电商网站用户行为分析及服务推荐
推荐系统和搜索引擎
- 搜索引擎满足有明确目标用户的需求
- 推荐系统能够帮助用户发现其感兴趣的内容
当用户访问网站页面时，系统会记录用户访问呢网站的日志，记录用户IP，用户访问的时间，访问内容等多项属性的记录。
- 按地域研究用户访问呢时间，访问内容和访问次数等分析主题，深入了解用户对访问呢网站的行为和目的及关心的内容
- 借助大量的用户的访问记录，发现用户的访问行为习惯，对不同需求的用户进行相关的服务页面的推荐。
为了更好的帮助用户从海量数据中快速的发现感兴趣的网页，在目前相对单一的推荐系统上进行补充，采用协同过滤算法进行推荐。
用于用户访问网站的数据记录很多，如果对数据不进行分类处理，对所有记录直接采用推荐系统给进行推荐。会出现问题：
- 数据量太大意味着物品数与用户数很多，在模型构建用户与物品的系数矩阵的时候，出现设备内存空间不够的情况，并且模型计算需要消耗大量的时间
- 用户区别很大，不同的用户关注的信息不一样，因此，即使能够得到推荐结果，其推荐效果也会不好。所以要进行分类处理与分析。
- 需要对用户的兴趣爱好以及需求进行分类。