用于点击流分析的机器学习和数据可视化

在分析客户数据之前，我们需要描述客户。客户的描述性功能通常围绕三个类别：收入，人口统计和行为。虽然收入和人口统计数据很容易量化，但客户行为更难定义，因此难以量化。

客户行为在很大程度上取决于业务类型。能源使用行为需要与报纸阅读行为不同的指标。在基于订阅的业务中，对业务的忠诚度与传统零售店的不同。在网上购物方面，用于衡量用户行为的指标数量非常多。

在我们最终决定购买产品之前需要多长时间?我们多长时间阅读产品说明?我们多少次回到同一页寻找一个令人信服的购买理由?我们要探索多少其他产品页面进行比较?

在购买方面，我们并非完全相同。有冲动的买家，购买前需要深思熟虑的买家，需要比较的买家才能说服，等等。我们都遵循自己的购买路径 - 在网上购物方面更是如此。

点击次数，访问次数，购买次数和相关操作都记录在所有网站上。如果您只是来宾，您的行为将被匿名记录。如果您是已知客户，则会根据您的用户ID记录您的操作。无论是否匿名，当我们点击页面之间的路时，我们所有人都会留下痕迹。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！