当前位置:主页 > 游戏服务器 > 主机安全 >

负载均衡_虚拟服务器搭建_高性能

负载均衡_虚拟服务器搭建_高性能

你有没有想过零售网站亚马逊网站建议和推荐其他产品,当你在网站上看任何项目。在分享之前,让我先介绍一下背景知识。

每家企业,特别是零售企业,总是希望回答客户提出的问题,比如他们的产品应该如何捆绑销售?哪些客户最有可能离开?他们的顾客在说什么?谁是他们最有价值的客户?我们怎样才能提高营销活动的反应?等

为了回答这些问题,业务部门收集了大量关于客户、以获取客户、留住客户为目标的产品的数据,追加销售或交叉销售等。然后对这些数据进行数据挖掘和分析可以潜在地回答这些问题。

这些答案是通过预测分析来实现的,通过发现数据中的模式和挖掘数据,使用各种聚类、分类和关联分析技术来获得意外的见解或事实。

传统的数据仓库实施和数据挖掘以及具有预测性分析的应用通常仅适用于大型企业,即仅适用于那些能够支持相当复杂的信息管理基础设施的企业。

现在,随着SAP HANA技术平台的可用性,任何信息都可以轻松获得此类分析工人。对于业务用户来说,这甚至变得更容易,因为这些分析也可以作为HANA云平台解决方案提供。

我已经能够在HANA云平台上成功构建此类应用程序,它只需要来自业务用户的数据文件,所有的客户分析都可以使用安全的单点登录功能实时执行并即时共享结果。

典型的客户分析包括

为了实现它,我选择了使用关联分析预测算法来发现隐藏的模式,一组项目或对象之间的相互关系。它有助于了解客户在同一时间倾向于购买什么产品和服务,从而通过关联分析来分析客户的购买趋势,从而预测他们未来的行为。

为了进行关联分析,需要交易历史或销售订单项目列表,并且可以在HANA内存数据库中执行实时分析。对一起购买或在一段时间内购买的产品进行分析,即不一定在同一日期和时间购买,并确定规则。规则,例如98%购买轮胎的客户也会得到汽车服务,或者购买芥末和番茄酱的客户也会购买汉堡。

此类分析成为规则或过去行为和建议的基础,例如经常一起购买的物品,什么是淘客,或者客户购买产品时也会购买这些物品规则。因此,一个规则被分类为,如果一个客户购买了一个特定的产品,那么客户也会购买另一个产品。

这样的建议不仅有助于零售业向客户提供建议或交叉销售,而且还可以进一步帮助店内布局,计划购买模式和附加销售。

使用这些规则或模式的关键是了解它们有多有用。有用性的统计术语是支持、信心和升力指标。

支持是购买模式发生频率的指标,即购买模式发生频率越高的百分比。例如,在所有的销售交易中,有多少次交易有芥末、番茄酱和汉堡?信心是这个规则有多确定的指标?i、 在所有有芥末和番茄酱的交易中,有多少也有汉堡?因为在有些交易中,顾客购买了芥末和番茄酱,但没有购买汉堡。

较高的支持度和信心值是有用规则的良好指标。然而,这可能并不总是正确的。例如,在许多交易中,客户无论如何都可以购买所谓的另一种产品,而不管最初购买的具体产品是什么。i、 他们可能会经常购买汉堡,而不买芥末和番茄酱,大数据需要学什么,所以这削弱了规则的信心,免费自助建站软件,即如果芥末和番茄酱是买的,那么汉堡也是买的。因此,我们需要将置信度与另一个指标进行比较,该指标是总交易中具有特定产品(在我们的示例中为burger)的交易数量。

置信度与这个新指标的比率称为提升。Lift值大于1表示规则有用。

对数千个事务运行关联分析通常会产生多个规则。建议打破称为"大项目集"的支持率最低的规则,大淘客cms,并使用这些大项目集来查找至少具有最小置信度的规则。

例如,请参见下图,其中第一行是一个规则示例,即每当客户购买产品15686时,客户也会购买15692。此规则有超过46%(即经常发生)的支持值和95%的置信值。

在这里的附加视频中,对于我的测试应用程序,我在表格显示中共享结果。为了保密数据,我正在使用显示的SAP产品编号,尽管产品描述对业务用户来说更有意义。

这些规则在JSON和预测模型标记语言(PMML)中都可用。

任何网站应用程序都可以在HANA上轻松获得REST web服务来阅读这些规则。

我的测试已经完成了大约50次,大数据怎么看,000个事务或销售行项目的测试数据记录,这些记录是在选定的时间段内从SAP ECC系统中提取的。通过选择不同的时间段,我可以对这种预测行为分析进行比较趋势分析,它可以作为进一步假设调查分析的基础,以便为不同地区或销售区域和/或客户群在未来时间段的销售规划提供依据。i、 在过去的几年里,看看你在阿拉斯加的顾客和在佛罗里达的顾客在5月份的购买行为,你能找出一个模式吗?

猜你喜欢

微信公众号