如何用基本统计数据预测用户行为？

Question

假设如下：

分类“电子”包含产品 "Bluerays“等产品。

当用户在电子下浏览时，我可以实现哪些基本的统计数据来推荐更多的"Bluerays“？现在，我刚刚有一个蹩脚的“蓝光是3次购买5次在电子类别下为这个用户”，所以可能性是60% -推荐更多的蓝光。

编辑：如果我从卖方的角度来看想要自动填充输入框，该怎么办？如果卖家通常卖蓝光，我想在下次他在“电子”下销售时自动填写“条件”字段，以提高用户体验？

Answer 1

这是一个很深的话题。我会开始搜索基于协作项的过滤，或者基于协作用户的过滤。

以下是一些关于这一主题的好书：

编程集体智能http://my.safaribooksonline.com/book/web-development/9780596529321

行动中的集体情报http://my.safaribooksonline.com/book/programming/java/9781933988313

Answer 2

你的问题是关于推荐系统。你很感兴趣地发现一些相似之处，可以帮助你做出好的建议。这些相似之处可以用几种不同的方式来衡量。最常见的做法是考虑那些在你的网站上买过东西的人过去的行为，并在他们之间寻找相似之处。这可以使用产品的向量之间的简单相关性来实现，。如果您也有关于通常在您的网站上购买的人(年龄、性别)的数据，您可以使用这些信息来改进您的推荐系统。更重要的是，一个有价值的信息是由速率系统(喜欢和不喜欢)提供的。除了相关性(如果你想考虑其他简单的度量，但不一定是统计的)，你也可以使用欧氏距离，Minkowski距离，向量角度的余弦，等等。

如果你的向量的维数很高，你可以考虑减少它的模糊度，只包括重要的成分。这可以使用PCA (主成分分析)或奇异值分解来完成。

但是，如果您考虑真正改进您的系统，您应该考虑使用分类器，如近邻、决策树或支持向量机，并使用它们来发现您的买家的类别。例如，这可以帮助你知道一个特定的买家是否购买廉价或扩张的品牌。

最后，您可以使用多武装匪徒进行在线实验。

有些书可以帮你：

1) 推荐系统

2) Bandit算法

3) 机器学习

Answer 3

可能涉及到其他类似的用户。例如，75%的购买蓝光的用户也购买DVD机架，所以当有人购买blueray时，建议他们使用DVD Rack。