；否则，需要找到满足需求的现有工具。
2. 商业效益
该解决方案能带来以下好处：
-降低营销成本并增加市场份额：将直邮和其他营销活动针对可能使用互联网渠道的特定客户群体，可降低整体营销成本并提高公司的市场份额。
-提高盈利能力：通过增加每笔交易销售的平均商品数量，如在一笔交易中销售更多 DVD 且仅产生一次运费，从而提高盈利能力。
3. 数据模型
电商的数据模型大部分与标准零售数据模型相似。产品推荐所需的数据只是一个销售事实，显示随时间推移销售的产品。电商中有趣的新领域是能让我们了解网站访问者行为的事实。
许多互联网应用的商业智能（BI）解决方案关注网站的使用方式，如人们访问页面的顺序、起始页面、来源网站等，这些信息有助于公司提高网站的有效性。跟踪“
