在电子商务网站上,我们希望为更有可能购买的访问者创建一些个性化。
假设我们只有一件商品待售。
可能性应该基于我们拥有的数据,例如:
- 客户访问时的商品价格(可能会有所不同)
- 商品的平均客户评论评分
- 是否提供折扣券
- 如果某些词出现在项目标题或描述中
- 等等
我们的计划是创建一个数据库,其中包含每个访问者的访问数据(上述数据),并指示他最终是否进行了购买。
一旦我们至少有一些购买,我们需要以某种方式在所有这些案例中寻找一种模式,并且基于这种模式,我们以后可以预测可能性。
例如,如果至少在50%
购买该物品的情况下,其价格不超过$100
,那么我们将仅在该物品以最高价格出售的情况下进行个性化设置$100
。
这有意义吗?
我们应该如何在技术上做到这一点?从数据库结构问题和网站速度问题 -
我们应该在自己的 DB 列中收集每个变量,还是最好在浏览器会话中创建某种长字符串,例如p:99-r:4
, (这意味着:price $99
, rating: 4
)然后使用另一个脚本分解这些数据?
是否有某种库可以分析这些数据并将其显示在图表中,比如一些花哨的前端,或者这个项目是否需要从头开始?
做这件事的人需要具备什么样的技术技能?这与机器学习有关吗?