基于皮爾遜相關(guān)系數(shù)的網(wǎng)購大數(shù)據(jù)分析
——以天貓佰潤居旗艦店交易記錄為例

佘梓航，徐嘉樺，姚志玉，梁偉典

（韓山師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，廣東 潮州 521041）

隨著大數(shù)據(jù)時代的到來，信息技術(shù)的進步加快了互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)平臺購物以方便、快捷、價格低的購買模式越來越受到廣大網(wǎng)友的喜愛.近年來，我國網(wǎng)絡(luò)交易的結(jié)構(gòu)，已經(jīng)發(fā)展為以天貓為首，京東、蘇寧、拼多多、亞馬遜中國、唯品會、當當網(wǎng)、網(wǎng)易嚴選等電商共同發(fā)展的局面.網(wǎng)絡(luò)技術(shù)的蓬勃發(fā)展一方面給網(wǎng)絡(luò)商家們帶來巨大的利潤，但另一方面又帶給網(wǎng)絡(luò)商家史無前例的挑戰(zhàn).網(wǎng)絡(luò)購物的用戶早已經(jīng)破千萬，網(wǎng)絡(luò)購物的成交額也在逐年的增長.僅2018年天貓“雙十一”購物節(jié)當天的成交額，就已經(jīng)突破了2 135億［1］.成交額的提升，也預(yù)示著商家的數(shù)據(jù)分析能力、庫存管理能力和用戶管理能力也要相應(yīng)地進行提升.與此同時，數(shù)據(jù)庫技術(shù)的發(fā)展使得獲取、存儲這些交易數(shù)據(jù)成為了可能.對這些龐大的交易數(shù)據(jù)進行有效的數(shù)據(jù)分析，能夠為商家提供各個方面的指導(dǎo).不少的學(xué)者也已利用數(shù)據(jù)分析方法對大數(shù)據(jù)進行分析.例如：葉春姣［2］對2013年9月至2015年12月京東線上手機交易記錄進行分析，利用空間聚類、分類回歸樹等數(shù)據(jù)挖掘方法，得出全國手機網(wǎng)絡(luò)消費者的時空分布情況.郭成蹊［3］利用天貓網(wǎng)站用戶2014年4-7月真實數(shù)據(jù)進行分析，得到預(yù)測客戶流失的模型，包括決策樹模型、logistic回歸模型及迭代決策樹模型.黃益國［4］通過使用數(shù)據(jù)挖掘技術(shù)，對淘寶化妝品NL 店鋪的客戶以及商品銷售進行分析，基于k-means 聚類算法對NL 店鋪的客戶進行分類，將客戶分為高級VIP、普通VIP及普通客戶，并且利用貝葉斯分類方法預(yù)測了NL店鋪不同的客戶對新產(chǎn)品A 的購買傾向.Moe［5］和Sismeiro［6］也分別通過網(wǎng)站點擊數(shù)據(jù)和用戶瀏覽網(wǎng)店的歷史記錄數(shù)據(jù)，建立了用戶再次購買概率模型和購買行為統(tǒng)計分析模型.

本文利用統(tǒng)計分析方法，通過python軟件，以淘寶天貓旗艦店佰潤居旗艦店陶瓷產(chǎn)品銷售情況為例，分析該旗艦店產(chǎn)品的時空交易分布的情況，同時通過歷史數(shù)據(jù)，預(yù)測2019年佰潤居旗艦店的商品交易量，為佰潤居旗艦店的庫存管理提供一定的指導(dǎo).

1 問題假設(shè)及數(shù)據(jù)預(yù)處理

通過與佰潤居旗艦店的商家進行聯(lián)系，獲得了佰潤居旗艦店2017年1月1日至2019年6月11日共131 281 條交易記錄及相關(guān)商品編號數(shù)據(jù)（編號信息未在圖1 中給出），具體原始數(shù)據(jù)的例子見圖1（數(shù)據(jù)已去掉涉及買家隱私的相關(guān)信息）.

對于獲得的數(shù)據(jù)，本文進行如下假設(shè)：（1）訂單付款時間即為買家交易時間；（2）買家收貨地址即為買家所在地，不考慮買家將商品寄給其他人的情況；（3）對于不同標題的產(chǎn)品，如果商品編號一致，視為同一種產(chǎn)品.

圖1 用戶購買信息

對于這131 281條交易記錄，先去掉有缺失和未付款的數(shù)據(jù).隨后，對于沒有缺失的數(shù)據(jù)，使用python軟件對商品的收貨地址進行分詞，提取出地址中省市的信息作為指標.同時按照年份和月份為時間指標，按照省市和年月聯(lián)合指標對余下的數(shù)據(jù)進行分析.具體研究方法及成果將在下文給出.

2 研究方法及數(shù)據(jù)挖掘算法

通過條形圖、皮爾遜相關(guān)系數(shù)及均值等分析方法，對所擁有的數(shù)據(jù)進行分析.假設(shè)X=(x1,x2,…,xN)，Y=(y1,y2,…,yN)，則均值［7］的定義為

皮爾遜相關(guān)系數(shù)［7］的定義為

顯然-1 ≤ρXY≤1.當ρXY=0，X 和Y 不具有線性相關(guān)的關(guān)系；當ρXY＞0，X 和Y 具有正線性相關(guān)的關(guān)系；當ρXY＜0，X 和Y 具有負線性相關(guān)的關(guān)系；當ρXY越接近±1時，相關(guān)性越高.

本文使用python軟件對數(shù)據(jù)進行挖掘分析，具體使用的挖掘函數(shù)及算法邏輯如下：

Step 1：收集數(shù)據(jù)，保存為csv后綴文件；

Step 2：使用函數(shù)pd.read.csv讀取數(shù)據(jù)，按照年份建立數(shù)據(jù)集；

Step 3：使用循環(huán)語句，將商品標題與商家提供的編碼進行轉(zhuǎn)換，建立編碼集；

Step 4：使用split 函數(shù)按“-”及“/”為分隔符，分別將年月及時刻分開，建立相應(yīng)的時間集，并通過astype將時間集轉(zhuǎn)換成str類型；

Step 5：使用split函數(shù)按“ ”為分隔符，將省份及城市分開，建立相應(yīng)的位置集；

Step 6：使用groupby函數(shù)及sum函數(shù)對前述步驟中所建立的數(shù)據(jù)集進行計算，得出不同省、不同市在不同年月的銷售量情況，同時計算相應(yīng)的增長率；

Step 7：畫圖展示計算結(jié)果，數(shù)據(jù)分析.

下文將對python分析出來的結(jié)果進行展示，并且給出相應(yīng)的分析結(jié)論.

3 結(jié)果與分析

3.1 年度銷售情況分析

將2017 年至2019 年5 月份的所有交易量進行統(tǒng)計，如圖2所示.

從圖2中可以看出，2018年銷售量遠高于2017 年，同時，2019 年的前5 月份的銷售量已經(jīng)接近2017 年全年的銷售量.可以發(fā)現(xiàn)該旗艦店的銷售量呈上升趨勢，平均月銷售量也能看出上升的趨勢.因此，商家應(yīng)該對自己企業(yè)的產(chǎn)品有信心，繼續(xù)提高商品質(zhì)量，保持銷售趨勢.通 過對2017 年至2019 年5 月份的月銷售量進行分析（圖3）.從圖3可以看出，2017 年與2018 年月銷售量、2018 年1-5 月銷售量與2019 年1-5月的銷售量都有正的線性相關(guān)關(guān)系，通過計算皮爾遜相關(guān)系數(shù)，得到相關(guān)系數(shù)分別為ρ1≈0.316 和ρ2≈0.384 .考慮到2017 年及2018年2月份都是農(nóng)歷春節(jié)，大部分天貓旗艦店商家都暫停營業(yè)，大部分快遞公司也停止服務(wù).因此，在剔除2月份銷售量數(shù)據(jù)之后，2017 年及2018年月銷售量相關(guān)系數(shù)ρ3≈0.646，有高度的正相關(guān)性.可見不同年份的相同月份之間的銷售量有正相關(guān)關(guān)系.高度正相關(guān)性可以讓商家利用歷史數(shù)據(jù)，建立相應(yīng)的庫存模型.

圖2 年度總銷售量、平均月銷售量直方圖（單位：件）

圖3 2017年至2019年5月份月銷售量折線圖（單位：件）

3.2 產(chǎn)品銷售區(qū)域分布分析

2017年及2018年的區(qū)域銷售數(shù)據(jù)，見表1和表2.

表1 2017年各省份陶瓷銷售量（單位：件）

表2 2018年各省份陶瓷銷售量（單位：件）

由表1 和表2 可以看出，東部地區(qū)銷售量遠遠高于中部和西部，而中部和西部銷售量差異不大.除香港特別行政區(qū)外，沿海地區(qū)銷售量遠遠高于內(nèi)陸地區(qū)，內(nèi)陸地區(qū)銷售量遠遠高于高原地區(qū)，各個地區(qū)的銷售量趨勢，可以查看圖4.西部地區(qū)的銷量少跟其經(jīng)濟水平有關(guān)，而香港地區(qū)的銷量少主要是受到郵費及跨境運輸難度大所造成的影響.2017、2018年兩年都保持銷售量前三的區(qū)域是廣東、江蘇、浙江三省.

按照城市為指標進行劃分，對2017、2018年不同城市的銷售情況進行分析.圖5給出了2018年銷售量前十名的城市的銷售情況，比較了這10個城市在2017、2018年兩年的銷售量情況.2018年銷售量前十名的城市的銷量達到了總銷量的33.28%.可見，排名前十的城市銷量變化對全國總銷量的變化有巨大的影響.從圖5中可以看出，排名前十名的城市以一線城市為主.除了廣州負增長之外，其他城市的銷售量均有所增長，尤其是重慶、上海和南京.重慶2018年的銷售量是2017年的5.24倍，上海2018年的銷售量是2017年的2.42倍，南京2018年的銷售量是2017年的2.05倍.因此，商家可以通過查找廣州、重慶、上海、南京幾個地方的交易數(shù)據(jù)（如：退貨量、客戶要求、發(fā)貨要求、發(fā)貨時長、購買商品類型等）來分析導(dǎo)致負增長和高增長的原因，進一步改善自己的產(chǎn)品.

圖4 2017、2018年各地區(qū)銷售情況對比（香港特別行政區(qū)除外）（單位：件）

圖5 2018年銷售量排名前十的城市近兩年銷售量情況對比（單位：件）

3.3 產(chǎn)品結(jié)構(gòu)分析

根據(jù)2017、2018年兩年的商品銷量進行統(tǒng)計，得出表3、表4.

表3 2017年銷量前十名的商品（單位：件）

表4 2018年銷量前十名的商品（單位：件）

通過表3、表4可以看出，2017年銷售量前十名的商品銷售量總和為48 852件，占2017年度銷售量80 148件的60.95%，2018年銷售量前十名的商品銷售量總和為60 983件，占2018年度銷售量142 188件的42.89%.2018年銷量前十名商品銷售量所占比重相對于2017年有所降低，但2018年年度銷售量總體升高，說明商品的單一品種高銷售量化程度有所降低，從側(cè)面反映出商家產(chǎn)品結(jié)構(gòu)越發(fā)多樣化，這也從與商家的交流中得到了驗證.

銷售量前十名的商品都是以餐具和杯子為主，這也顯示市場對餐具和杯子需求量巨大，商家可以通過提升這兩種陶瓷產(chǎn)品的質(zhì)量，同時降低生產(chǎn)成本，來獲取更高的商業(yè)利潤.

3.4 產(chǎn)品銷量預(yù)測

從上文已知2017、2018兩年的月銷售量存在高度相關(guān)性，除去2月份的數(shù)據(jù)，計算出2018 年1、3-5月份相對于2017年1、3-5月份平均月銷售量增長率為47.03%，2019 年1、3-5 月份相對于2018 年1、3-5 月份的月銷售量增長率為43.51%.這兩年的平均增長率基本不變，這啟發(fā)我們使用2018年（除2 月份）銷售量平均增長率來對2019年的銷售量平均增長率進行估計，通過簡單的計算，可以得到2018 年相對于2017 年的月銷售量（除2月份）平均增長率約為107.25%.基于此可以對2019年6-12月份的銷售量進行預(yù)測，得到圖6.

圖6 2017年至2019年5月份月銷售量及2019年6月至12月銷售量預(yù)測值（單位：件）

從圖6可以看出，若按照往年增長趨勢，6月份及11月份的銷售量都會再創(chuàng)新高.由于該旗艦店銷售量前十名的商品以馬克杯和餐具為主（由表3、表4可見），考慮6月份高考結(jié)束，大量高中畢業(yè)生買杯子的需求增加，再加上天貓年中大促，同京東商城店慶日“618”競爭流量，從而導(dǎo)致了6月份的高銷售量.天貓“雙十一”購物節(jié)是11月份銷量巨大的最主要原因，2019年11月份銷售量可能達到47 145件.因此，根據(jù)數(shù)據(jù)可相應(yīng)增加庫存，為迎接銷售高峰期做準備.

4 結(jié)論

通過對2017至2019年5月份佰潤居旗艦店的年銷量、月銷量、產(chǎn)品銷售區(qū)域、產(chǎn)品結(jié)構(gòu)等幾個方面進行統(tǒng)計分析.從分析中得出，不同年份產(chǎn)品數(shù)據(jù)在相同月份的銷售量有強的正相關(guān)關(guān)系.通過python軟件進行分詞及統(tǒng)計，發(fā)現(xiàn)佰潤居旗艦店的產(chǎn)品在廣東、江蘇、浙江三省持續(xù)暢銷.在成本允許的情況下，商家可以考慮在這三個省建立相應(yīng)的倉庫，方便銷售及快速發(fā)貨.同時，商家可以考慮使用天貓直通車推薦系統(tǒng)，為前十名城市的消費者設(shè)置推送權(quán)重，保持銷售量前十名的城市的銷售情況.最后，通過平均值預(yù)測，2019年11月份商家銷售量可能達到47 145件，商家可以事先庫存相應(yīng)的商品，為天貓“雙十一”購物節(jié)做準備.