สร้างแผนผังความน่าจะเป็นของเส้นทางสำหรับการเดินทางผ่านเว็บไซต์

ขณะนี้ฉันกำลังทำการวิเคราะห์บนเว็บไซต์ที่ต้องการให้ฉันสร้างแผนผังการตัดสินใจแสดงเส้นทางที่เป็นไปได้ที่ผู้คนใช้เมื่อใดก็ตามที่พวกเขามาถึงเว็บไซต์ ฉันกำลังจัดการกับสิ่งdata.frameที่แสดงเส้นทางของลูกค้าทั้งหมดไปยังเว็บไซต์โดยเริ่มจากหน้าแรก ตัวอย่างเช่นลูกค้าสามารถใช้เส้นทางต่อไปนี้:

Homepage - pg 1
Kitchen Items page - pg 2
Pots and Pans page - pg 3

ดังนั้นลูกค้ารายนี้จะมีการเดินทาง 3 หน้า สิ่งที่ฉันต้องการทำใน R คือการรวมพา ธ ของลูกค้าทั้งหมดและกำหนดความน่าจะเป็นให้กับลูกค้าตามเส้นทางที่แน่นอนในไซต์ ตัวอย่างเช่นหากฉันต้องตรวจสอบเส้นทางทั้งหมดฉันจะพบว่า 34% ของผู้ที่มาถึงหน้าแรกให้ไปที่ 'หน้ารายการครัว' R มีสถานที่นี้หรือไม่?

ฉันค้นหาวิธีการต่าง ๆ ผ่านแพ็คเกจ rpartและpartykitแต่ดูเหมือนว่าพวกเขาไม่ได้ช่วยอะไรเลย

ผู้ควบคุมทิศทางที่ถูกต้องสำหรับสิ่งนี้จะได้รับการชื่นชมอย่างมาก!

ไม่ใช่วิธีหนึ่งในการเริ่มต้นคือการมีเมทริกซ์ (พูด ) โดยที่คือจำนวนหน้า จากนั้นก็ขึ้นอยู่กับองค์ประกอบของข้อมูลที่เพิ่มขึ้นเมทริกซ์ดิบของคุณโดยหนึ่งเมื่อใดก็ตามที่คุณมีการฟ้อนรำผู้ใช้จากหน้าที่หน้าคที่ทำให้คุณมีโอกาสในการเปลี่ยนแปลงM n × n n M R คอาร์$n \times n$$M_{n \times n}$$n$$M_{rc}$$r$$c$

คำถามแรกของคุณมีคำตอบอยู่แล้ว: "เปอร์เซ็นต์ของผู้ใช้ในหน้าแรก (พูดถึงหน้า 1) จะเดินทางถัดจากพูดรายการเครื่องครัว (พูดหน้า 2)"

$\frac{M_{12}}{ \sum_c M_{1c}}$

หรือว่าง่ายเกินไป?

ดูเหมือนว่าคุณกำลังพยายามสร้างอัลกอริทึม PageRank ของ Google ขึ้นมาใหม่ อัลกอริทึม PageRank ส่วนใหญ่ได้รับการพัฒนาโดยใช้โซ่มาร์คอฟ คุณสามารถค้นหาวิธีการจัดอันดับ PageRank ใน R

igraph.sourceforge.net/doc/R/page.rank.htm

จากสิ่งที่ฉันเห็นที่นี่ฉันยอมรับว่า igraphs / Markov Chains อาจเป็นวิธีที่จะไปอย่างไรก็ตามคุณสามารถใช้ rpart และ / หรือชุดปาร์ตี้แน่นอน

มันยากสำหรับฉันที่จะให้คำตอบง่ายๆกับตัวอย่างที่มี จำกัด ของคุณ แต่ฉันสามารถอธิบายได้โดยทั่วไปว่าคุณจะทำอย่างไร

คุณต้องการดูว่าผู้ใช้ของคุณเคยเป็นใครและสรุปว่าเป็นสตริงตัวอย่างเช่น

"Home / product4 / product3 / product4 / buynow"
"Home / product3 / buynow"
"Home / product3 / product4"

จากนั้นคุณสามารถแบ่งกลุ่มผู้ใช้ของคุณออกเป็นหมวดหมู่พูดคนที่ลงเอยในหน้า "ซื้อเลย" และคนที่ไม่ได้ จากนั้นคุณสามารถเริ่มต้นทำนายผลของเทอร์มินัลนั้นได้ ในตัวอย่างนี้คุณอาจจะพบว่าคนที่ทำร้านเปรียบเทียบส่วนใหญ่ไม่ได้ซื้ออะไร

คุณสามารถสร้างตัวแปรเพิ่มเติมเช่น "สิ่งที่เป็นหน้าก่อนหน้า buynow" "มีกี่หน้าที่พวกเขาเยี่ยมชมก่อนที่จะซื้อบางอย่าง" หรือ "เมื่อพวกเขาสร้างบัญชีแรกของพวกเขา" และคุณสามารถเพิ่มตัวชี้วัดเหล่านั้นในการวิเคราะห์ของคุณ

มีหลายวิธีที่คุณสามารถไปได้และสิ่งนี้เริ่มตอบคำถามที่แตกต่างกัน แต่ประเด็นของฉันคือคุณสามารถใช้ต้นไม้และสำหรับปัญหาบางอย่างมันอาจเป็นหนทางที่เร็วและง่ายกว่าในการทำความเข้าใจ

โดยวิธีการที่คุณจะต้องทำให้ปัจจัยตัวแปรที่ไม่ใช่ตัวเลขโดยใช้factorหรือas.factorถ้าคุณจะใช้งานปาร์ตี้ ปาร์ตี้มีบทความสั้น ๆ ที่ดีเพื่อให้คุณเริ่มต้น