基于C4.5決策樹的大學(xué)生筆記本電腦購買行為的數(shù)據(jù)挖掘

毛乾任，王朝斌

(西華師范大學(xué)計(jì)算機(jī)學(xué)院，四川南充 637000)

當(dāng)代大學(xué)生在筆記本消費(fèi)方面存在巨大的潛在市場(chǎng)?？紤]到筆記本市場(chǎng)的影響力和獨(dú)特性，有必要將其作為一個(gè)獨(dú)特的細(xì)分市場(chǎng)來加以重視和研究［1］。目前針對(duì)這方面的研究多局限于問卷調(diào)查分析的結(jié)果。C4.5決策樹是ID3樹的改進(jìn)，能處理離散型和連續(xù)性屬性，并且分類精度高，分類規(guī)則易于理解［2－3］。本文采用問卷調(diào)查得到原始數(shù)據(jù)后，經(jīng)K－均值聚類，用C4.5決策樹算法提取特征規(guī)則，可更加具體和直觀地得到大學(xué)生筆記本購買行為的規(guī)律。

1 購買行為研究過程與方法

根據(jù)筆記本電腦行業(yè)消費(fèi)者的行為特征設(shè)計(jì)問卷，并進(jìn)行問卷調(diào)查。通過問卷調(diào)查分析，對(duì)所收集的信息數(shù)據(jù)進(jìn)行挖掘建模，進(jìn)而提取有意義的特征和規(guī)律。具體包括確定分析指標(biāo)、設(shè)計(jì)問卷調(diào)查、模型構(gòu)建和模型評(píng)估4個(gè)方面。

圖1 分析過程與方法

1.1 影響大學(xué)生購買行為的分析

大學(xué)生消費(fèi)者對(duì)筆記本的購買決策因素細(xì)分為主觀和客觀2個(gè)方面，細(xì)分結(jié)果見表1。

表1 影響購買行為的因素細(xì)分結(jié)果

客觀因素是筆記本電腦商品本身對(duì)大學(xué)生電腦消費(fèi)者的影響;主觀因素則是從消費(fèi)者對(duì)產(chǎn)品的滿意度方面來進(jìn)行分析，是顧客的實(shí)際使用感受、需求和期望［4－6］。

1.2 問卷調(diào)查設(shè)計(jì)

通過在線問卷調(diào)查平臺(tái)發(fā)出問卷，共收回128份來自全國各地的問卷。隨機(jī)選取100份問卷作為研究對(duì)象。問卷設(shè)計(jì)的目的在于將消費(fèi)調(diào)查的問題具體化，并把問卷結(jié)果保存為excel文檔作為建模的數(shù)據(jù)輸入。問卷設(shè)計(jì)主要從影響購買行為的指標(biāo)入手，采用提問選答的形式。針對(duì)影響購買行為的客觀因素，設(shè)置的問題如下:Q2你中意的 CPU 型號(hào):Q2.1 酷睿 i7、Q2.2 酷睿 i5、Q2.3 酷睿 i3、Q2.4 四代 i7、Q2.5 四代 i5、Q2.6 四代 i3、Q2.7奔騰/賽揚(yáng)雙核、Q2.8等。針對(duì)影響購買行為的主觀因素，設(shè)置的問題如下:Q12下列筆記本的產(chǎn)品定位中，你會(huì)優(yōu)先考慮購買哪一種:Q12.1超極本、Q12.22合1電腦、Q12.3游戲影音本、Q12.4 輕薄便攜本、Q12.5 全能學(xué)生本、Q12.6 家庭娛樂本、Q12.7時(shí)尚麗人本、Q12.8商務(wù)辦公本等。

1.3 樣本數(shù)據(jù)的挖掘建模

TipDM在線平臺(tái)數(shù)據(jù)挖掘?qū)儆谑褂猛诰虻囊环N。整個(gè)挖掘過程可以分為3個(gè)相依賴的階段［7－9］:數(shù)據(jù)收集和預(yù)處理、K－均值聚類分析和C4.5決策樹特征規(guī)則提取。

1.4 數(shù)據(jù)收集和預(yù)處理

對(duì)于采用問卷調(diào)查收集到的數(shù)據(jù)資料，必須對(duì)其進(jìn)行預(yù)處理，轉(zhuǎn)換成可被數(shù)據(jù)挖掘工具分析處理的數(shù)據(jù)類型［10］。在K均值建模時(shí)，提取的數(shù)據(jù)全部轉(zhuǎn)換為二進(jìn)制1，0。1代表屬性值Yes，0代表屬性值No。在進(jìn)行特征規(guī)則的提取時(shí)，excel格式文檔中的數(shù)據(jù)將全部轉(zhuǎn)換為字符型后再作為特征規(guī)則提取的輸入。

1.5 數(shù)據(jù)建模

1.5.1 K均值聚類

TipDM系統(tǒng)將樣本聚成2類:第一類(A類)有42個(gè)樣本;第二類有(B類)有58個(gè)樣本。表2列舉了聚類輸出結(jié)果的部分列和行。

表2 聚類結(jié)果部分列和行

1.5.2 C4.5決策樹的特征規(guī)則提取

C4.5決策樹算法通過學(xué)習(xí)數(shù)據(jù)建立決策樹，用于提取每一聚類類別的特征［11］。在輸入聚類數(shù)據(jù)之前，要將導(dǎo)入的樣本數(shù)據(jù)全部轉(zhuǎn)換為字符型數(shù)據(jù)作為特征規(guī)則挖掘的數(shù)據(jù)輸入，分別選取訓(xùn)練集和測(cè)試集的樣本數(shù)據(jù)，生成規(guī)則列表。通過多次交換重設(shè)的數(shù)據(jù)樣本的訓(xùn)練集和檢測(cè)集，重復(fù)執(zhí)行可挖掘出列表所給出的所有規(guī)則［12－13］。以聚類結(jié)果B類的特征規(guī)則1為例:

特征規(guī)則提取:

規(guī)則1:C4.5決策樹

聚類結(jié)果為2類，0類即A類，1類即B類。聚類完成后，借助特征規(guī)則的提取進(jìn)行詳細(xì)的聚類分析。

規(guī)則2:C4.5決策樹

可以看出采用規(guī)則1劃分的正確分類百分比為100%。如果sex的屬性值為W即性別為女，且Price值為No，如果Brand值為Yes，輸出A類，占A類13個(gè)樣本的百分比為30.95%;否則Brand值為No，如果After service值為No，輸出B類，占B類15個(gè)樣本，百分比為25.86%，由此可找到?jīng)Q定行為的特征屬性。

在10個(gè)正確樣本百分比為85%及以上的決策樹中，A類的特征規(guī)則決定因素主要有品牌、操作系統(tǒng)、外殼設(shè)計(jì)以及攝像頭像素。B類的特征規(guī)則決定因素主要有CPU、顯卡、硬盤容量和電池續(xù)航時(shí)間和價(jià)格。下面用分層交叉進(jìn)行具體驗(yàn)證。

2 大學(xué)生消費(fèi)者的行為特征分析

交叉分析用于分析2個(gè)變量之間的關(guān)系［7］。在導(dǎo)出聚類結(jié)果后，把聚類的A類和B類作為自變量。而把要研究分析的其他屬性作為因變量。這里的因變量分別是影響購買行為的主觀因素、客觀因素。輸出結(jié)果如下:

表3 客觀因素交叉分析

表4 主觀因素交叉分析

表5 購買途徑交叉分析

表6 影響購買的其他因素交叉分析

2.1 兩類消費(fèi)行為趨于理性

總體來看，A、B類消費(fèi)者對(duì)CPU的要求是所有因素中最高的，分別占到了各自客觀考慮因素的74.29%，84.48%;其次，兩類消費(fèi)者購買因素所占比例超過50%的還有使用需求，散熱和內(nèi)存容量。大學(xué)生在購買因素中，可以根據(jù)自己的使用需求，依次參考CPU型號(hào)、散熱和內(nèi)存容量。這幾個(gè)因素也是生產(chǎn)商應(yīng)該考慮的重心。

2.2 A類消費(fèi)者購買行為

從客觀因素可以看出:A類消費(fèi)者在操作系統(tǒng)、外殼材質(zhì)以及攝像頭像素、散熱幾個(gè)因素方面的要求普遍高于B類消費(fèi)者。在購買途徑中，A類消費(fèi)者絕大部分(85.71%)去電腦城購買，少部分選擇大型商場(chǎng)購買，基本不在二手市場(chǎng)和網(wǎng)上購買。并且這類消費(fèi)者比較看重筆記本電腦的獨(dú)特功能以及售后服務(wù)，分別高出B類消費(fèi)者27.33個(gè)百分點(diǎn)和18.73個(gè)百分點(diǎn)。

從主觀因素分析，A類消費(fèi)者在品牌和促銷活動(dòng)方面的考慮因素分別高出B類消費(fèi)者25.60個(gè)百分點(diǎn)和26.70個(gè)百分點(diǎn)，并在筆記本獨(dú)特的新功能要求上超出B類27.29個(gè)百分點(diǎn)。這類消費(fèi)者大部分選擇在線下電腦城購買，在線上的購買幾率很低?？梢?，此類大學(xué)生消費(fèi)者追逐個(gè)性化的獨(dú)特風(fēng)格，并且對(duì)價(jià)格的看重遠(yuǎn)不及B類高，消費(fèi)大頭已經(jīng)從實(shí)用化趨向時(shí)尚化。

商家對(duì)于這類消費(fèi)者在抓品牌效應(yīng)的同時(shí)，可以經(jīng)營便攜性較強(qiáng)，外觀設(shè)計(jì)時(shí)尚的筆記本，并且可以適當(dāng)延長售后服務(wù)期，在實(shí)體店里開展一些促銷活動(dòng)，從而在很大程度上吸引A類消費(fèi)者。而對(duì)于生產(chǎn)商，產(chǎn)品要保證很好的便攜性、外殼材質(zhì)和外觀設(shè)計(jì)。一些新功能的推出會(huì)更加吸引這部分消費(fèi)者。家庭娛樂本、輕薄便攜本、時(shí)尚麗人本、超極本將受到這類消費(fèi)者的青睞，同時(shí)在產(chǎn)品配置上，生產(chǎn)商可以適當(dāng)調(diào)低成本。

2.3 B類消費(fèi)者購買行為

從客觀因素分析，B類消費(fèi)者對(duì)CPU、顯卡類型、硬盤容量和電池續(xù)航時(shí)間的要求遠(yuǎn)高于A類消費(fèi)者。B類消費(fèi)者對(duì)CPU的要求高出A類消費(fèi)者約10個(gè)百分點(diǎn)，對(duì)顯卡類型要求高出A類消費(fèi)者約24個(gè)百分點(diǎn)，電池續(xù)航時(shí)間和硬盤容量以及接口數(shù)量高出A類消費(fèi)者約12個(gè)百分點(diǎn)，而對(duì)操作系統(tǒng)、筆記本厚度、便攜和外殼材質(zhì)的要求較低。

從主觀因素來看，B類消費(fèi)者只在價(jià)格要求方面高于A類消費(fèi)者14.86個(gè)百分點(diǎn)，而對(duì)于外觀設(shè)計(jì)、材質(zhì)、品牌要求和是否促銷，并不是主要的考慮因素。

在購買途徑中，B類消費(fèi)者在網(wǎng)上購買的需求遠(yuǎn)遠(yuǎn)大于A類。這類消費(fèi)者在購機(jī)過程中可以選擇市面上一些配置較好的游戲影音本、商務(wù)辦公本、2合1電腦等;品牌上可以考慮如宏基、華碩、聯(lián)想及ThinkPad等配置較好、價(jià)格不高的品牌。B類大學(xué)生消費(fèi)者在購買筆記本時(shí)青睞商家降價(jià)促銷和贈(zèng)送購機(jī)禮包。商家在營銷上可以抓住這一點(diǎn)，在經(jīng)營模式上可以選擇線上實(shí)行購買優(yōu)惠禮品套機(jī)的策略，在線下開展降價(jià)促銷活動(dòng)，或者采用贈(zèng)送購機(jī)禮包的方式來吸引B類消費(fèi)者。對(duì)于生產(chǎn)商，則要根據(jù)這類消費(fèi)者看重配置如CPU、顯卡、電池、硬盤容量的特點(diǎn)，均衡配置、外觀設(shè)計(jì)和價(jià)格三方面的成本。

3 分層交叉進(jìn)行誤差驗(yàn)證

用分層交叉技術(shù)評(píng)估期望泛化能力，即預(yù)測(cè)模型對(duì)新鮮樣本的適應(yīng)能力［14－15］。模型泛化能力驗(yàn)證結(jié)果如下:

從決策樹的混淆矩陣中可以看出:在大學(xué)生類別A的實(shí)例中，39個(gè)被正確預(yù)測(cè)為A類，3個(gè)被錯(cuò)誤預(yù)測(cè)。在類別為B的實(shí)例中，57個(gè)被正確預(yù)測(cè)為B類，正確分類百分比為96%，錯(cuò)誤分類百分比為4%，驗(yàn)證說明模型具有較高的新樣本數(shù)據(jù)適應(yīng)能力。

［1］榮曉華，何成義.大學(xué)生自我概念與購買決策關(guān)系的實(shí)證研究——以筆記本電腦市場(chǎng)為例［J］.吉林工商學(xué)院學(xué)報(bào)，2012(1):48－51.

［2］Honkanen P，Olsen S，Myrland O.Preference-based Segmentation:A study of meal preferences among Norweigian teenager［J］.Journal of consumer Behavior，2004，3(3):235－250.

［3］Mobasher B.Web Usage Mining In John Wang，Encyclopedia of Data Warehousing and Mining［M］.Idea Group，2006.

［4］Jefrey Lijffijt，Panagiotis Papapetrou.A statistical significance testing approach to mining the most informative set of patterns［J］.Data Mining and Knowledge Discovery，2014，28(1):238－263.

［5］林嘉.系統(tǒng)設(shè)計(jì)和基于用戶行為分析［D］.廣州:中州大學(xué)，2013.

［6］俞勇，薛貴榮，韓定一，等.Web數(shù)據(jù)挖掘［M］.北京:清華大學(xué)出版社，2009.322－324.

［7］樊寧.K均值聚類算法在銀行客戶細(xì)分中的研究［J］.計(jì)算機(jī)仿真，2011(3):369－372.

［8］瞿小寧.K均值聚類算法在商業(yè)銀行客戶分類中的應(yīng)用［J］.計(jì)算機(jī)仿真，2011，06:357－360.

［9］關(guān)云鴻.改進(jìn)K－均值聚類算法在電信客戶分類中的應(yīng)用［J］.計(jì)算機(jī)仿真，2011，08:138－140.

［10］Menardi G，Torelli N.Training and assessing classification rules with imbalanced data［J］.Data Mining and Knowledge Discovery，2014，28(1):92－122.

［11］Sathyadevan S，Remya R Nair.Comparative Analysis of Decision Tree Algorithms:ID3，C4.5 and Random Forest［J］.Computational Intelligence in Data Mining-Volume 1Smart Innovation，Systems and Technologies Volume，2015，31:549－562.

［12］Iwata T，Sawada H.Topic model for analyzing purchase data with price information［J］.Data Mining and Knowledge Discovery，2013，26(3):559－573.

［13］湯克明.不確定數(shù)據(jù)流中頻繁數(shù)據(jù)挖掘研究［D］.南京:南京航空航天大學(xué)，2012.

［14］王萍.基于數(shù)據(jù)挖掘技術(shù)的消費(fèi)者行為研究［D］.長春:吉林大學(xué)，2004.

［15］李軍.基于用戶行為挖掘的數(shù)據(jù)流管理技術(shù)研究［D］.北京:北京郵電大學(xué)，2012.