基于數(shù)據(jù)挖掘理論的網(wǎng)購(gòu)顧客關(guān)聯(lián)產(chǎn)品購(gòu)買意向分析

李東輝　舒煜

隨著互聯(lián)網(wǎng)的全國(guó)性普及，物流業(yè)的蓬勃發(fā)展，網(wǎng)絡(luò)購(gòu)物以其更加低廉的價(jià)格、更多的商品選擇等優(yōu)勢(shì)漸漸代替了實(shí)體購(gòu)物。作為網(wǎng)絡(luò)店鋪主體，揣測(cè)消費(fèi)者對(duì)關(guān)聯(lián)產(chǎn)品的購(gòu)買意向，在很大程度上能幫助網(wǎng)絡(luò)商家進(jìn)行更好的網(wǎng)絡(luò)營(yíng)銷。本文基于大數(shù)據(jù)背景，充分結(jié)合數(shù)據(jù)挖掘理論中的相關(guān)技術(shù)，利用對(duì)以往顧客進(jìn)行網(wǎng)絡(luò)購(gòu)物時(shí)的關(guān)聯(lián)產(chǎn)品購(gòu)買數(shù)據(jù)，進(jìn)行數(shù)據(jù)信息挖掘，擬判斷顧客的相關(guān)產(chǎn)品購(gòu)買意向。本文僅僅以示例的形式從數(shù)據(jù)挖掘角度進(jìn)行顧客購(gòu)買意向的預(yù)判，并未進(jìn)行大量實(shí)體驗(yàn)證，因此，文章所列內(nèi)容只作為供參考的理論基礎(chǔ)。

數(shù)據(jù)挖掘/關(guān)聯(lián)產(chǎn)品/購(gòu)買意向

一、前言

隨著信息技術(shù)的普及、互聯(lián)網(wǎng)的迅速發(fā)展、網(wǎng)絡(luò)覆蓋度的大幅提升，中國(guó)已經(jīng)進(jìn)入了網(wǎng)絡(luò)時(shí)代。同時(shí)，中國(guó)實(shí)體營(yíng)銷也向網(wǎng)絡(luò)營(yíng)銷邁出了長(zhǎng)遠(yuǎn)的一步，網(wǎng)上宣傳、網(wǎng)上策劃以及網(wǎng)上促銷等等一些列商家活動(dòng)，都獲得了很大的成功。網(wǎng)絡(luò)支付方便快捷，網(wǎng)上產(chǎn)品豐富多彩，網(wǎng)上價(jià)格更加優(yōu)惠，這些因素也成功吸引了購(gòu)物者的眼球，使更多的人參與到網(wǎng)購(gòu)行列中來(lái)。網(wǎng)上店鋪的風(fēng)靡與大批量現(xiàn)存及潛在的網(wǎng)購(gòu)顧客成功開辟了市場(chǎng)營(yíng)銷的第二條路徑，并且發(fā)展迅猛。

但是，網(wǎng)絡(luò)商家間的競(jìng)爭(zhēng)卻也日益激烈，除了以更好的品質(zhì)、低廉的價(jià)格、優(yōu)質(zhì)的服務(wù)來(lái)贏得更多的忠誠(chéng)顧客外，還應(yīng)對(duì)顧客的購(gòu)買意向進(jìn)行較為深入的感知與挖掘。在本文中，核心針對(duì)網(wǎng)絡(luò)商品的關(guān)聯(lián)產(chǎn)品網(wǎng)購(gòu)意向進(jìn)行舉例式數(shù)學(xué)模擬分析（即以手機(jī)配件、屏幕保護(hù)膜及耳機(jī)等作為手機(jī)的關(guān)聯(lián)商品，進(jìn)行分析），并由此對(duì)一般性網(wǎng)絡(luò)商品的關(guān)聯(lián)產(chǎn)品的營(yíng)銷提出相關(guān)策略。

二、相關(guān)理論基礎(chǔ)

（一）數(shù)據(jù)挖掘

數(shù)據(jù)挖掘（Data mining）是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)中的一個(gè)步驟，是一個(gè)逐漸演變的過程，通過這個(gè)過程，可以把商業(yè)經(jīng)驗(yàn)以及生活中的知識(shí)與海量數(shù)據(jù)進(jìn)行對(duì)應(yīng)結(jié)合，使得人們將抽象復(fù)雜的問題通用簡(jiǎn)單數(shù)字信息表現(xiàn)出來(lái)。利用數(shù)據(jù)挖掘技術(shù)，可以使人們更準(zhǔn)確的認(rèn)識(shí)問題，更深入的發(fā)現(xiàn)市場(chǎng)機(jī)遇，也可以做出更明智的決策。

商業(yè)活動(dòng)中的數(shù)據(jù)挖掘可以這樣理解：數(shù)據(jù)挖掘作為一種商業(yè)信息的處理方法，通過數(shù)據(jù)挖掘中諸多方法中的可適用方法，來(lái)進(jìn)行商業(yè)信息數(shù)據(jù)的深層次剖析，從而進(jìn)行抽取、轉(zhuǎn)換、分析以及運(yùn)用其他一些模型化處理方法，目的是獲取能輔助進(jìn)行商業(yè)決策的重要關(guān)鍵數(shù)據(jù)和關(guān)鍵的依托關(guān)系等重要隱含信息。

（二）關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則，也通?？梢苑Q作關(guān)聯(lián)模式，它是單向的，是指某類項(xiàng)目或特征與另一類項(xiàng)目或特征間所存在的單向影響關(guān)系[1]。關(guān)聯(lián)規(guī)則挖掘技術(shù)用于發(fā)現(xiàn)數(shù)據(jù)庫(kù)中的屬性之間的隱含聯(lián)系，這和傳統(tǒng)的生產(chǎn)方式規(guī)則不同，關(guān)聯(lián)規(guī)則可以有一個(gè)或多個(gè)輸出屬性，同時(shí)，一個(gè)規(guī)則的輸出屬性可以同時(shí)是另一個(gè)規(guī)則的輸入屬性[2]。由關(guān)聯(lián)分析方法的性質(zhì)可以看出，該方法非常適合類似于購(gòu)物籃類問題的分析解決。

以關(guān)聯(lián)的角度來(lái)進(jìn)行分析，能挖掘大量數(shù)據(jù)信息中隱藏起來(lái)的聯(lián)系，這種被挖掘出來(lái)的聯(lián)系就可以用關(guān)聯(lián)規(guī)則來(lái)表示。即通過對(duì)以往數(shù)據(jù)信息進(jìn)行匯總，將其作為數(shù)據(jù)挖掘的數(shù)據(jù)倉(cāng)庫(kù)，并利用數(shù)據(jù)挖掘類軟件進(jìn)行操作，便可得出相應(yīng)的關(guān)聯(lián)規(guī)則，再將挖掘出來(lái)的關(guān)聯(lián)規(guī)則經(jīng)過解釋和評(píng)估，驗(yàn)證其可靠性，最后得出結(jié)果并應(yīng)用。

三、關(guān)聯(lián)產(chǎn)品的數(shù)據(jù)挖掘處理流程

鑒于網(wǎng)絡(luò)市場(chǎng)的獨(dú)有性質(zhì)，對(duì)于客戶的訪問、消費(fèi)、回饋等信息都能夠很好的進(jìn)行統(tǒng)計(jì)和存儲(chǔ)，因此，網(wǎng)購(gòu)顧客數(shù)據(jù)進(jìn)行挖掘更加方便，應(yīng)用更加高效。

當(dāng)網(wǎng)購(gòu)顧客訪問某一個(gè)購(gòu)物網(wǎng)站的時(shí)候，網(wǎng)絡(luò)商家通過相應(yīng)合理的數(shù)據(jù)統(tǒng)計(jì)工具對(duì)顧客的可統(tǒng)計(jì)信息進(jìn)行數(shù)據(jù)類匯總，形成一個(gè)大型的顧客信息數(shù)據(jù)庫(kù)。其中，針對(duì)本文所研究涉及的領(lǐng)域與內(nèi)容，進(jìn)行初步的數(shù)據(jù)篩選，獲得具有針對(duì)性的初級(jí)數(shù)據(jù)源，為接下來(lái)的數(shù)據(jù)挖掘做好準(zhǔn)備。

由于數(shù)據(jù)挖掘需要標(biāo)準(zhǔn)的數(shù)據(jù)來(lái)進(jìn)行操作，因此，還需要對(duì)已經(jīng)進(jìn)行過初次篩選的數(shù)據(jù)整理，統(tǒng)一標(biāo)準(zhǔn)后才可以形成能進(jìn)行數(shù)據(jù)挖掘操作的數(shù)據(jù)倉(cāng)庫(kù)。然后，對(duì)數(shù)據(jù)倉(cāng)庫(kù)運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)行深層次挖掘，獲得更為重要的信息或關(guān)聯(lián)規(guī)則。接下來(lái)對(duì)這些挖掘結(jié)果進(jìn)行合理的解釋評(píng)估，得到數(shù)據(jù)挖掘結(jié)果。數(shù)據(jù)挖掘結(jié)果不能直接作為數(shù)據(jù)挖掘模型終端，在進(jìn)行結(jié)果應(yīng)用的同時(shí)，要進(jìn)行應(yīng)用效果反饋，以持續(xù)調(diào)整數(shù)據(jù)挖掘算法，爭(zhēng)取獲得更為優(yōu)化的數(shù)據(jù)挖掘算法，使挖掘成效最大化。鑒于以上描述，可以構(gòu)建一個(gè)具體的據(jù)挖掘處理模型（如圖1），通過模型中的步驟逐步進(jìn)行數(shù)據(jù)分析與處理，最后預(yù)判網(wǎng)購(gòu)顧客對(duì)關(guān)聯(lián)產(chǎn)品的購(gòu)買意向。

圖1 關(guān)聯(lián)產(chǎn)品購(gòu)買意向的數(shù)據(jù)挖掘處理模型

四、關(guān)聯(lián)產(chǎn)品購(gòu)買意向的具體應(yīng)用案例

關(guān)聯(lián)規(guī)則作為本文中的一項(xiàng)重要規(guī)則，與傳統(tǒng)的分類規(guī)則不同，關(guān)聯(lián)規(guī)則中的各個(gè)屬性可以重復(fù)出現(xiàn)在下一輪規(guī)則聯(lián)系中。因此，在網(wǎng)購(gòu)顧客購(gòu)買任意產(chǎn)品或產(chǎn)品組合時(shí)，可以利用這一規(guī)則推斷其關(guān)聯(lián)產(chǎn)品的購(gòu)買可能性和意愿強(qiáng)度。

經(jīng)調(diào)研某專賣移動(dòng)設(shè)備的網(wǎng)絡(luò)商家發(fā)現(xiàn)，其產(chǎn)品主要可以分為手機(jī)和手機(jī)配件系列兩大模塊。其中，手機(jī)可以分為高端手機(jī)和普通手機(jī)，手機(jī)配件系列在本文中僅以手機(jī)護(hù)具和耳機(jī)作為主要案例資料。手機(jī)護(hù)具主要分為手機(jī)膜和手機(jī)防護(hù)外殼。以該商家的某月購(gòu)物顧客訪問后具體購(gòu)買數(shù)據(jù)為例，獲得其初步篩選后的數(shù)據(jù)表如下：

購(gòu)買產(chǎn)品 成交次數(shù) 購(gòu)買產(chǎn)品 成交次數(shù)

高端手機(jī) 150 高端手機(jī)、手機(jī)膜、

手機(jī)防護(hù)外殼 150

普通手機(jī) 200 普通手機(jī)、手機(jī)膜、

手機(jī)防護(hù)外殼 50

手機(jī)膜 300 高端手機(jī)、耳機(jī) 280

手機(jī)防護(hù)外殼 80 普通手機(jī)、耳機(jī) 200

耳機(jī) 120 高端手機(jī)、手機(jī)膜、

耳機(jī) 100

高端手機(jī)、手機(jī)膜 250 普通手機(jī)、手機(jī)膜、

耳機(jī) 60

普通手機(jī)、手機(jī)膜 150 高端手機(jī)、手機(jī)防護(hù)外殼、耳機(jī) 50

高端手機(jī)、手機(jī)防護(hù)外殼 100 普通手機(jī)、手機(jī)防護(hù)外殼、耳機(jī) 40

普通手機(jī)、手機(jī)防護(hù)外殼 120 高端手機(jī)、手機(jī)膜、手機(jī)防護(hù)外殼、耳機(jī) 10

合計(jì)總交易次數(shù)：2410

備注：為便于計(jì)算，以十位為最小單位，四舍五入保存數(shù)值

從上表中的數(shù)據(jù)及信息看起來(lái)比較混亂，因此，整理成較為直觀同時(shí)更容易理解的二維交叉表形式，見下表：

Y

X 手機(jī)Y1 單獨(dú)購(gòu)買 合計(jì)

高端手機(jī)Y11 普通手機(jī)Y12

手機(jī)

配件

系列 耳機(jī)X1 440 300 120 860

手機(jī)護(hù)具系列X2 手機(jī)膜X21 510 260 300 1070

手機(jī)防護(hù)外殼X22 310 210 80 600

單獨(dú)購(gòu)買 150 200 總交易數(shù)：2410

合計(jì) 1410 970

根據(jù)交叉表中的數(shù)據(jù)，可以挖掘出很多關(guān)聯(lián)規(guī)則，例如：手機(jī)膜和高端手機(jī)之間的關(guān)系（X21——Y11）。關(guān)聯(lián)規(guī)則有著兩個(gè)重要的屬性：支持度和置信度。

（1）支持度（support）：某項(xiàng)目集的支持度就是指在所有事物集數(shù)據(jù)庫(kù)中，包含該項(xiàng)目集的所有事物占整體所有事物的比例。因此，手機(jī)膜與高端手機(jī)關(guān)聯(lián)規(guī)則的支持度可以按如下計(jì)算：

Sup（X21——Y11）=X21、Y11同時(shí)出現(xiàn)次數(shù)/事件總數(shù)=P（X21Y11）=21.16%。

（2）置信度（confidence）是指在事物數(shù)據(jù)庫(kù)中，購(gòu)買了一類商品，同時(shí)又購(gòu)買了另一類商品的交易概率，可以按照概率統(tǒng)計(jì)中的條件概率進(jìn)行計(jì)算：

Conf（X21——Y11）=P（Y11/X21）=P（X21Y11）/ P（X21）=X21、Y11出現(xiàn)次數(shù)/X21出現(xiàn)次數(shù)=47.66%。

根據(jù)以上關(guān)聯(lián)規(guī)則的計(jì)算方法，可以通過SAS Enterprise Miner等軟件獲得大量的關(guān)聯(lián)規(guī)則。以本例中高端手機(jī)對(duì)各類手機(jī)配件關(guān)聯(lián)規(guī)則的支持度和置信度數(shù)據(jù)表格，如下表：

組合 關(guān)聯(lián)規(guī)則 支持度% 置信度%

高端手機(jī)—耳機(jī) Y11—X1 18.25 51.16

高端手機(jī)—手機(jī)膜 Y11—X21 21.16 36.17

高端手機(jī)—手機(jī)防護(hù)外殼 Y11—X22 12.86 21.98

根據(jù)表格中計(jì)算的數(shù)據(jù)，可以明顯看出，高端手機(jī)與手機(jī)膜關(guān)聯(lián)規(guī)則的支持度最高，說明消費(fèi)者在該網(wǎng)絡(luò)店家上進(jìn)行選擇產(chǎn)品的時(shí)候，選擇高端手機(jī)和手機(jī)膜進(jìn)行搭配購(gòu)物的人最多。同時(shí)，高端手機(jī)與耳機(jī)關(guān)聯(lián)規(guī)則的置信度最高，為51.16%，說明與表中三個(gè)組合相比，到該網(wǎng)絡(luò)商家購(gòu)物的顧客購(gòu)買耳機(jī)或者高端手機(jī)中任意一種，都有更高的可能性購(gòu)買另一種產(chǎn)品，這種具有剛相關(guān)聯(lián)的對(duì)應(yīng)產(chǎn)品可以進(jìn)行匹配型推銷。

五、基于數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)產(chǎn)品網(wǎng)絡(luò)營(yíng)銷策略

基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法，可以對(duì)網(wǎng)購(gòu)顧客的關(guān)聯(lián)產(chǎn)品購(gòu)買意向進(jìn)行深層次的剖析，因此，可以將這一理論應(yīng)用在具體的網(wǎng)絡(luò)營(yíng)銷中，提出相應(yīng)實(shí)用的網(wǎng)絡(luò)營(yíng)銷策略。

（一）以支持度為核心的網(wǎng)絡(luò)營(yíng)銷策略

通過關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可知，一個(gè)購(gòu)物組合支持度的高低，表明在所有購(gòu)物搭配中，該組合被選中出現(xiàn)的概率高低。因此，通過進(jìn)行大量的數(shù)據(jù)挖掘，可以在網(wǎng)絡(luò)店鋪所有購(gòu)物數(shù)據(jù)中，將各種組合的支持度按照從高到低的次序排列。借助這個(gè)可以獲知的排序，來(lái)安排產(chǎn)品搭配促銷策略，一捆綁銷售的模式提高產(chǎn)品的銷售量。這樣做還可以大大縮減購(gòu)物者單獨(dú)購(gòu)買而產(chǎn)生的額外附加費(fèi)用，如二次物流費(fèi)、人工費(fèi)、包裝費(fèi)用等等。對(duì)于購(gòu)買者而言，還可以享受獨(dú)有的購(gòu)物組合優(yōu)惠?？傊灾С侄葹楹诵牡木W(wǎng)絡(luò)營(yíng)銷策略可以實(shí)現(xiàn)網(wǎng)絡(luò)店鋪與購(gòu)物者之間的雙贏。

（二）以置信度為核心的網(wǎng)絡(luò)營(yíng)銷策略

在網(wǎng)絡(luò)店鋪中，置信度表示的是購(gòu)買店鋪內(nèi)任意產(chǎn)品后，購(gòu)買另一產(chǎn)品的交易概率，也可以理解成為購(gòu)物者對(duì)置信度高的關(guān)聯(lián)產(chǎn)品購(gòu)買意向更加強(qiáng)烈。因?yàn)榫W(wǎng)絡(luò)店鋪往往都是一些相關(guān)產(chǎn)品或者是替代產(chǎn)品的集群，產(chǎn)品之間存在著或多或少的互補(bǔ)或搭配的關(guān)系，所以對(duì)于置信度較高的關(guān)聯(lián)產(chǎn)品組合來(lái)說，更容易受到消費(fèi)者的青睞。

經(jīng)過數(shù)據(jù)挖掘分析，某關(guān)聯(lián)產(chǎn)品組合的置信度高，即當(dāng)購(gòu)物者購(gòu)買某一種產(chǎn)品時(shí)，立即自動(dòng)推送與其相關(guān)聯(lián)的高置信度產(chǎn)品。在對(duì)店鋪內(nèi)的所有產(chǎn)品銷售數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘后，關(guān)聯(lián)規(guī)則中的置信度排序也呈現(xiàn)出來(lái)，那么消費(fèi)者購(gòu)買任意產(chǎn)品，都可以按照置信度從高到低排序，推送產(chǎn)品。這種信息推送方式就徹底顛覆了原有了同類替代產(chǎn)品信息推送模式，因?yàn)樵械奶娲吠扑湍Ｊ絻H僅能在選擇的時(shí)候提供多一種選擇，究其根本對(duì)銷售量沒有提高，而以置信度為核心的網(wǎng)絡(luò)營(yíng)銷策略卻能大大提高銷售量。

（三）綜合支持度和置信度營(yíng)銷策略

在沒有進(jìn)行關(guān)聯(lián)產(chǎn)品銷售數(shù)據(jù)挖掘的網(wǎng)絡(luò)店鋪，對(duì)于店鋪內(nèi)的產(chǎn)品的融合度并不十分了解。對(duì)于某一產(chǎn)品，假如與任何產(chǎn)品關(guān)聯(lián)組合的支持度和置信度都較低（不同店鋪內(nèi)高低水平不同，需具體參照），且該產(chǎn)品獨(dú)自銷售的概率或者利潤(rùn)偏低，那么該產(chǎn)品可以被視為該店鋪內(nèi)的不融合產(chǎn)品，在進(jìn)行產(chǎn)品更新的時(shí)候，可以首選作為淘汰對(duì)象。

這種更新店鋪重塑銷售產(chǎn)品的方法也可以作為一種營(yíng)銷策略，作用不在于擴(kuò)大銷售，而在于提高店鋪整體的銷售效率和質(zhì)量，是一種戰(zhàn)略型營(yíng)銷策略。

以上三種營(yíng)銷策略是基于數(shù)據(jù)挖掘理論對(duì)網(wǎng)購(gòu)顧客關(guān)聯(lián)產(chǎn)品購(gòu)買意向進(jìn)行分析后，所得出的具有針對(duì)性的主要營(yíng)銷策略。這些策略充分利用了網(wǎng)絡(luò)店鋪信息數(shù)據(jù)獲取易、產(chǎn)品信息推送方便、產(chǎn)品更新便捷等優(yōu)勢(shì)，同時(shí)結(jié)合數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則的可應(yīng)用性。但對(duì)于這些策略的具體成效還待檢驗(yàn)，暫時(shí)僅僅為可執(zhí)行的參考性營(yíng)銷策略。

六、結(jié)束語(yǔ)

在本文中，利用數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)銷售方面的應(yīng)用空間，重點(diǎn)將關(guān)聯(lián)規(guī)則應(yīng)用于網(wǎng)絡(luò)關(guān)聯(lián)產(chǎn)品是否購(gòu)買的預(yù)判，進(jìn)而有效幫助網(wǎng)絡(luò)商家采取針對(duì)性的銷售策略和產(chǎn)品推薦。

鑒于本文篇幅有限，雖然以一個(gè)具體案例進(jìn)行驗(yàn)證說明，但并沒有專門針對(duì)大型網(wǎng)絡(luò)店鋪數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)挖掘，因此需要實(shí)踐者，應(yīng)用所構(gòu)建的關(guān)聯(lián)產(chǎn)品數(shù)據(jù)處理模型中的調(diào)整數(shù)據(jù)挖掘算法的循環(huán)步驟，不斷優(yōu)化數(shù)據(jù)挖掘算法以及逐步剔除數(shù)據(jù)庫(kù)中的雜質(zhì)數(shù)據(jù)，使得數(shù)據(jù)挖掘結(jié)果更加可靠。同時(shí)，也希望更多學(xué)者對(duì)本文理論及思想進(jìn)行不斷的拓展和補(bǔ)充，獲得更多的研究?jī)r(jià)值。

參考文獻(xiàn)：

[1]安建華.數(shù)據(jù)挖掘技術(shù)在零售業(yè)中的應(yīng)用研究[D].東北財(cái)經(jīng)大學(xué)，2005年12月.

[2]Richard J.Roiger，Michael W.Geatz著.翁敬農(nóng)譯.Data Mining A Tutorial-Based Primer[M].北京：清華大學(xué)出版社，2003年11月.

[3]廖芹，郝志峰，陳志宏.數(shù)據(jù)挖掘與數(shù)學(xué)建模[M].北京：國(guó)防工業(yè)出版社，2012年2月.

[4]Xindong Wu，Vipin Kumar著.李文波，吳素研譯.數(shù)據(jù)挖掘十大算法[M].北京：清華大學(xué)出版社，2013年5月.

[5]歐陽(yáng)圣，數(shù)據(jù)挖掘在消費(fèi)行為分析中的應(yīng)用[D]，湖南大學(xué)，2011年4月.

作者簡(jiǎn)介：李東輝，男，1989年5月，貴州師范大學(xué)經(jīng)濟(jì)與管理學(xué)院，管理科學(xué)與工程，研究方向：信息系統(tǒng)與電子商務(wù)。

舒煜，貴州師范大學(xué)經(jīng)濟(jì)與管理學(xué)院，管理科學(xué)與工程，研究方向：信息系統(tǒng)與工程。