基于WEFCMO算法的引導型商品營銷實訓輔助策略研究

和志強，羅長玲，陳萌，王夢雪

(河北經(jīng)貿(mào)大學 信息技術學院，河北 石家莊 050061)

人們對于大學實踐類課程教學模式的探索和改革已歷經(jīng)多年，但隨著經(jīng)濟的發(fā)展及社會對人才需求的變化，目前此類課程的建設仍然存在不少短板。一是“模擬實踐”依然占主導地位，學生缺乏參與真實場景的實踐機會；二是“針對性弱”的不足普遍存在，缺乏對現(xiàn)實問題的關注和回應；三是“實效欠缺”的問題比較明顯，實訓效果不理想。

針對上述問題，本文以河北經(jīng)貿(mào)大學市場營銷專業(yè)《商業(yè)實踐》課程為例開展研究，搭建了一個兼具實訓實踐功能的真實電商平臺——“經(jīng)貿(mào)購商城”，明確了經(jīng)營模式并組建了師生運營團隊，為學生提供實訓環(huán)境支持。在實訓環(huán)節(jié)中，一個重要的問題是如何能快速的實現(xiàn)新產(chǎn)品的擴散和推廣[1,2]、更好地挖掘顧客的潛在價值[3]，從而提高產(chǎn)品知名度、創(chuàng)造更大的收益。為了協(xié)助學生更好地解決這一問題，更有針對性地開展實踐教學并提升實訓效果，本文綜合運用計算機和市場營銷相關理論，提出了基于WEFCMO聚類算法的引導型商品營銷實訓輔助策略，為參加實訓的學生提供營銷輔助手段和指導，幫助其在商業(yè)實踐中快速提升銷售業(yè)績及營銷能力。

1 引導型商品營銷實訓輔助策略研究

1.1 策略設計思想

引導型商品營銷實訓輔助策略旨在對學生營銷實訓進行指導，幫助學生快速地將新產(chǎn)品推廣到市場，同時提高客單價和商品銷量。它的主要思想是首先依據(jù)商品購買記錄信息建立商品關聯(lián)數(shù)據(jù)網(wǎng)絡，為挖掘商品之間潛在的共同購買關系提供數(shù)據(jù)支撐；同時為降低后續(xù)聚類算法的搜索空間，對關聯(lián)數(shù)據(jù)網(wǎng)絡進行剪枝操作；然后利用WEFCMO算法對網(wǎng)絡中具有潛在聯(lián)系的商品進行聚類，得到各類的高連接度節(jié)點集合，集合的數(shù)目即為類的數(shù)目；其次依據(jù)商品新舊、類別、價格等屬性劃分商品檔次，將每類商品劃分為新商品和非新商品，同時將商品由高檔到低檔劃分為5種檔次；最后依據(jù)商品聚類及類別劃分結果，為實訓學生提供每類待推廣商品的引導型營銷次序信息，輔助其提升商品擴散范圍及銷售規(guī)模。

具體操作步驟如下：

Step1：建立商品關聯(lián)數(shù)據(jù)網(wǎng)絡G=，并獲取具有共同購買關系的商品矩陣；

Step2：對網(wǎng)絡G低度的商品節(jié)點進行剪枝，降低搜索空間；

Step3：利用WEFCMO算法對網(wǎng)絡G進行聚類；

Step4：按一定規(guī)則劃分商品新產(chǎn)品和檔次類別；

Step5：依據(jù)聚類和商品檔次劃分結果，實訓學生可以選擇推廣的商品。

圖1為引導型商品營銷實訓輔助策略流程圖。

1.2 構建商品關聯(lián)數(shù)據(jù)網(wǎng)絡

如上文所述，為了實現(xiàn)輔助策略，構建了商品關聯(lián)數(shù)據(jù)網(wǎng)絡，其過程包括以下3步:

1)設商品節(jié)點的集合為V，商品節(jié)點的數(shù)量為N，即V={v1，v2，…，vi，…vN}，vi表示第i種商品的節(jié)點，每一個商品的節(jié)點表示某一種具體的商品，比如vi表示小浣熊干脆面。

2)根據(jù)消費者購買的消費記錄，來建立商品關聯(lián)數(shù)據(jù)網(wǎng)絡G=,有購買關系的商品作為邊，用eij表示商品節(jié)點vi和vj之間存在共同購買的關系的邊，邊的集合E={eij}，所有商品之間存在共同購買關系的的矩陣表示為(eij)N*N，其中vj表示第j種商品的節(jié)點，j=1，2，…，N。

3)Ωi是與商品vi共同購買的商品和共現(xiàn)權值的集合，權值dij表現(xiàn)的是商品vi與vj之間存在共同購買關系的強度，即商品vi與vj出現(xiàn)共同購買的次數(shù)。

圖1 引導型商品營銷實訓輔助策略流程圖

為敘述簡單起見，這里以實訓平臺上實際銷售的6種商品為例構建其共同購買關系網(wǎng)絡，表1為6種商品的銷售記錄，其中商品序號1～6表示6種不同商品，表中打“√”表示購買了該商品。

表1 6種商品的銷售記錄

圖2為依據(jù)銷售記錄構建的6種商品關聯(lián)數(shù)據(jù)網(wǎng)絡，其中數(shù)字1～6表示商品的節(jié)點，節(jié)點之間的連線表示存在共同購買關系。

Ωi獲取的步驟如下：

Step1：設定當前商品節(jié)點j=1，Ωi=?，即設定Ωi為空集；

Step2：若j≤N，則轉到Step3，否則轉到Step5；

Step3：若商品節(jié)點與vj相鄰，即存在購買關系，則將(vj，dij)存入到Ωi中，其中dij是vi與vj的共現(xiàn)次數(shù)值，否則轉到Step4；

Step4：令j=j+1，轉到Step2；

Step5：停止，得到Ωi。

圖3為表1中商品之間共同購買關系和共現(xiàn)權值的集合。

圖2 表1對應的商品關聯(lián)數(shù)據(jù)網(wǎng)絡

圖3 表1對應的Ω集合

1.3 商品關聯(lián)數(shù)據(jù)網(wǎng)絡剪枝

為降低搜索空間并減少偶發(fā)購買關系對聚類結果的影響，對上述Ωi進行剪枝操作：

Step1：設置共現(xiàn)強度的閾值dc；

Step2：設定當前商品節(jié)點序號i=1；

Step3： 將Ωi中的共現(xiàn)節(jié)點強度小于dc的節(jié)點刪去，i=i+1；

Step4：若i≤N，則轉到Step3，否則轉到Step5；

Step5：將Ωi中為?所對應的vi刪掉，得到剪枝后的集合Ψ；

Step6：獲得剪枝后的商品關聯(lián)數(shù)據(jù)網(wǎng)絡G′= ，V′是剪枝后的商品節(jié)點的集合，E′是剪枝后的邊的集合。對于圖3的Ωi集合，設置連接度的閾值dc=2,剪枝后G′的集合如圖4所示，剪枝后的商品關聯(lián)數(shù)據(jù)網(wǎng)絡如圖5所示。

圖4 表1剪枝后的Ω集合

圖5 表1剪枝后的商品關聯(lián)數(shù)據(jù)網(wǎng)絡

1.4 商品關聯(lián)數(shù)據(jù)網(wǎng)絡聚類

本文對所有剪枝后的集合運用WEFCMO算法進行聚類。該算法考慮了每個待分析對象的類別隸屬度因素，在模糊K-means聚類算法[4]的基礎上，引入了權熵的概念，提出了一個新的目標函數(shù)見公式(1)，只要能滿足目標函數(shù)F最小，聚類結果就是最優(yōu)的[5]。

(1)

對于像F這樣有多個未知參數(shù)的非線性函數(shù)，求解其最小化一般采用將整體問題轉化成局部優(yōu)化的方法，進而進一步求解最優(yōu)問題[6]。求解目標函數(shù)最小值的步驟如下：

Step1：隨機選取K個對象作為k個類的中心；

Step2：repeat

Step3：固定T和C，求解使F(T,W,C)最小的W；

Step4：固定T和W，求解使F(T,W,C)最小的C；

Step5：固定C和W，求解使F(T,W,C)最小的T；

Step6：until F(T,W,C)目標函數(shù)不再減小。

對剪枝后的節(jié)點Ωi的集合運用WEFCMO算法進行聚類，初步得到聚類結果。然后對商品進行劃分，商品檔次劃分標準是根據(jù)商品的類別、價格等指標進行劃分的，令L為商品類別集合，商品類別數(shù)目為N，則L={l1,l2,…，ln}，li表示第i類商品。每類別商品中的個數(shù)為m，根據(jù)每類商品中各商品的價格，將每組商品價格按照公式(2)進行歸一化處理。

(2)

歸一化的后每組中的所有商品的價格都會在(0，1)之間，由于實訓平臺中商品價格差價、商品類別相對較明顯，故將每類商品的檔次一共劃分為5種，即高檔產(chǎn)品、高中檔產(chǎn)品、中檔產(chǎn)品、中低檔產(chǎn)品、低檔產(chǎn)品，分別用1、2、3、4、5檔表示。將(0，1)之間均分成5份，每份占比20%，其中商品價格處于(0，0.2]的歸為低檔商品，商品價格處于(0.2，0.4] 之間的劃分為中低檔商品，商品價格處于(0.4，0.6]之間的劃分為中檔商品，商品價格處于(0.6，0.8]之間的劃分為中高檔商品，商品價格處于(0.8，1]之間的劃分為高檔商品。

為了驗證實訓策略的有效性，本文將實訓平臺中某一時間段內(nèi)實際流通的578種商品劃分為32種類別，商品類別分組如下：

薯片、鍋巴、其他膨化食品、面包、餅干、方便面、干吃面、火腿、辣條、果凍、巧克力、果脯、肉脯、礦泉水、茶飲、運動型飲料、碳酸飲料、酸奶、純奶、雪糕、面膜、洗發(fā)水、沐浴露、衛(wèi)生巾、洗衣粉、肥皂、牙膏、紙品、二手數(shù)碼、二手圖書、二手美妝、炒酸奶。

最后依據(jù)聚類和商品檔次劃分結果，以推廣新產(chǎn)品、提高客單價為目標，為參訓學生制定包含商品銷售次序等信息的營銷輔助策略，幫助學生提升銷售業(yè)績及營銷能力。

2 實驗結果與分析

本文以上述578種商品為實驗對象，依據(jù)其銷售情況建立了商品關聯(lián)數(shù)據(jù)網(wǎng)絡，在剪枝過程中，經(jīng)過反復實驗知選取的連接度閾值dc=10時聚類效果最佳，剪枝后集合節(jié)點數(shù)為69個。剪枝后的結果如下：

V′={v0,v2,v3,v5,v12,v15,v18,v19,v22,v29,v35,v38,v40,v51,v52,

v56,v61,v63,v65,v72,v75,v77,v79,v82,v90,v93,v102,v105,v106,v110,

v115,v117,v119,v130,v135,v157,v159,v163,v172,v181,v183,v189,v196,v203,v209,

v236,v239,v242,v245,v256,v258,v270,v276,v289,v291,v302,v322,v335,v356,v368,

v396,v404,v422,v445,v486,v505,v556,v568,v576}

對上述網(wǎng)絡進行快速聚類，得到商品高連接度的節(jié)點集合，即商品屬于不同類別的數(shù)目，γ=0.5，上述V′最終得到的結果是14類，結果如下：

C1={v0,v5,v12,v75,v102,v130,v181,v209,v256,v302,v322,v368,v422,v505}；

C2={v2,v15,v35,v51,v52,v93,v105,v115,v117,v172,v196,v242,v291,v335,v445}；

C3= {v18,v61,v65,v157,v236,v576}；C4= {v22,v29,v56,v82,v90,v119}

C5={v3,v72,v183,v289}；C6= {v135,v245,v396,v556}；

C7={v38,v163,v203,v276,v356}；C8= {v19,v110,v258}；C9={v63,v79,v189,v270}

C10={v40,v77,v159}；C11={v486,v576}；C12={v239}；C13={v106}；C14={v404}

在對商品進行快速聚類和檔次劃分后，最終引導型商品營銷實訓輔助策略聚類的結果如下：

T1={n0，n5,n9,n66,n90,n126,n159,n203,n256,n303,n321,n368,n420,n497}；

T2={n0,n15,n32,n35,n90,n103,n105,n159,n190,n239,n286,n323,n442}；

T3={n15,n32,n66,n159,n239,n576}；T4={n15,n35,n82,n90,n105}；

T5={n5,n66,n159,n285}；T6={n127,n239,n385,n543}；T7={n32,n159,n202,n276,n368}；

T8={n15,n105,n256}；T9={n35,n66,n159,n276}；T10={n32,n66,n159}；T11={n482,n576}

T12={n239}；T13={n105}；T14={n385}

在使用數(shù)據(jù)集進行測評時，運用成交率衡量實訓學生運用實訓輔助策略達到的營銷效果。R(u)是實際銷售數(shù)據(jù)給出的推薦列表，表示實踐學生依據(jù)輔助策略對顧客u進行推送的商品，T(u)是測試集中給出的商品集，表示顧客u購買的商品。

(3)

成交率表示的是在給出的結果中有多少是發(fā)生過顧客-商品購買記錄的，圖6是僅運用WEFCMO算法得到的營銷結果和對商品檔次劃分后得到的營銷結果的成交率對比圖，從圖中可以看出，本文提出的營銷輔助策略在向實訓學生提供銷售建議后，按照該銷售建議為顧客推送的商品成交率更高，證明本文改進的算法是有效的。

圖6 成交率對比圖

在400份測試數(shù)據(jù)中，接受推送商品的用戶有127人，沒有接受推送產(chǎn)品的用戶有283人。即有29%的用戶接受并購買了推送的商品。圖7是商品推送分類結果，圖8是推送購買率。

圖7 商品推送分類圖

圖8 引導型商品營銷輔助策略購買率

3 結束語

引導型商品營銷實訓輔助策略以新產(chǎn)品擴散和顧客導向市場營銷理論為基礎，以新產(chǎn)品快速推廣、消費者潛在價值挖掘、提高客單價為目標，旨在幫助參加課程實訓的學生有效開展線上線下營銷活動。引導型商品營銷實訓輔助策略在對商品新舊屬性、價格檔次進行分類的基礎上，運用了WEFCMO算法，對實訓學生營銷行為進行引導性指導。該營銷策略在課程實訓過程中，為學生提供營銷“工具”，方便學生更好地開展營銷活動。