《基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶行為分析工具研究與系統(tǒng)實(shí)現(xiàn)》結(jié)題報(bào)告

1、中國(guó)移動(dòng)集團(tuán)級(jí)重點(diǎn)研發(fā)項(xiàng)目結(jié)題匯報(bào)報(bào)告7/11/2022項(xiàng)目名稱(chēng)：基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶行為分析工具研究與系統(tǒng)實(shí)現(xiàn)一. 課題目標(biāo)實(shí)現(xiàn)情況目 錄二、主要研究成果1.1 研究背景及目標(biāo)研究背景：以前對(duì)無(wú)線音樂(lè)用戶行為進(jìn)行了整體的、統(tǒng)一的分析和研究，涉及的范圍比較寬泛，分析的力度不深入；其次我們雖然有了整體的分析框架和分析方法，但是自動(dòng)化和智能化水平相對(duì)較低，耗時(shí)耗力；從業(yè)務(wù)本身來(lái)講，通過(guò)互聯(lián)網(wǎng)方式銷(xiāo)售的音樂(lè)業(yè)務(wù)比重在不斷加大，它是音樂(lè)業(yè)務(wù)銷(xiāo)售主要的承載渠道，也是音樂(lè)販賣(mài)的主要發(fā)展趨勢(shì)和方向?；诖?，我們?cè)谌ツ陮?duì)分析方法研究的基礎(chǔ)上，有必要開(kāi)展針對(duì)互聯(lián)網(wǎng)無(wú)線音樂(lè)用戶行為分析、自動(dòng)化分析工具的研究。

2、通過(guò)研究可以達(dá)到：（1）通過(guò)分析無(wú)線音樂(lè)用戶在互聯(lián)網(wǎng)上的客戶特征和表象，形成分析模型作為傳統(tǒng)音樂(lè)類(lèi)客戶分析的補(bǔ)充，指導(dǎo)精確營(yíng)銷(xiāo)；（2）為營(yíng)銷(xiāo)人員提供低門(mén)檻的數(shù)據(jù)挖掘及分析工具，幫助業(yè)務(wù)人員實(shí)現(xiàn)個(gè)性化用戶分析和挖掘；（3）形成一套針對(duì)互聯(lián)網(wǎng)音樂(lè)用戶行為分析的分析工具，并可逐步向其他基地推廣。1.1 研究背景及目標(biāo)123互聯(lián)網(wǎng)深入分析分析工具自動(dòng)化研究成果及工具的擴(kuò)展應(yīng)用完成基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶體驗(yàn)分析、頻繁路徑分析、瀏覽行為分析，形成基于互聯(lián)網(wǎng)的音樂(lè)用戶營(yíng)銷(xiāo)模型。把分析方法和系統(tǒng)結(jié)合，開(kāi)發(fā)便捷的數(shù)據(jù)分析和挖掘工具，方便營(yíng)銷(xiāo)人員參與基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶行為分析。在分析模型及自動(dòng)分析工具研究

3、的基礎(chǔ)上，對(duì)自動(dòng)化分析工具進(jìn)行測(cè)試、完善，形成一套較為成熟的自動(dòng)分析工具，在無(wú)線音樂(lè)業(yè)務(wù)營(yíng)銷(xiāo)中進(jìn)一步推廣。1.2 主要研究?jī)?nèi)容（研究總體框架）互聯(lián)網(wǎng)數(shù)據(jù)源購(gòu)買(mǎi)話單數(shù)據(jù)源其他數(shù)據(jù)源分析工具統(tǒng)一視圖ETL 數(shù)據(jù)挖掘引擎研究的行為分析模型數(shù)據(jù)層分析層操作層用戶上傳數(shù)據(jù)分析結(jié)論營(yíng)銷(xiāo)接口1.2 主要研究?jī)?nèi)容（主要技術(shù)方案和關(guān)鍵技術(shù)） 頻繁路徑分析模型瀏覽行為聚類(lèi)分析模型核心分析模型資源控制PC 瀏覽器分析工具訪問(wèn)及管理HTTPHTTPHTTPclientProtocolClientDatanodeProtocol分析模型池互聯(lián)網(wǎng)用戶音樂(lè)偏好分析模型基于互聯(lián)網(wǎng)的音樂(lè)業(yè)務(wù)潛在用戶分析模型建模任務(wù)調(diào)度模型擴(kuò)展

4、接口用戶訪問(wèn)接口模型更新工具原始數(shù)據(jù)倉(cāng)庫(kù)1.2 主要研究?jī)?nèi)容（項(xiàng)目的難點(diǎn)及解決方案） 以前用戶分析模型對(duì)用戶網(wǎng)站行為數(shù)據(jù)的研究不充分，營(yíng)銷(xiāo)人員可利用的互聯(lián)網(wǎng)用戶行為指標(biāo)較少。本研究主要利用互聯(lián)網(wǎng)用戶行為數(shù)據(jù)對(duì)現(xiàn)有分析模型進(jìn)行補(bǔ)充、細(xì)化，同時(shí)增加專(zhuān)門(mén)的互聯(lián)網(wǎng)分析模型，確保滿足營(yíng)銷(xiāo)人員對(duì)用戶互聯(lián)網(wǎng)行為描述的需求。在營(yíng)銷(xiāo)支撐方面，分析模型的建立一直以來(lái)都是人工支撐的方式開(kāi)展，一般耗時(shí)都在兩天以上。本研究主要利用現(xiàn)有技術(shù)對(duì)數(shù)據(jù)分析模型進(jìn)行自動(dòng)化、智能化研究，探索將分析支撐由人工支撐逐步轉(zhuǎn)向機(jī)器支撐。業(yè)務(wù)人員對(duì)分析建模技術(shù)了解有限，對(duì)輸入、輸出和模型選擇方面缺乏專(zhuān)業(yè)知識(shí)。本研究課題將幾個(gè)主要模型的應(yīng)用點(diǎn)

5、進(jìn)行了分類(lèi)，實(shí)現(xiàn)系統(tǒng)智能選擇模型，避免業(yè)務(wù)人員選擇了不適合的分析模型。在多個(gè)自動(dòng)分析任務(wù)并行運(yùn)行時(shí)可能出現(xiàn)建模錯(cuò)誤。本研究通過(guò)智能調(diào)度控制模型控制多個(gè)建模任務(wù)的并發(fā)執(zhí)行。1.3 目標(biāo)完成情況總結(jié)項(xiàng)目進(jìn)度執(zhí)行情況表可作為附件項(xiàng)目研究產(chǎn)出產(chǎn)出成果承擔(dān)單位研究成果：包括研究報(bào)告、形成的軟硬件平臺(tái)一種基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶行為分析工具標(biāo)準(zhǔn)成果：形成的企業(yè)標(biāo)準(zhǔn)及標(biāo)準(zhǔn)化組織成果專(zhuān)利成果：專(zhuān)利情況試驗(yàn)成果：開(kāi)展的相關(guān)試驗(yàn)室及外場(chǎng)測(cè)試工作中形成的試驗(yàn)報(bào)告（模板見(jiàn)xx）1.3 目標(biāo)完成情況總結(jié)關(guān)鍵問(wèn)題解決情況用戶分析模型對(duì)用戶網(wǎng)站行為數(shù)據(jù)的研究不充分，營(yíng)銷(xiāo)人員可利用的互聯(lián)網(wǎng)用戶行為指標(biāo)較少全。解決情況：利用互

6、聯(lián)網(wǎng)用戶行為數(shù)據(jù)對(duì)現(xiàn)有分析模型進(jìn)行補(bǔ)充、細(xì)化，同時(shí)增加專(zhuān)門(mén)的互聯(lián)網(wǎng)分析模型。分析模型的建立以人工支撐的方式開(kāi)展，一般耗時(shí)都在兩天以上。解決情況：利用現(xiàn)有技術(shù)對(duì)數(shù)據(jù)分析模型進(jìn)行自動(dòng)化、智能化研究。業(yè)務(wù)人員對(duì)分析建模技術(shù)了解有限，對(duì)輸入、輸出和模型選擇方面缺乏專(zhuān)業(yè)知識(shí)。解決情況：將幾個(gè)主要模型的應(yīng)用點(diǎn)進(jìn)行了分類(lèi)，實(shí)現(xiàn)系統(tǒng)智能選擇模型，避免業(yè)務(wù)人員選擇了不適合的分析模型。多個(gè)自動(dòng)分析任務(wù)并行運(yùn)行時(shí)可能出現(xiàn)建模錯(cuò)誤。解決情況：通過(guò)智能調(diào)度控制模型控制多個(gè)建模任務(wù)的并發(fā)執(zhí)行。1.3 目標(biāo)完成情況總結(jié)項(xiàng)目執(zhí)行情況書(shū)寫(xiě)分析基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶行為分析報(bào)告；把分析方法集成到分析系統(tǒng)當(dāng)中，形成可用的行為分析

7、工具。分析方法的探索階段，用戶某一地區(qū)的用戶進(jìn)行試驗(yàn)，并建立初步的行為分析模型和評(píng)估模型。利用研究的分析工具，結(jié)合實(shí)際的需求，應(yīng)用于實(shí)際的系統(tǒng)中，并進(jìn)行系統(tǒng)開(kāi)發(fā)。此研究盡量申報(bào)專(zhuān)利。第一階段11.1-11.5第二階段11.6-11.10第三階段11.11-12.31.3 目標(biāo)完成情況總結(jié)項(xiàng)目執(zhí)行關(guān)鍵點(diǎn)項(xiàng)目關(guān)鍵決策點(diǎn)決策點(diǎn)簡(jiǎn)要描述研究完成時(shí)間基于互聯(lián)網(wǎng)的用戶行為分析模型研究本決策點(diǎn)主要了解互聯(lián)網(wǎng)用戶的行為特點(diǎn)，研究建立互聯(lián)網(wǎng)行為分析模型的方法，并建立頻繁路徑分析模型等四個(gè)互聯(lián)網(wǎng)用戶分析模型2011.05Clementine挖掘工具第三方調(diào)用研究本決策點(diǎn)主要研究利用Clementine API通過(guò)

8、JAVA和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)進(jìn)行建模、數(shù)據(jù)管理、建模結(jié)果管理的方法2011.10一種基于互聯(lián)網(wǎng)的無(wú)線音樂(lè)用戶行為分析工具本決策點(diǎn)主要是對(duì)前面的工作進(jìn)行總結(jié)，并試點(diǎn)實(shí)際應(yīng)用到營(yíng)銷(xiāo)工作中。2011.121.3 目標(biāo)完成情況總結(jié)建立基于互聯(lián)網(wǎng)的用戶統(tǒng)一視圖基礎(chǔ)信息地區(qū)品牌入網(wǎng)時(shí)間是否5元價(jià)值通話用戶是否飛信活躍用戶是否飛信PC客戶端活躍用戶是否飛信手機(jī)客戶端活躍用戶是否支持彩信是否支持JAVA行為信息通話總次數(shù)通話總時(shí)長(zhǎng)主叫時(shí)長(zhǎng)被叫時(shí)長(zhǎng)網(wǎng)內(nèi)通話時(shí)長(zhǎng)網(wǎng)外通話時(shí)長(zhǎng)點(diǎn)對(duì)點(diǎn)網(wǎng)內(nèi)短信通信量訂購(gòu)夢(mèng)網(wǎng)短信的業(yè)務(wù)數(shù)訂購(gòu)夢(mèng)網(wǎng)彩信的業(yè)務(wù)數(shù)訂購(gòu)夢(mèng)網(wǎng)WAP的業(yè)務(wù)數(shù)業(yè)務(wù)使用信息鈴音下載次數(shù)收費(fèi)鈴音下載次數(shù)免費(fèi)鈴音下載次數(shù)鈴音盒下載

9、次數(shù)用戶在網(wǎng)時(shí)長(zhǎng)流行歌曲下載次數(shù)古典歌曲下載次數(shù)港臺(tái)歌曲下載次數(shù)外文歌曲下載次數(shù)全曲下載次數(shù)震鈴下載次數(shù)是否音樂(lè)俱樂(lè)部會(huì)員是否高級(jí)會(huì)員參與演唱會(huì)次數(shù)參與抽獎(jiǎng)次數(shù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)率訪問(wèn)門(mén)戶天數(shù)互聯(lián)網(wǎng)信息網(wǎng)站登錄次數(shù)網(wǎng)站停留時(shí)長(zhǎng)網(wǎng)站常訪問(wèn)的路徑網(wǎng)站搜索次數(shù)網(wǎng)站試聽(tīng)次數(shù)網(wǎng)站消費(fèi)金額網(wǎng)站訂購(gòu)歌曲量網(wǎng)站使用的業(yè)務(wù)種類(lèi)網(wǎng)站消息梳理通話歷史話單數(shù)據(jù)圖片業(yè)務(wù)日志數(shù)據(jù)中央音樂(lè)平臺(tái)賬本數(shù)據(jù)門(mén)戶互聯(lián)網(wǎng)行為數(shù)據(jù)數(shù)據(jù)統(tǒng)一視圖 要對(duì)用戶行為進(jìn)行分析并形成分析工具，首先把互聯(lián)網(wǎng)行為數(shù)據(jù)和業(yè)務(wù)行為數(shù)據(jù)統(tǒng)一起來(lái)，形成統(tǒng)一的用戶數(shù)據(jù)視圖，方便Clementine調(diào)用，并進(jìn)行腳本開(kāi)發(fā)，形成用戶統(tǒng)一視圖的自動(dòng)更新。1.3 目標(biāo)完成情況總

10、結(jié)建立基于互聯(lián)網(wǎng)的用戶分析模型在對(duì)用戶傳統(tǒng)行為分析的基礎(chǔ)上，建立開(kāi)展網(wǎng)站頻繁路徑分析模型、瀏覽行為聚類(lèi)分析模型、互聯(lián)網(wǎng)用戶音樂(lè)偏好分析模型、基于互聯(lián)網(wǎng)的音樂(lè)業(yè)務(wù)潛在用戶分析模型。對(duì)分析模型進(jìn)行自動(dòng)化開(kāi)發(fā)，將模型的數(shù)據(jù)接口、分析結(jié)果等進(jìn)行標(biāo)準(zhǔn)化處理，形成可供調(diào)用的模型資源池。頻繁路徑分析瀏覽行為分析體驗(yàn)偏好分析用戶互聯(lián)網(wǎng)行為分析模型數(shù)據(jù)統(tǒng)一視圖貫序分析模型兩步聚類(lèi)算法頻繁項(xiàng)集算法決策樹(shù)算法潛在用戶分析基于互聯(lián)網(wǎng)的音樂(lè)用戶行為分析模型資源池1.3 目標(biāo)完成情況總結(jié)技術(shù)架構(gòu)1）頁(yè)面展現(xiàn)技術(shù)使用JSP技術(shù)，目前對(duì)IE瀏覽器支持較好，其它瀏覽器不能完全支持。2）邏輯處理使用java語(yǔ)言實(shí)現(xiàn)，java和C

11、lementine之間通信通過(guò)Clementine的API實(shí)現(xiàn)；JAVA和數(shù)據(jù)倉(cāng)庫(kù)的通信采用JDBC實(shí)現(xiàn)。3）SYBASE IQ作為本工具的數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)分析模型和分析用原始數(shù)據(jù)。通過(guò)行為分析工具，我們可以實(shí)現(xiàn)以下的功能：建立業(yè)務(wù)行為分析模型結(jié)果的使用和任務(wù)管理模型重復(fù)使用靈活的選擇維度和字段這些功能具有以下特點(diǎn)易于理解操作簡(jiǎn)單響應(yīng)率快實(shí)用性強(qiáng)1.3 目標(biāo)完成情況總結(jié)功能和特點(diǎn)下面是分析工具的使用流程：1、創(chuàng)建任務(wù)2、選擇維度3、選擇條件4、選擇任務(wù)并執(zhí)行1.3 目標(biāo)完成情況總結(jié)使用流程應(yīng)用通過(guò)建立統(tǒng)一的用戶數(shù)據(jù)視圖，建立了8大類(lèi)，65小類(lèi)的基于互聯(lián)網(wǎng)的用戶行為數(shù)據(jù)。在2011年10-11月，通

12、過(guò)對(duì)工具的開(kāi)發(fā)測(cè)試，再進(jìn)行實(shí)際的應(yīng)用，取得了如下的效果模型數(shù)據(jù)通過(guò)集成用戶行為模型，建立了3大類(lèi)數(shù)據(jù)分析模型12種業(yè)務(wù)分析模型。通過(guò)運(yùn)用分析工具已經(jīng)為營(yíng)銷(xiāo)推薦平臺(tái)推薦了6批不同目的的分析用戶，涉及到用戶達(dá)100萬(wàn)人次，成功交易約300萬(wàn)元。1.3 目標(biāo)完成情況總結(jié)應(yīng)用效果1.3 目標(biāo)完成情況總結(jié)試點(diǎn)應(yīng)用1.創(chuàng)建任務(wù)2.選擇維度6.營(yíng)銷(xiāo)結(jié)果反饋4.執(zhí)行挖掘任務(wù)5.潛在用戶數(shù)量10秒30秒1分鐘36分鐘48分鐘此次任務(wù)工找出139581個(gè)潛在用戶通過(guò)營(yíng)銷(xiāo)有18643用戶響應(yīng)，響應(yīng)率達(dá)到13.36%2天3.選擇條件試點(diǎn)小結(jié)：11月初，四川移動(dòng)開(kāi)展全省全曲非活躍用戶激活活動(dòng)，要求基地支持，提供部分全曲

13、潛在活躍用戶明細(xì)?；刂稳藛T使用本研究成果在1小時(shí)內(nèi)完成支持，在隨后兩天的跟蹤分析中響應(yīng)率高達(dá)13.36%。全曲潛在活躍用戶激活營(yíng)銷(xiāo)1小時(shí)內(nèi)完成支持1.3 目標(biāo)完成情況總結(jié)企業(yè)績(jī)效貢獻(xiàn)預(yù)估在分析模型研究的基礎(chǔ)上，實(shí)現(xiàn)了四個(gè)分析模型挖掘的自動(dòng)化、智能化；1）、能解決一部分音樂(lè)業(yè)務(wù)營(yíng)銷(xiāo)中的明細(xì)支撐問(wèn)題；2）、減小了數(shù)據(jù)挖掘人員的工作量，使其有時(shí)間完成更多新模型的研究；人工支撐本工具支撐對(duì)比結(jié)果支撐方法建模人員根據(jù)營(yíng)銷(xiāo)需求：1、手工從數(shù)據(jù)倉(cāng)庫(kù)抽取數(shù)據(jù)；2、將數(shù)據(jù)導(dǎo)入到Clementine建模；3、測(cè)試至少兩個(gè)分析模型的結(jié)果并進(jìn)行對(duì)比，優(yōu)選一個(gè)模型；4、根據(jù)模型計(jì)算目標(biāo)用戶，反饋給營(yíng)銷(xiāo)人員1、營(yíng)銷(xiāo)人

14、員根據(jù)業(yè)務(wù)知識(shí)選擇建模目的、使用的數(shù)據(jù)；2、系統(tǒng)挖掘完畢后，從系統(tǒng)下載目標(biāo)用戶，直接用于營(yíng)銷(xiāo)人工工作量較大，流程復(fù)雜；工具簡(jiǎn)便；支撐的主體發(fā)生了變化人工開(kāi)銷(xiāo)建模人員個(gè)數(shù)：1個(gè)建模人員耗時(shí)：2天營(yíng)銷(xiāo)人員個(gè)數(shù)：1個(gè)營(yíng)銷(xiāo)人員耗時(shí)：30分鐘建模人員個(gè)數(shù)：0個(gè)建模人員耗時(shí)：0天營(yíng)銷(xiāo)人員個(gè)數(shù)：1個(gè)營(yíng)銷(xiāo)人員耗時(shí)：1小時(shí)通過(guò)工具的使用將支撐工作轉(zhuǎn)移到對(duì)口的業(yè)務(wù)人員，并極大提高支撐效率支撐效果平均響應(yīng)率14%左右平均響應(yīng)率在16%左右工具可代替常見(jiàn)營(yíng)銷(xiāo)活動(dòng)的人工分析支撐工作。項(xiàng)目對(duì)企業(yè)績(jī)效貢獻(xiàn)的量化路徑圖1.4 項(xiàng)目企業(yè)績(jī)效貢獻(xiàn)和特征指標(biāo)項(xiàng)目特征指標(biāo)（PAV）指標(biāo)名稱(chēng)項(xiàng)目應(yīng)用前指標(biāo)現(xiàn)狀值：PAVc項(xiàng)目應(yīng)用1年后

15、指標(biāo)預(yù)期值：PAVe1此項(xiàng)目帶來(lái)的指標(biāo)變動(dòng)量：PAV支撐耗時(shí)2小時(shí)1小時(shí)50%企業(yè)特征指標(biāo)網(wǎng)絡(luò)及生產(chǎn)類(lèi)（EAV-PS）指標(biāo)名稱(chēng)項(xiàng)目應(yīng)用前指標(biāo)現(xiàn)狀值（EAVc）項(xiàng)目應(yīng)用1年后指標(biāo)預(yù)期值（EAVe）此項(xiàng)目應(yīng)用帶來(lái)的指標(biāo)變動(dòng)量（EAV）企業(yè)特征指標(biāo)市場(chǎng)及財(cái)務(wù)類(lèi)（EAV-MF）指標(biāo)名稱(chēng)項(xiàng)目應(yīng)用前指標(biāo)現(xiàn)狀值（EAVc）項(xiàng)目應(yīng)用1年后指標(biāo)預(yù)期值（EAVe）此項(xiàng)目應(yīng)用帶來(lái)的指標(biāo)變動(dòng)量（EAV）企業(yè)績(jī)效指標(biāo)（EPV）指標(biāo)名稱(chēng)項(xiàng)目應(yīng)用前指標(biāo)現(xiàn)狀值：EAVc項(xiàng)目應(yīng)用1年后指標(biāo)預(yù)期值：EAVe此項(xiàng)目應(yīng)用帶來(lái)的指標(biāo)變動(dòng)量：EAV營(yíng)運(yùn)收入營(yíng)運(yùn)支出資本開(kāi)支1.4 項(xiàng)目企業(yè)績(jī)效貢獻(xiàn)和特征指標(biāo)項(xiàng)目特征指標(biāo)的年度預(yù)期數(shù)值表項(xiàng)目

16、特征指標(biāo)（PAV）的名稱(chēng)：項(xiàng)目應(yīng)用前指標(biāo)現(xiàn)狀值：PAVc項(xiàng)目應(yīng)用1年后指標(biāo)預(yù)期值：PAVe1項(xiàng)目應(yīng)用2年后指標(biāo)預(yù)期值：PAVe2項(xiàng)目應(yīng)用3年后指標(biāo)預(yù)期值：PAVe3項(xiàng)目應(yīng)用4年后指標(biāo)預(yù)期值：PAVe4項(xiàng)目應(yīng)用5年后指標(biāo)預(yù)期值：PAVe5項(xiàng)目應(yīng)用6年后指標(biāo)預(yù)期值：PAVe6項(xiàng)目應(yīng)用7年后指標(biāo)預(yù)期值：PAVe7項(xiàng)目應(yīng)用8年后指標(biāo)預(yù)期值：PAVe8項(xiàng)目應(yīng)用9年后指標(biāo)預(yù)期值：PAVe9項(xiàng)目應(yīng)用10年后指標(biāo)預(yù)期值：PAVe10一. 課題目標(biāo)實(shí)現(xiàn)情況目 錄二、主要研究成果用戶行為分析工具 在搭建分析工具過(guò)程中，使用了Sybase IQ 作為數(shù)據(jù)庫(kù)，來(lái)裝載行為分析的統(tǒng)一視圖的數(shù)據(jù)、模型中間結(jié)果及數(shù)據(jù)挖掘最終

17、結(jié)果；通過(guò)Clementine專(zhuān)業(yè)的挖掘工具作為挖掘的引擎進(jìn)行接口調(diào)用和接口開(kāi)發(fā)，形成一鍵觸發(fā)分析；通過(guò)JAVA開(kāi)發(fā)分析流程控制、通過(guò)WEB把從數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘、結(jié)果應(yīng)用等過(guò)程有機(jī)的串聯(lián)起來(lái)，形成可視簡(jiǎn)便快捷的分析工具。Clementine挖掘引擎Sybase數(shù)據(jù)庫(kù)JAVA開(kāi)發(fā)行為分析工具實(shí)現(xiàn)了數(shù)據(jù)挖掘的自動(dòng)化實(shí)現(xiàn)了數(shù)據(jù)挖掘應(yīng)用的快迅化實(shí)現(xiàn)了數(shù)據(jù)挖掘的個(gè)性化實(shí)現(xiàn)了數(shù)據(jù)挖掘的智能化工具創(chuàng)新點(diǎn)用戶行為分析工具的創(chuàng)新點(diǎn)創(chuàng)新點(diǎn)智能化 用戶行為分析實(shí)現(xiàn)了智能化，所謂的智能化就是通過(guò)在傳統(tǒng)的挖掘分析流程中，加入了自適應(yīng)分析模塊，模型可以根據(jù)輸入的維度自動(dòng)調(diào)整建模參數(shù)，這是本次研究工作的創(chuàng)新點(diǎn)之一，也是本次

18、研究的重點(diǎn)工作之一。創(chuàng)新點(diǎn)自動(dòng)化 用戶行為分析實(shí)現(xiàn)了自動(dòng)化，所謂的自動(dòng)化就是通過(guò)開(kāi)發(fā)分析工具，把從數(shù)據(jù)抽取、數(shù)據(jù)整理到數(shù)據(jù)建模、模型運(yùn)行、結(jié)果保存等過(guò)程開(kāi)發(fā)成分析工具，由任務(wù)調(diào)度系統(tǒng)自動(dòng)控制。將人機(jī)交互接口統(tǒng)一到WEB頁(yè)面上，使分析的流程自動(dòng)化，這也是本次研究工作的創(chuàng)新點(diǎn)之一。數(shù)據(jù)抽取整理過(guò)程在自動(dòng)完成數(shù)據(jù)分析過(guò)程在后臺(tái)自動(dòng)完成數(shù)據(jù)分析完成后臺(tái)把結(jié)果自動(dòng)寫(xiě)回表中創(chuàng)新點(diǎn)快速 用戶行為分析實(shí)現(xiàn)了快速化，所謂的快速化就是通過(guò)后臺(tái)自動(dòng)調(diào)度的形式，及時(shí)整理待分析的數(shù)據(jù)到統(tǒng)一的用戶視圖當(dāng)中，然后根據(jù)需要快速的進(jìn)行分析，省去了傳統(tǒng)的每次都需手工準(zhǔn)備數(shù)據(jù)和建立分析模型的過(guò)程，實(shí)現(xiàn)了快速化。比較方面?zhèn)鹘y(tǒng)的分析研究的分析工具數(shù)據(jù)準(zhǔn)備手工寫(xiě)SQL進(jìn)行抽取后臺(tái)自動(dòng)準(zhǔn)備數(shù)據(jù)清理手工按照一定條件清理異常數(shù)據(jù)設(shè)置清理?xiàng)l件在分析流程中清理模型訓(xùn)練運(yùn)用專(zhuān)業(yè)工具手動(dòng)建立相應(yīng)模型自動(dòng)選擇已有分析模型模型應(yīng)用根據(jù)模型訓(xùn)練情況選擇應(yīng)用模型結(jié)果直接傳送到應(yīng)用平臺(tái)耗時(shí)12天12小時(shí)創(chuàng)新點(diǎn)個(gè)性化 用戶行為分析實(shí)現(xiàn)了個(gè)性化，所謂的個(gè)性化就是通過(guò)開(kāi)發(fā)的分析工具，在系統(tǒng)中用幾個(gè)簡(jiǎn)單的按鈕就代替了傳統(tǒng)的編寫(xiě)SQL，運(yùn)用專(zhuān)業(yè)的分析工具的過(guò)程，減小了分析人員的技術(shù)