ⅡS日志挖掘在电子商务网站邮件营销中的应用研究

发布时间：2017-09-30 18:01

  本文关键词：ⅡS日志挖掘在电子商务网站邮件营销中的应用研究

  更多相关文章： IIS日志 数据挖掘 邮件营销

【摘要】：电子商务市场的日趋激烈，迫使电子商务网站----悠宝网的商品广告邮件营销模式逐渐从“大而全”向“少而精”转化，采取以客户为中心的策略，根据客户的个性需求提供有针对性的广告和商品服务。 悠宝网已经拥有相当规模的注册用户，建立了一个客户基本信息库来保存所有注册用户的相关信息。同时，悠宝网已经将电子邮件广告作为推销商品的一种重要广告方式。在进行某种商品的广告邮件营销时，悠宝网通常采用邮件群发器向所有的注册客户发送广告邮件，以达到最大的宣传范围，实现经济效益最大化。然而，这种盲目群发的方式，在营销过程中已经暴露出越来越明显的弊端：一方面很容易引起客户的反感，会逐渐降低他们对广告邮件的信任度，严重时他们甚至会将此网站列入黑名单，从而一概拒收和拒看发来的广告邮件；另一方面很难评价所发送的广告邮件，无法得知邮件的发送效果，不知道哪些客户进行了点击查看，对于邮件营销的科学化和精细化发展非常不利。 基于IIS日志的数据挖掘技术可以有效地解决上述难题。首先利用邮件群发器发送经过编码转换的链接的商品广告，客户点击链接后会在网站的服务器日志中留下客户识别信息。其次，对网站日志建立数据库，利用微软SQL Server的Anylisis Services（SSAS）工具建立以日志数据库和客户基本信息库为数据源的数据仓库。然后，充分利用SSAS中现成的算法进行数据挖掘，一方面进行决策树分析，找出是否点击链接与客户基本属性（地域、职业、性别、年龄、邮箱类型、会员级别、年收入等）之间的关系，预测新会员的点击情况，从而可以在以后的广告邮件发送中有选择性的发送，既能减少对客户信任度等方面的潜在负面影响，又能提高邮件链接的点击率；另一方面通过聚类分析，按点击邮件链接次数将客户分为若干个类别，了解会员的整体特征及各分类中的特征，为接下来的后续营销做好准备，以便分别制定有针对性的营销方案。 本文首先对悠宝网的商品广告现行模式进行介绍，分析传统邮件模式存在的不足，其次介绍了IIS日志数据挖掘在邮件广告营销中的应用，然后分析了进行数据挖掘所面对的客户基本信息库、IIS日志文件等数据源，接着建立IIS日志数据库和进行数据挖掘所需的数据源，并在分析悠宝网邮件营销两大需求的基础上分别设计数据模型，，最后依次进行决策树分析和聚类分析，得出针对悠宝网广告邮件营销的有用结论。
【关键词】：IIS日志 数据挖掘 邮件营销
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP311.13
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-15
• 1.1 选题的背景和意义11-12
• 1.2 国内外研究现状12-13
• 1.3 本论文的主要研究内容13
• 1.4 论文结构13-15
• 第2章 当前电子商务网站邮件营销模式及其不足15-28
• 2.1 电子商务网站中的商品广告邮件营销模式15-19
• 2.1.1 邮件营销的概念15-16
• 2.1.2 邮件营销的不同层次16
• 2.1.3 邮件营销的作用16-18
• 2.1.4 邮件营销的步骤18-19
• 2.2 邮件营销模式的优势19-20
• 2.3 邮件营销模式的劣势和挑战20-22
• 2.4 日志挖掘技术在商品广告邮件营销中的应用22-27
• 2.4.1 数据挖掘技术在邮件营销中的应用22-23
• 2.4.2 SSAS23-24
• 2.4.3 决策树算法24-26
• 2.4.4 聚类算法26-27
• 2.5 本章小结27-28
• 第3章 系统需求分析与数据模式设计28-49
• 3.1 数据源分析28-36
• 3.1.1 IIS 访问日志文件28-31
• 3.1.2 客户基本信息库31-36
• 3.2 建立IIS 访问日志数据库36-39
• 3.3 系统的功能需求39-41
• 3.4 数据模型设计41-48
• 3.4.1 基本概念41-43
• 3.4.2 常见的数据模型43-44
• 3.4.3 针对决策树分析的数据模型设计44-45
• 3.4.4 针对聚类分析的数据模式设计45-48
• 3.5 本章小结48-49
• 第4章 IIS 日志数据挖掘49-68
• 4.1 数据挖掘概述49-53
• 4.1.1 数据挖掘技术的产生背景49-50
• 4.1.2 数据挖掘的概念50
• 4.1.3 数据挖掘的功能50-51
• 4.1.4 数据挖掘的主要步骤51-52
• 4.1.5 数据挖掘的对象52-53
• 4.1.6 数据挖掘的应用53
• 4.2 决策树分析53-61
• 4.2.1 建立挖掘模型53-54
• 4.2.2 决策树结果分析54-58
• 4.2.3 属性的依赖关系分析58-61
• 4.3 聚类分析61-66
• 4.3.1 建立挖掘模型61
• 4.3.2 结果分析61-66
• 4.4 本章小结66-68
• 结论与展望68-70
• 参考文献70-72
• 致谢72

【参考文献】

中国期刊全文数据库 前8条

1 王孝成;数据仓库中的数据模型技术[J];湖南工程学院学报(自然科学版);2002年03期

2 张静,田忠和;基于IIS和web日志的关联关系的挖掘[J];华中科技大学学报(自然科学版);2002年08期

3 周斌,吴泉源,高洪奎;用户访问模式数据挖掘的模型与算法研究[J];计算机研究与发展;1999年07期

4 马骊;基于关联规则数据挖掘技术在数据仓库中的应用[J];计算机工程;2005年S1期

5 薛向阳;;数据挖掘的模式类型及其应用领域[J];科技信息;2009年16期

6 杨怡玲,管旭东,陆丽娜,尤晋元;一个简单的Web日志挖掘系统[J];上海交通大学学报;2000年07期

7 吕亚丽;;WEB日志挖掘及其应用研究[J];山西财经大学学报;2006年S1期

8 陈新中,李岩,杨炳儒,谢永红,张运涛;Web日志挖掘技术进展[J];系统工程与电子技术;2003年04期

中国博士学位论文全文数据库 前1条

1 朱志国;Web用户使用模式与兴趣挖掘方法研究[D];大连理工大学;2010年

中国硕士学位论文全文数据库 前2条

1 郭醒;基于SSAS的数据挖掘算法研究与实现[D];吉林大学;2008年

2 赵云;基于数据挖掘的企业博客营销策略研究[D];南昌大学;2010年

本文编号：949591