为通过网站的旅程构建路径概率树

我目前正在网站上进行分析，这要求我创建一个决策树图，以显示人们到达网站时可能采取的路线。我正在处理一个data.frame从首页开始显示所有客户到站点的路径的。例如，客户可以采用以下路径：

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

因此该客户将进行3页的旅程。我想在R中尝试做的是结合所有客户路径，从而按照站点上的某个路径为客户分配概率。例如，如果我检查所有路径，我会发现34％的到达首页的人进入了“厨房用品页面”。R有这个设施吗？

我已经通过rpart和partykit软件包查找了不同的方法，但是它们似乎没有任何帮助。

任何朝着正确方向前进的方向都非常感谢！

这不是一种开始的方法，而是拥有一个 ×矩阵（例如），其中是页数。然后，每当您有用户从页面跳到页面时，就根据原始数据增量矩阵元素加1 。这样就可以获取转换概率。M n × n n M r c r $n \times n$$M_{n \times n}$$n$$M_{rc}$$r$$c$

您的第一个问题已由以下答案回答：“首页（例如第1页）的用户旁边有多少（例如，厨房用品）（例如第2页）旅行？”

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

还是太简单了？

您似乎正在尝试重新创建Google的PageRank算法。大多数PageRank算法是使用Markov Chains开发的。您会发现在R中开发PageRank方法的很多提及。

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

从我这里看到的观点来看，我同意igraphs / Markov Chains可能是要走的路，但是您绝对可以使用rpart和/或partykit。

对于您的有限示例，我很难给出一个简单的答案，但是我可以大体上解释您将如何做。

您想要查看所有用户的去向，并将其汇总为一个字符串，例如

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

然后，您可以将用户划分为不同的类别，例如最终进入“立即购买”页面的用户和没有的用户。然后，您可以简单地开始对该最终结果进行预测。在这个例子中，也许您会发现比较商店最多的人买了/没买东西。

您还可以设置更多变量，例如“ buynow页面之前的页面是什么”，“在购买商品之前他们访问了多少页面”或“他们何时创建了第一个帐户”，然后可以将这些指标添加到分析中。

您可以采用许多不同的方式，这开始回答不同的问题，但是我的观点是，您可以使用这些树，对于某些问题，这可能是一种更快，更简单的洞察途径。

顺便说一句，如果要使用party，则需要使用factor或来使非数字变量成为因子as.factor。Party有一些不错的小插曲，可以帮助您入门。