具体描述
Web正在改变着整个业务领域!业务领域的不断改变影响着数据挖掘技术，数据挖掘也在不断地改变着整个业务领域。本书全面地展示了Web对于数据挖掘在业务方面的影响，列举了大量Web数据挖掘的实例，并将数据挖掘置于一个学习环境中，描述了一些对于任何关注客户的企业都非常重要的概念，以及面向Web的与业务相关的分析类型。
本书适合于Web数据挖掘、Web分析及其他相关领域的技术专业人员、经营管理人员阅读，也可以作为大专院校相关课程的重要辅导教材。
作者简介
Gordon S.Linoff和Michael J.A.Berry是Data Miners公司的创始人，这是一家致力于数据挖掘咨询的公司。他们为在线和离线的以客户为中心的公司提供客户关系管理（CRM）咨询。他们也是“Data Mining Techniques”和Mastering Data Mining这两本书（都由Wiley出版）的作者。
目录信息
1.1 “新经济”有何新奇之处2
1.1.1 电子商务3
1.1.2 电子媒体4
1.1.3 电子市场5
1.2 关注客户是奢侈的6
1.2.1 客户的重要性7
1.3 数据挖掘的角色8
1.3.1 将它们合在一起9
1.4 市场的角色9
1.4.1 品牌10
1.4.2 品牌和广告11
1.4.3 广告正在改变12
1.4.4 目标市场12
1.5 超越目标市场13
1.5.1 定义客户价值14
1.5.2 实时考虑14
1.5.3 理解客户和业务流程15
1.5.4 市场策略的试验性设计16
小结16
第2章 Web数据挖掘的方法18
2.1 从数据挖掘的角度看网络19
2.2 结构挖掘21
2.2.1 总体结构21
2.2.2 局部结构28
2.3 挖掘客户使用模式30
2.3.1 点击流分析31
2.3.2 网络日志32
2.3.3 应用日志37
2.3.4 应用挖掘提高网站可用性38
2.4 内容挖掘39
2.4.1 信息检索39
2.4.2 基于内容的分类40
2.4.3 从纯文本中提取信息48
小结49
第3章 在线销售：销售用卡车交付的商品50
3.1 零售51
3.1.1 媒介存在的原因52
3.1.2 管理供应链和存货56
3.2 目录业和网站58
3.2.1 目录业历史58
3.2.2 现状59
3.2.3 为什么产品目录与电子商务有关59
3.2.4 目录与Web站点的相似点61
3.2.5 目录与Web站点的不同点61
3.3 Web的零售客户64
3.3.1 从参观者到客户65
3.3.2 剖析购买行为66
3.3.3 购买行为67
3.3.4 浏览行为69
3.3.5 做推荐70
3.4 支持Web数据挖掘的基本结构74
3.4.1 实现不同任务的不同模块75
3.4.2 电子商务IT体系结构的一个实例77
小结80
第4章 数字销售：销售用以太网分发的商品81
4.1 什么可以用比特流传输81
4.2 分发音乐83
4.2.1 Web作为无线电广播84
4.2.2 Web作为自动唱片点唱机86
4.2.3 Web作为音乐商店87
4.2.4 Web作为旧货交易场所91
4.2.5 Web作为Open Mike Night95
4.3 分发录像95
4.4 分发信息96
4.4.1 基于信息恢复的商业96
4.5 做推荐99
4.5.1 合作过滤99
4.6 分发交互娱乐102
小结102
第5章 吸引广告客户的目光104
5.1 广告业务模型104
5.1.1 广告商105
5.1.2 广告客户106
5.1.3 广告经纪人108
5.1.4 广告创意人110
5.2 在线广告的技术110
5.2.1 帧和窗口111
5.2.2 Cookies112
5.3 在线广告基础119
5.3.1 广告商和广告客户之间的匹配120
5.3.2 什么是点击价值124
5.3.3 微转换率124
5.4 发现合适的客户126
5.4.1 你的读者适合吗126
5.4.2 提供广告空间的业务127
5.4.3 衡量一个读者的适宜度128
5.4.4 计算读者群的适宜度129
5.5 跟踪客户行为132
5.5.1 隐形跟踪设备133
5.5.2 跟踪电子邮件阅读器134
5.6 吸引眼球135
5.6.1 电子媒体136
5.6.2 门户138
5.6.3 目录和服务139
小结139
第6章 市场：连接着销售者和客户141
6.1 自由市场的历史142
6.1.1 自由市场及其单一化假设142
6.2 商品交易143
6.2.1 明尼阿波利斯谷物交易所144
6.2.2 数据挖掘机会：价格预测148
6.2.3 其他相关的历史性模型152
6.3 电子化市场153
6.3.1 多对多，跨行业公众交易155
6.3.2 多对多交易的数据挖掘机会159
6.3.3 多对多，单一产业公众交易163
6.3.4 多对少的公众交易166
6.3.5 私有市场168
小结170
第7章 客户价值172
7.1 计算客户价值的基础173
7.2 使用客户价值的事例173
7.2.1 事例1：客户价值帮助我们定位最好的客户173
7.2.2 事例2：客户价值等于总体赢利175
7.2.3 事例3：客户价值决定在客户关系上的投资175
7.2.4 事例4：客户价值标识了我们应该摆脱的不良客户176
7.3 老客户的价值177
7.4 客户价值计算中的几个元素179
7.4.1 客户的定义179
7.4.2 度量单位179
7.4.3 客户价值的时间框架182
7.4.4 客户价值组成183
7.4.5 下钻和聚集184
7.4.6 从驱动到组成185
7.5 收入185
7.5.1 一个简单案例185
7.5.2 间接收入186
7.5.3 其他价值源189
7.6 成本190
7.6.1 固定成本和可变成本190
7.6.2 客户价值中的成本191
7.6.3 市场成本计算191
7.6.4 获取客户192
7.7 预期价值的转移195
小结195
第8章 知道何时开始担忧：市场营销中的风险函数和幸存分析法197
8.1客户保持力198
8.1.1 存在曲线告诉我们什么198
8.1.2 把保持力看做衰变203
8.2 风险函数206
8.2.1 基本思想207
8.2.2 应用风险函数209
8.2.3 审查的重要性210
8.3 风险函数的例子213
8.3.1 固定风险213
8.3.2 浴缸型风险213
8.3.3 来自真实世界的一个例子214
8.4 从风险到幸存率215
8.4.1 保持力215
8.4.2 幸存率216
8.5 均衡风险218
8.5.1 均衡风险的一些例子219
8.5.2 时间依赖因素220
8.6 实际中的风险函数221
8.6.1 自发和非自发的损耗221
8.6.2 客户什么时候会回来222
8.6.3 保持力之外的应用223
小结224
第9章 群组分析：使用群组跟踪客户225
9.1 一个简单的例子226
9.1.1 背景226
9.1.2 解决问题的途径227
9.1.3 结果227
9.1.4 方法概述228
9.2 基于存储的推理229
9.2.1 多近才算近呢230
9.2.2 联合函数232
9.2.3 根据距离选择字段233
9.3 单元和群组235
9.3.1 客户初始行为236
9.3.2 客户的几个重要属性237
9.3.3 把他们放在一起242
9.4 使用群组来评估和计划市场活动242
9.4.1 定义群组243
9.4.2 使用群组来理解保持力245
9.4.3 量化保持力的好处250
9.4.4 合并客户的价值251
小结252
第10章 用营销学分析来理解客户253
10.1 营销学254
10.1.1 营销科学254
10.1.2 营销学和科学方法256
10.2 多大才算足够大258
10.2.1 一个营销学例子258
10.2.2 什么是我们真正，真正需要的259
10.2.3 可信的回应率259
10.2.4 样本该多大261
10.2.5 最终结果263
10.3 什么时候起的变化264
10.3.1 消费者分类264
10.3.2 使用群体的例子265
10.3.3 关于比较很多不同群体的警告266
10.4 设计市场调查时需考虑的因素267
10.4.1 目前的情况267
10.4.2 计划测试269
10.4.3 高级测试270
10.4.4 分析结果273
10.4.5 设计一次比较测试的指导274
10.5 哪一个因素重要？测试结果的比较274
10.5.1 如果它没有用该怎么办274
10.5.2 建立市场调节275
10.5.3 获得渠道是重要的因素吗276
10.5.4 承兑的优先级是重要因素吗278
10.5.5 应用结果280
10.5.6 使用Chi-平方的说明280
小结281
第11章 生活（测试）和学习282
11.1 数据挖掘如何对学习做贡献283
11.1.1 建立数据挖掘小组283
11.1.2 潜在的易得的果实283
11.1.3 解决问题285
11.1.4 用数据挖掘来救援286
11.2 乐意去学习287
11.3 市场分割288
11.3.1 市场研究方法289
11.3.2 在数据库中寻找分类295
11.3.3 可操作分类的好处296
11.3.4 寻找可操作分类的方法296
11.4 学习计划301
11.4.1 学习是正在进行的过程302
11.4.2 作为正在进行的过程客户303
11.4.3 计划高级分析304
11.5 学习和记忆305
11.5.1 要求1：创建客户签名306
11.5.2 要求2：创建过去的签名306
11.5.3 要求3：深入细节307
11.5.4 要求4：长期跟踪客户308
11.5.5 要求5：长期跟踪活动308
小结309
· · · · · · (收起)
读后感
一直关注数据分析的书籍，事实上近两年数据分析的书籍确实很火热，很多互联网从业者都对网站分析的知识如饥似渴。但此书中理论比较多，写的主题和顺序也有点杂乱，有点东拉西扯和凑字的感觉，简单浏览了一下，没有读下去的耐心，希望有其他更好的书，适合非技术出身的，从商业...
其实这本书写的不错,尤其有几个不错例子(虽然例子都比较老) 但是翻译的太差了 planet of apes 这个电影都没翻译出来。。。。
一直关注数据分析的书籍，事实上近两年数据分析的书籍确实很火热，很多互联网从业者都对网站分析的知识如饥似渴。但此书中理论比较多，写的主题和顺序也有点杂乱，有点东拉西扯和凑字的感觉，简单浏览了一下，没有读下去的耐心，希望有其他更好的书，适合非技术出身的，从商业...
其实这本书写的不错,尤其有几个不错例子(虽然例子都比较老) 但是翻译的太差了 planet of apes 这个电影都没翻译出来。。。。
其实这本书写的不错,尤其有几个不错例子(虽然例子都比较老) 但是翻译的太差了 planet of apes 这个电影都没翻译出来。。。。
用户评价
收到这本“Web数据挖掘：将客户数据转化为客户价值”后，我立刻被它充满智慧和实用性的封面所吸引。作为一名对数据驱动决策充满热情的产品经理，我深知客户数据的重要性，但如何有效地将其转化为实际价值，一直是我思考和探索的重点。这本书的名字就直接切入了我的痛点，让我看到了希望。我非常期待书中关于“情感分析”和“用户意图识别”的内容，因为我一直觉得，仅仅分析用户的行为还不够，了解他们内心的真实想法和需求，才是构建真正以客户为中心的产品和服务的关键。这本书给我的感觉是，它不仅仅是一本技术手册，更像是一位经验丰富的导师，能够引导我们如何运用数据挖掘的技术，去深入理解客户，从而做出更明智的产品决策，最终将冰冷的数据变成温暖的客户体验，驱动业务的飞跃。
这本书的名字实在太抓人了，“Web数据挖掘：将客户数据转化为客户价值”。作为一名刚入行不久的数据分析师，我每天都在和各种各样的数据打交道，但很多时候，我感觉自己只是在做一些基础的统计工作，距离“创造价值”还有很远的距离。这本书的出现，就像在迷雾中点亮了一盏灯。我被书中提到的“从数据到洞察，从洞察到行动”的逻辑深深吸引，这正是我想在工作中实现的目标。特别是书中关于“用户行为分析”和“用户分群”的章节，我迫不及待地想去了解，如何才能更深入地理解用户的行为模式，并根据这些模式将用户进行有效的划分，以便后续的精准营销和产品优化。这本书给我的感觉是，它不仅仅是教你技术，更重要的是教会你思考，如何从数据的海洋中找到金矿，并最终为企业带来切实的商业效益。它给我一种强烈的预感，读完这本书，我将能够更清晰地规划我的数据分析工作，不再只是被动地执行任务，而是能够主动地去挖掘和创造价值。
哇，我最近刚入手了一本关于“Web数据挖掘：将客户数据转化为客户价值”的书，拿到手的时候就感觉沉甸甸的，充满了知识的厚度。虽然我还没来得及深入阅读，但仅仅是翻阅目录和前言，我就已经被它所展现出的宏大图景深深吸引了。书中似乎不仅仅是停留在数据采集和分析的层面，更强调了如何将这些冰冷的数据转化为能够驱动业务增长的“客户价值”。我特别期待书中关于“客户画像构建”和“个性化推荐系统”的部分，因为这正是我在工作中遇到的瓶颈。想象一下，如果我能通过精细的数据分析，真正了解我的客户，为他们提供真正所需的产品或服务，那将是多么令人兴奋的成就！这本书给我的第一印象是，它为我们提供了一个系统性的框架，帮助我们从海量的客户数据中提炼出有价值的信息，并将其转化为可执行的商业策略。封面设计也相当专业，配色和排版都透露出一种严谨又不失活力的感觉，让人忍不住想要立刻捧读。我相信，这本书的理论深度和实践指导性会给我带来很大的启发，期待在接下来的阅读中，它能为我揭示更多关于客户价值的秘密，让我成为一个更懂数据、更能创造价值的从业者。
我最近一直在寻找一本能够系统性地讲解如何从客户数据中挖掘价值的书，而“Web数据挖掘：将客户数据转化为客户价值”这本书，简直就是我梦寐以求的那一本。书名就直接点明了核心主题，非常有吸引力。我特别关注书中关于“关联规则挖掘”和“客户生命周期管理”的内容。在实际工作中，我们经常会遇到“购买了A的客户也很可能购买B”这样的情况，而关联规则挖掘无疑是揭示这些隐藏联系的利器。而客户生命周期管理，更是将数据分析与长期的客户关系维护紧密结合，这对于任何希望实现可持续增长的企业来说都是至关重要的。这本书给我的感觉是，它涵盖了从宏观战略到微观技术的各个层面，既有理论的深度，又有实践的指导性。我期待它能帮助我更好地理解客户的整个生命周期，并利用数据挖掘技术，在每个阶段都能为客户提供更优质的服务，从而提升客户满意度和忠诚度。
这本书的名字“Web数据挖掘：将客户数据转化为客户价值”简直太贴切了！我是一名市场营销人员，每天都在和各种营销活动的数据打交道，但常常感到力不从心，不知道如何才能真正地从这些数据中挖掘出能够指导我制定更有效营销策略的洞察。我非常渴望书中关于“用户细分与精准营销”的内容，因为我深信，只有将营销资源精准地投放到最有可能转化的客户群体身上，才能最大化营销效果，降低成本。这本书给我的感觉是，它提供了一个强大的工具箱，能够帮助我把零散的客户数据整合成有意义的信息，并最终转化为可执行的营销计划。我希望通过阅读这本书，我能够学会如何运用数据挖掘技术，去更深入地理解我的目标受众，找到他们的痛点和需求，并为他们量身定制最合适的营销信息，从而提升转化率，实现营销目标的突破。
不是我想看的
一般
数据挖掘的三种行为：结构挖掘、应用挖掘、内容挖掘。其中关于结构挖掘中的“计算引用”是这么解释的：在“不是出版，就是毁灭”的学术世界里，引用一直是保持成绩的一个方法。仅仅是出版过文章是不够的， 重要的是其他人的确读过它并且觉得它们有用。一篇文章的有用与否在于这篇文章出现在在其他文章的参考书目中的次数。特别是作者，会因为他的作品的重复引用而在某个学科出名。——！！！ 市场经济味道有点强。【link：http://www.cnblogs.com/shenxiaolin/p/6703029.html】
我讨厌这个学期的这门课
业务理解和应用
