Cara menggunakan PHP untuk membina analisis tingkah laku membeli-belah pengguna dan model pengesyoran

Cara menggunakan PHP untuk membina analisis gelagat beli-belah pengguna dan model pengesyoran

Dalam era Internet, gelagat beli-belah pengguna telah menjadi objek penyelidikan penting untuk platform e-dagang utama. Dengan menganalisis rekod pembelian pengguna, kami boleh memahami keutamaan dan keperluan pengguna, serta membuat pengesyoran produk berdasarkan tingkah laku pengguna untuk meningkatkan kepuasan pengguna dan kadar pembelian. Artikel ini akan memperkenalkan cara menggunakan PHP untuk membina analisis gelagat beli-belah pengguna yang mudah dan model pengesyoran, dengan contoh kod.

1. Pengumpulan data dan prapemprosesan
   Pertama, kami perlu mengumpul rekod pembelian pengguna daripada pangkalan data platform e-dagang. Anda boleh menggunakan pernyataan SQL untuk menanyakan pangkalan data dan menyimpan hasilnya dalam tatasusunan atau objek. Dalam contoh kod, kami menganggap bahawa rekod pembelian disimpan dalam tatasusunan yang dipanggil pembelian.

$purchases = array(
    array('user_id' => 1, 'product_id' => 'A'),
    array('user_id' => 1, 'product_id' => 'B'),
    array('user_id' => 2, 'product_id' => 'C'),
    array('user_id' => 3, 'product_id' => 'A'),
    // ... 其他购买记录
);

Kemudian, kami boleh melakukan beberapa operasi prapemprosesan data, seperti menapis pengguna dan produk dengan pembelian yang lebih sedikit, atau menomborkan pengguna dan produk, dsb. Dalam contoh kod, kami menggunakan tatasusunan dua dimensi untuk menyimpan nombor pengguna dan item masing-masing.

$users = array();
$products = array();

foreach ($purchases as $purchase) {
    $user_id = $purchase['user_id'];
    $product_id = $purchase['product_id'];

    if (!isset($users[$user_id])) {
        $users[$user_id] = count($users) + 1;
    }

    if (!isset($products[$product_id])) {
        $products[$product_id] = count($products) + 1;
    }
}

2. Membina model analisis tingkah laku membeli-belah
   Seterusnya, kita boleh membina model analisis tingkah laku membeli-belah, seperti model analisis peraturan persatuan. Analisis peraturan persatuan boleh melombong korelasi antara pengguna semasa membeli produk dan mengesyorkan produk berkaitan lain berdasarkan produk yang dibeli oleh pengguna.

Dalam contoh kod, kami menggunakan transaksi tatasusunan dua dimensi untuk menyimpan rekod pembelian setiap pengguna. Kemudian, sokongan dan keyakinan antara item dikira dengan merentasi rekod pembelian dan disimpan dalam peraturan tatasusunan bersekutu.

$transactions = array();

foreach ($purchases as $purchase) {
    $user_id = $purchase['user_id'];
    $product_id = $purchase['product_id'];

    if (!isset($transactions[$user_id])) {
        $transactions[$user_id] = array();
    }

    $transactions[$user_id][] = $product_id;
}

$rules = array();

foreach ($transactions as $transaction) {
    $count = count($transaction);

    for ($i = 0; $i < $count - 1; $i++) {
        $item_i = $transaction[$i];

        for ($j = $i+1; $j < $count; $j++) {
            $item_j = $transaction[$j];
            
            if (!isset($rules[$item_i][$item_j])) {
                $rules[$item_i][$item_j] = 1;
            } else {
                $rules[$item_i][$item_j]++;
            }
        }
    }
}

// 计算支持度和置信度

foreach ($rules as $item_i => $rule) {
    foreach ($rule as $item_j => $count) {
        $support = $count / $users_count;
        $confidence = $count / $products_count[$item_i];

        // 存储支持度和置信度

        $rules[$item_i][$item_j] = array(
            'support' => $support,
            'confidence' => $confidence
        );
    }
}

3. Cadangan berdasarkan model tingkah laku membeli-belah
   Akhir sekali, kami boleh mengesyorkan produk berdasarkan model tingkah laku membeli-belah. Contohnya, untuk produk yang telah dibeli oleh pengguna, produk berkaitan lain boleh disyorkan berdasarkan model peraturan perkaitan.

Dalam contoh kod, kami memberikan fungsi mengesyorkanProduk, yang menanyakan model peraturan persatuan dan mengembalikan hasil yang disyorkan berdasarkan produk yang telah dibeli oleh pengguna.

function recommendProducts($user_id) {
    global $rules;
    global $transactions;
    global $products;

    $transaction = $transactions[$user_id];
    $recommendations = array();

    foreach ($transaction as $item_i) {
        if (isset($rules[$item_i])) {
            foreach ($rules[$item_i] as $item_j => $rule) {
                if (!in_array($item_j, $transaction)) {
                    $recommendations[$item_j] = $rule['confidence'];
                }
            }
        }
    }

    // 按推荐度排序

    arsort($recommendations);

    // 返回推荐结果

    return array_keys($recommendations);
}

// 示例使用

$user_id = 1;
$recommendations = recommendProducts($user_id);

echo "为用户 $user_id 推荐的商品：";
foreach ($recommendations as $product_id) {
    echo $products[$product_id] . " ";
}

Melalui langkah di atas, kami telah menyelesaikan pembinaan analisis tingkah laku beli-belah pengguna yang mudah dan model pengesyoran. Sudah tentu, ini hanyalah contoh mudah, dan analisis tingkah laku beli-belah sebenar dan model pengesyoran mungkin lebih kompleks dan besar. Walau bagaimanapun, contoh ini boleh berfungsi sebagai asas dan memberi anda idea untuk membina model yang lebih kompleks.

Ringkasan:
Artikel ini memperkenalkan kaedah menggunakan PHP untuk membina analisis tingkah laku beli-belah pengguna dan model pengesyoran, serta disertakan dengan contoh kod yang berkaitan. Model ini boleh menganalisis pilihan dan keperluan pengguna berdasarkan rekod pembelian pengguna, dan kemudian mengesyorkan produk berdasarkan peraturan persatuan. Saya harap artikel ini dapat memberi anda sedikit rujukan tentang analisis tingkah laku membeli-belah dan pembinaan model pengesyoran, serta membantu anda memahami dan menggunakan pengetahuan dengan lebih baik dalam bidang ini.

Atas ialah kandungan terperinci Cara menggunakan PHP untuk membina analisis tingkah laku membeli-belah pengguna dan model pengesyoran. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!