基于支持向量機(jī)的保健品消費(fèi)者行為研究

郭偉

內(nèi)容摘要：近年來，保健品行業(yè)和消費(fèi)者行為均為學(xué)術(shù)研究的熱點(diǎn)。如何利用現(xiàn)有的技術(shù)和理論，實(shí)現(xiàn)數(shù)據(jù)仿真、構(gòu)建行為模型并挖掘潛在消費(fèi)群體將成為保健品行業(yè)的重要發(fā)展方向。支持向量機(jī)利用核函數(shù)，將低維的線性不可分轉(zhuǎn)化為高維的線性可分（李國正，2003），而且決策函數(shù)計(jì)算的復(fù)雜性僅取決于支持向量的數(shù)目，所以有效避免了“維數(shù)災(zāi)難”，大大減少了計(jì)算量，具有廣泛的應(yīng)用前景。本文基于影響消費(fèi)者行為的各種重要因素即性別、年齡、收入等，利用SVM模型，在小樣本條件下對消費(fèi)者行為進(jìn)行分析預(yù)測，對保健品企業(yè)市場營銷策略的制定具有現(xiàn)實(shí)的指導(dǎo)意義。

關(guān)鍵詞：消費(fèi)者行為 支持向量機(jī) 保健品 仿真技術(shù)

引言

消費(fèi)者行為不僅是營銷策略的基礎(chǔ)，也是目前的熱點(diǎn)研究話題之一。國外早在20世紀(jì)50年代就形成了以市場為導(dǎo)向的營銷理念，消費(fèi)者由“經(jīng)濟(jì)人”向“社會(huì)人”轉(zhuǎn)變；20世紀(jì)80年代進(jìn)入個(gè)性化營銷（微量營銷）階段，開始了以研究消費(fèi)者行為為主要任務(wù)的營銷手段。消費(fèi)者作為“社會(huì)人”，其行為除受自身屬性的影響外，還受消費(fèi)行為心理、市場前景和預(yù)期效果等的作用。因此，分析不同消費(fèi)者的屬性，總結(jié)影響它們的各種因素，揭示消費(fèi)行為的變化規(guī)律，建立購買行為的分類模型，為今后研究消費(fèi)者行為的回歸問題奠定基礎(chǔ)。

保健品行業(yè)發(fā)展

我國的保健品行業(yè)從20世紀(jì)80年代起步，經(jīng)過二十多年的發(fā)展逐漸壯大（徐劍鋒，2011），“保健”一詞深入人心。保健品的發(fā)展趨勢如表1所示。但就人均來看，我國的保健品消費(fèi)僅為歐洲發(fā)達(dá)國家的30%左右，還有很大的增長空間。為了減緩競爭程度的加劇，開辟更廣的消費(fèi)途徑，保健品進(jìn)入了新的變革期。

SVM模型構(gòu)建

支持向量機(jī)（SVM）（鄧乃楊等，2004）基于VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，通過核函數(shù)實(shí)現(xiàn)到高維空間的非線性映射，引入松弛變量和懲罰參數(shù)，具有良好的泛化能力或推廣能力。其一般步驟如下：

第一步：給定訓(xùn)練集T={（x1，y1），…，（xl，yl）}∈（Rn×y）l，其中xi∈Rn，指樣本的各屬性指標(biāo)；yi∈y={1，-1}，i=1，…，l，代表分類標(biāo)簽。

第二步：選取合適的核函數(shù)K（x，x`）和懲罰參數(shù)C>0，引入非負(fù)的松弛變量ξi=（ξ1，…， ξl）T，其中ξi用來軟化約束條件，獲得廣義最優(yōu)超平面的原始最優(yōu)化問題：

s.t. yi（（w·xi）+b）≥1-ξi，i=1，…l，

ξi≥0，i=1，…l，C≥0.

第三步：引入Lagrange函數(shù)：，其中α=（α1，…αl）T∈Rl+為Lagrange乘子。

第四步：由KKT條件bL（w，b，α）=0，wL（w，b，α）=0和ξL（w，b，α）=0，得到原始問題的對偶問題即凸二次規(guī)劃問題：，

，得解α*=（α*1，…α*l）T。

第五步：計(jì)算，選取位于開區(qū)間（0，c）中的α*的分量α*j，據(jù)此計(jì)算。

第六步：構(gòu)造決策函數(shù)：，其中符號參數(shù)

實(shí)例仿真

（一）數(shù)據(jù)的預(yù)處理

原始數(shù)據(jù)通過問卷的形式獲得，問卷主要針對消費(fèi)者自身的屬性（包括性別、年齡、學(xué)歷、工作地、收入狀況、職務(wù)類別、消費(fèi)心理（張麗莉，2010）、市場看法等）展開，并將屬性特征進(jìn)行數(shù)據(jù)化處理（見表2）。

（二）SVM的訓(xùn)練與預(yù)測

發(fā)放調(diào)查問卷55份，收回52份，收回率94.5%；經(jīng)過合理性選擇，得到有效問卷46份，有效率約占收回問卷的88.5%，整理得到如表3所示的原始數(shù)據(jù)。

根據(jù)SVM進(jìn)行分類預(yù)測的一般步驟，將表3中編號i=1…35的樣本作為訓(xùn)練集，得到相對的最優(yōu)參數(shù)、訓(xùn)練模型；i=36…41作為測試集，用來檢測各參數(shù)和優(yōu)化SVM模型；通過預(yù)測i=42…46的樣本，得到如表4所示的預(yù)測結(jié)果。

（三）結(jié)果分析

本文借助計(jì)算機(jī)仿真技術(shù)，通過選取不同的核函數(shù)和合適的參數(shù)（李盼池等，2005）實(shí)現(xiàn)了對消費(fèi)者行為的預(yù)測，而且預(yù)測準(zhǔn)確度很高，直觀展示了SVM在建立消費(fèi)者行為模型上，具有一定的實(shí)用價(jià)值。在模擬實(shí)驗(yàn)中，選取RBF核函數(shù)會(huì)得到比使用其他核函數(shù)圖像更加平滑，擬合效果更好，在以后的使用中應(yīng)優(yōu)先考慮。

結(jié)論

指標(biāo)向量xi的多維性，造成了仿真實(shí)驗(yàn)中大量復(fù)雜的運(yùn)算，這時(shí)選擇合適的核函數(shù)至關(guān)重要。不同的核函數(shù)在解決不同的問題上發(fā)揮著不同的作用。本文通過對常見的四個(gè)核函數(shù)模擬分析，用其構(gòu)成的SVM模型進(jìn)行消費(fèi)者行為預(yù)測。實(shí)驗(yàn)表明，SVM相對于其他分類算法在真實(shí)分類中的不理想效果，具有更高的準(zhǔn)確度和實(shí)用性。

在此之前研究消費(fèi)者行為方面的論文，多是針對單一屬性的消費(fèi)群體進(jìn)行分析的。本文在小樣本條件下，基于支持向量機(jī)原理，對影響購買行為的不同因素進(jìn)行較為系統(tǒng)的分析歸納，并將已有的數(shù)據(jù)與現(xiàn)有的libsvm工具箱等計(jì)算機(jī)技術(shù)相結(jié)合進(jìn)行SVM分類機(jī)仿真建模，得到?jīng)Q策函數(shù)，實(shí)現(xiàn)對單一消費(fèi)者進(jìn)行行為分析和預(yù)測，更直接地對保健品的生產(chǎn)、營銷和定位提供指導(dǎo)，為企業(yè)有計(jì)劃、有準(zhǔn)備地進(jìn)行營銷活動(dòng)提供理論支持。

盡管如此，本文也存在著一些潛在不足，如問卷的選項(xiàng)設(shè)置或有不盡合理的地方；問卷采用網(wǎng)上發(fā)布的方式，其真實(shí)性難以保證等。支持向量機(jī)在消費(fèi)者行為方面的研究還屬于發(fā)展階段，很多工作有待于進(jìn)一步研究：如何選擇更合理的屬性特征、更合適的核函數(shù)和參數(shù)，提高模型的泛化能力或推廣能力；怎樣建立高精度的消費(fèi)者購買能力與屬性特征的回歸模型；如何將支持向量機(jī)算法與其他算法相結(jié)合，提高解決問題的速度和效率等。

綜上所述，支持向量機(jī)通過選擇適當(dāng)?shù)暮撕瘮?shù)和參數(shù)，在解決小樣本、高維模式和非線性問題上具有很強(qiáng)的優(yōu)勢。在對消費(fèi)者行為模式的研究中，得到的預(yù)測效果將比其他數(shù)學(xué)模型準(zhǔn)確很多，具有廣泛的實(shí)踐價(jià)值。

參考文獻(xiàn)：

1.李國正.支持向量機(jī)導(dǎo)論[M].電子工業(yè)出版社，2003

2.徐劍鋒.保健品的消費(fèi)者行為分析及其營銷探討[J].時(shí)代金融，2011（21）

3.鄧乃楊，田英杰著.數(shù)據(jù)挖掘中的新方法：支持向量機(jī)[M].科學(xué)出版社，2004

4.張麗莉.消費(fèi)心理學(xué)[M].清華大學(xué)出版社，2010

5.李盼池，許少華.支持向量機(jī)在模式識(shí)別中的核函數(shù)特性分析[J].計(jì)算機(jī)工程與設(shè)計(jì)，2005，26（2）

6.Ed Hopkins.Adaptive Learning Models of Consumer Behavior.Journal of Economic Behavior & Organization，2007，64（3-4）