基于關(guān)聯(lián)規(guī)則的電子商務(wù)用戶分析及研究

楊知玲

摘要：數(shù)據(jù)挖掘技術(shù)可以把電子商務(wù)的海量的數(shù)據(jù)和信息進(jìn)行一個(gè)挖掘，使這些數(shù)據(jù)和信息得到最有效的利用，既轉(zhuǎn)化為知識(shí)的過(guò)程。幫助電子商務(wù)企業(yè)分析電子商務(wù)客戶的行為，提供更加優(yōu)質(zhì)的，具有針對(duì)性的服務(wù)，最終實(shí)現(xiàn)盈利。該文通過(guò)Weka完成了對(duì)數(shù)據(jù)的預(yù)處理，然后用了關(guān)聯(lián)規(guī)則中的Apriori算法對(duì)電子商務(wù)網(wǎng)絡(luò)購(gòu)物用戶進(jìn)行了行為分析，最后對(duì)電子商務(wù)運(yùn)用數(shù)據(jù)挖掘技術(shù)促進(jìn)自身發(fā)展和實(shí)際應(yīng)用提出建議和意見。

關(guān)鍵詞：Weka；數(shù)據(jù)挖掘技術(shù)；B2C；電子商務(wù)

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）13-0259-02

1概述

隨著各種有關(guān)數(shù)據(jù)挖掘的新技術(shù)和相關(guān)研究的出現(xiàn)，使電子商務(wù)企業(yè)分析客戶行為，對(duì)客戶進(jìn)行分類，從而采取相應(yīng)對(duì)策發(fā)展新客戶，留住老客戶，提高用戶好感度和滿意度，提高自身電子商務(wù)網(wǎng)站的吸引力和影響力成為可能。電子商務(wù)的競(jìng)爭(zhēng)無(wú)比的激烈，也有著很多的商機(jī)，誰(shuí)能從這些數(shù)據(jù)中挖掘出可以利用的知識(shí)，誰(shuí)就更能在行業(yè)競(jìng)爭(zhēng)中成為獲勝的那一方。

本文研究的目的是通過(guò)運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)電子商務(wù)數(shù)據(jù)和信息（比如客戶的個(gè)人信息、電子商務(wù)網(wǎng)站用戶行為信息調(diào)查數(shù)據(jù)等）做一個(gè)分析，來(lái)挖掘出能夠?qū)﹄娮由虅?wù)企業(yè)的決策和未來(lái)的發(fā)展提供幫助的知識(shí)模型。通過(guò)數(shù)據(jù)挖掘技術(shù)所挖掘出的模式知識(shí)，幫助電子商務(wù)企業(yè)分析客戶的行為，為企業(yè)發(fā)展新客戶，留住老客戶，提高企業(yè)競(jìng)爭(zhēng)力。

2用戶數(shù)據(jù)準(zhǔn)備

2.1原始數(shù)據(jù)收集

本文數(shù)據(jù)來(lái)源于淘寶網(wǎng)上商城購(gòu)物平臺(tái)后臺(tái)數(shù)據(jù)庫(kù)中從2013年11月至2014年年底歷史交易信息，包括網(wǎng)購(gòu)相關(guān)信息以及網(wǎng)購(gòu)用戶信息等。其數(shù)據(jù)來(lái)源于數(shù)據(jù)堂（www.shujutang.com）這個(gè)大型的專題數(shù)據(jù)網(wǎng)站，數(shù)據(jù)是后綴為.xls的格式文件，需要對(duì)其進(jìn)行格式轉(zhuǎn)換為后綴是.csv的格式文件才能導(dǎo)入到Weka中進(jìn)行分析。

經(jīng)過(guò)數(shù)據(jù)篩選梳理，最終研究的樣本包括999條網(wǎng)購(gòu)列表。其中，審核未通過(guò)的有248條；209條是網(wǎng)購(gòu)放棄；542條成功網(wǎng)購(gòu)，169條已還完網(wǎng)購(gòu)。成功交易總額達(dá)3090.93萬(wàn)元。

就整體研究數(shù)據(jù)來(lái)看，未通過(guò)的網(wǎng)購(gòu)所占比例達(dá)到24.8%，未購(gòu)買成功所占比例達(dá)到20.9%，網(wǎng)購(gòu)成功僅有54.3%，從中可以看出網(wǎng)購(gòu)成功率亟需提高。

2.2用戶特征分析

通過(guò)對(duì)數(shù)據(jù)源中網(wǎng)購(gòu)用戶信息的整合，得到了B2C購(gòu)物網(wǎng)站用戶活動(dòng)數(shù)據(jù)，包括用戶的網(wǎng)購(gòu)次數(shù)、成功網(wǎng)購(gòu)次數(shù)、信用等級(jí)、網(wǎng)購(gòu)總額等信息，這里的變量數(shù)值均是從2013年7月至2014年底的統(tǒng)計(jì)數(shù)據(jù)。為了了解B2C購(gòu)物網(wǎng)站平臺(tái)用戶的不同行為模式與特征，這里本文選取網(wǎng)購(gòu)用戶ID號(hào)、平均網(wǎng)購(gòu)額度、網(wǎng)購(gòu)總次數(shù)、網(wǎng)購(gòu)成功次數(shù)、信用等級(jí)、網(wǎng)購(gòu)積分（網(wǎng)購(gòu)用戶作為網(wǎng)購(gòu)用戶進(jìn)行購(gòu)物所獲得的網(wǎng)購(gòu)積分）作為聚類變量。

平均網(wǎng)購(gòu)金額是指網(wǎng)購(gòu)用戶在樣本2013年11月至2014年底內(nèi)的網(wǎng)購(gòu)金額的平均水平。大體上說(shuō)， 網(wǎng)購(gòu)用戶信用等級(jí)越高，其網(wǎng)購(gòu)的金額就越大。

網(wǎng)購(gòu)總次數(shù)，通過(guò)統(tǒng)計(jì)網(wǎng)購(gòu)用戶在樣本2013年11月至2014年底內(nèi)的網(wǎng)購(gòu)次數(shù)，可以看出該網(wǎng)購(gòu)用戶在B2C購(gòu)物網(wǎng)站平臺(tái)上的活躍程度，網(wǎng)購(gòu)次數(shù)越多，活躍程度越高。

網(wǎng)購(gòu)成功次數(shù)，成功次數(shù)越多表明網(wǎng)站越受網(wǎng)購(gòu)用戶關(guān)注與信任。

信用等級(jí)，作為網(wǎng)購(gòu)用戶重要的信用屬性，也是電子商務(wù)企業(yè)判斷網(wǎng)購(gòu)用戶購(gòu)物風(fēng)險(xiǎn)的重要依據(jù)。本文研究的目的就是找出網(wǎng)購(gòu)用戶信用等級(jí)所不能反映出來(lái)的網(wǎng)購(gòu)用戶信用屬性，所以信用等級(jí)作為對(duì)比，在此引用。

網(wǎng)購(gòu)積分，B2C網(wǎng)絡(luò)購(gòu)物平臺(tái)用戶往往有網(wǎng)購(gòu)用戶與賣家用戶兩個(gè)角色，一方面網(wǎng)購(gòu)交易，另一方面可以進(jìn)行買賣。B2C購(gòu)物網(wǎng)站平臺(tái)用戶只要成功網(wǎng)購(gòu)一定金額就會(huì)獲得相應(yīng)的網(wǎng)購(gòu)積分，所以，網(wǎng)購(gòu)積分也是判斷網(wǎng)購(gòu)用戶信用的重要因素。

2.3數(shù)據(jù)預(yù)處理

數(shù)據(jù)的預(yù)處理是整個(gè)數(shù)據(jù)挖掘過(guò)程中工作量最大的一部分，雖然處理起來(lái)相當(dāng)?shù)南臅r(shí)間，但是絕對(duì)不可以馬虎對(duì)待。這是因?yàn)闆]有經(jīng)過(guò)數(shù)據(jù)預(yù)處理的原始數(shù)據(jù)是很難被有效地利用起來(lái)的，也很難從中挖掘出有用的模型，所以進(jìn)行數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘的很重要的一個(gè)過(guò)程。本文所使用的數(shù)據(jù)挖掘工具Weka就自帶了數(shù)據(jù)預(yù)處理的功能，下面是對(duì)所得數(shù)據(jù)進(jìn)行預(yù)處理的過(guò)程。

2.3.1特征選取

本次分析一共選取了17個(gè)特征600個(gè)樣本，分別是：ID號(hào)、平均購(gòu)物額度、購(gòu)物總次數(shù)、交易成功次數(shù)、信用等級(jí)、購(gòu)物積分。

（1）ID號(hào)：購(gòu)物網(wǎng)站上網(wǎng)購(gòu)客戶的ID ；

（2）平均購(gòu)物額度：網(wǎng)購(gòu)客戶平均的網(wǎng)購(gòu)服務(wù)的金額；

（3）購(gòu)物總次數(shù)：網(wǎng)購(gòu)客戶的每個(gè)月購(gòu)物次數(shù)；

（4）交易成功次數(shù)：網(wǎng)購(gòu)客戶的交易成功次數(shù)；

（5）信用等級(jí)：網(wǎng)購(gòu)客戶的購(gòu)物信用等級(jí)；

（6）購(gòu)物積分：網(wǎng)購(gòu)客戶購(gòu)物的積分；

（7）Pincome：個(gè)人年收入（萬(wàn)元）；

（8）Hincome：家庭年收入（萬(wàn)元）；

（9）Age：年齡；

（10）Gender：性別（0：女；1：男）；

（11）Car：家庭擁有汽車的數(shù)量；

（12）Education：教育水平（1初中及以下；2高中；3專科；4本科；5研究生）；

（13）Job：工作類型（1公司職員；2工廠工人；3公務(wù)員；4個(gè)體；5事業(yè)單位；6其他）；

（14）People：家里人口數(shù)量；

（15）Children：家里未成年人數(shù)量；

（16）Housing：房屋擁有類型（0—租房；1—買房）；

（17）Area：房屋居住面積（平方米）。

2.3.2數(shù)據(jù)清理

本次分析的數(shù)據(jù)都是有效的，不存在缺失值。即是說(shuō)區(qū)域、月服務(wù)、年齡、婚姻狀況、居住時(shí)間、收入、受教育程度、工作時(shí)間、家庭人數(shù)等屬性值都對(duì)本次數(shù)據(jù)挖掘有用的。但是ID號(hào)對(duì)挖掘沒有意義，進(jìn)行刪除。經(jīng)過(guò)數(shù)據(jù)審核，個(gè)別特征值出現(xiàn)錯(cuò)誤，如年齡的值域出現(xiàn)“200”的錯(cuò)誤，利用本屬性均值填充。

2.3.3數(shù)據(jù)離散化和分層

Weka識(shí)別的數(shù)據(jù)格式是arff，文件格式通過(guò)Weka命令窗口轉(zhuǎn)化。Apriori只能處理離散型數(shù)據(jù)，數(shù)據(jù)集中有不少的數(shù)值型數(shù)據(jù)，需要將其轉(zhuǎn)化為離散型數(shù)據(jù)，如年齡、收入等。概念分層可以將具有多個(gè)值域的低層次的概念劃分為若干個(gè)高層次概念，高層次概念的概括性減少了多個(gè)概念的干擾，更利于對(duì)分層后的用戶進(jìn)行定義，為了避免詳細(xì)信息丟失和挖掘更有價(jià)值的規(guī)則，因此概念層次的劃分可以經(jīng)過(guò)多次調(diào)整，如對(duì)擁有家庭汽車數(shù)量值域（0，1，2，3，4）劃分為（有、無(wú)）。

3關(guān)聯(lián)規(guī)則分析在電子商務(wù)中的應(yīng)用

本文所采用的關(guān)聯(lián)規(guī)則的挖掘目標(biāo)就是要通過(guò)對(duì)一些電子商務(wù)網(wǎng)購(gòu)用戶的家庭情況、收入情況等特征進(jìn)行分析，從而找出用戶特征與購(gòu)買行為之間的關(guān)系。

3.1用戶特征與行為關(guān)聯(lián)分析

本文用Apriori算法對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)挖掘， 雖然 Apriori 算法可以直接挖掘生成表中的交易事務(wù)數(shù)據(jù)集，但是為了關(guān)聯(lián)挖掘其他算法的需要，先把交易事務(wù)數(shù)據(jù)集轉(zhuǎn)換成關(guān)系數(shù)據(jù)集。

數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換和離散化處理之后，執(zhí)行Apriori算法。設(shè)最低條件支持度為15%，最小規(guī)則置信度為30%，最大前項(xiàng)數(shù)為5，挖掘出10條關(guān)聯(lián)規(guī)則，生成的10條規(guī)則如下圖所示：

關(guān)聯(lián)規(guī)則體現(xiàn)出前后項(xiàng)之間一定的因果關(guān)系，但并不是全部的規(guī)則都具有實(shí)際意義。因此結(jié)合實(shí)際，從以上規(guī)則中選擇若干規(guī)則分析。

通過(guò)規(guī)則2、3、4和5，可以看到用戶是否有小孩、是否有房屋對(duì)顧客是否購(gòu)物成功次數(shù)有強(qiáng)關(guān)聯(lián)。由上述結(jié)果可知，同時(shí)有房屋、購(gòu)物且成功的用戶占總用戶的90%，有房屋的用戶成功購(gòu)物分別占總訂單數(shù)的91%，有小孩的人有91%會(huì)網(wǎng)購(gòu)，房屋面積越大，網(wǎng)購(gòu)次數(shù)越高。由此可見，房屋、網(wǎng)購(gòu)、是否有小孩、網(wǎng)購(gòu)成功次數(shù)這幾個(gè)變量關(guān)聯(lián)度較高，與用戶網(wǎng)絡(luò)購(gòu)物行為關(guān)系密切。

3.2基于關(guān)聯(lián)規(guī)則的用戶分析應(yīng)用

通過(guò)上述分析結(jié)果，可以得知用戶是否有小孩，是否有房屋等信息對(duì)購(gòu)物的成交率有一定的關(guān)聯(lián)。

利用關(guān)聯(lián)規(guī)則，可以對(duì)網(wǎng)購(gòu)用戶的行為進(jìn)行分析，從中挖掘出用戶特征和行為的相關(guān)性，向用戶推薦相關(guān)的產(chǎn)品，促成交易的成功率，實(shí)現(xiàn)電子商務(wù)企業(yè)的盈利。比如淘寶等網(wǎng)上商城會(huì)對(duì)客戶的個(gè)人認(rèn)證信息以及所建設(shè)的信用等級(jí)體系等數(shù)據(jù)進(jìn)行分析，來(lái)對(duì)不同特征的客戶群體提供個(gè)性化的服務(wù)，以及站點(diǎn)版面的安排，頁(yè)面的廣告投放側(cè)重點(diǎn)等。

通過(guò)利用關(guān)聯(lián)規(guī)則中的Apriori算法對(duì)網(wǎng)購(gòu)用戶行為進(jìn)行分析，可以挖掘出網(wǎng)購(gòu)用戶行為之間的相關(guān)性問(wèn)題，從而向用戶推薦相關(guān)聯(lián)的產(chǎn)品，提高網(wǎng)購(gòu)成交率。比如，喜歡籃球運(yùn)動(dòng)的網(wǎng)購(gòu)用戶，他們會(huì)比較多的關(guān)注有關(guān)籃球方面的東西，喜歡化妝品的網(wǎng)購(gòu)用戶（通常是女性），她們會(huì)對(duì)化妝品的品牌以及一些相關(guān)的商品比較敏感等等。那么電視網(wǎng)站在進(jìn)行Web站點(diǎn)的排版設(shè)計(jì)和廣告投入時(shí)，就可以根據(jù)用戶的這些瀏覽行為習(xí)慣向不同的客戶群推薦不用的商品內(nèi)容，提供個(gè)性化的服務(wù)。網(wǎng)購(gòu)用戶的瀏覽行為和習(xí)慣是無(wú)法捉摸的，甚至跨度非常大，網(wǎng)購(gòu)用戶可以關(guān)注體育類的、食品類的、學(xué)習(xí)類等多種不同類別的商品信息。

利用關(guān)聯(lián)規(guī)則可以對(duì)這些用戶行為的相關(guān)性進(jìn)行分析，進(jìn)而使得網(wǎng)站也能構(gòu)建出類似于大賣場(chǎng)一樣的購(gòu)物籃模型。比如，當(dāng)網(wǎng)購(gòu)用戶更多的停留在食品界面的時(shí)候，我們可以在向他/她推薦食品專欄的同時(shí)，提供運(yùn)動(dòng)健身用品專欄；再者，當(dāng)網(wǎng)購(gòu)用戶選購(gòu)尿布的時(shí)候，我們可以同時(shí)推薦啤酒等商品信息，這其實(shí)和大賣場(chǎng)的經(jīng)典購(gòu)物籃分析啤酒與尿布的用例是一致的。

根據(jù)網(wǎng)購(gòu)用戶對(duì)某一商品的購(gòu)買次數(shù)和在某一頁(yè)面的停留時(shí)間等行為，電子商務(wù)企業(yè)可以推出多套組合的商品，并以更加優(yōu)惠的價(jià)格向客戶提供出售。舉個(gè)例子，如果用戶大批量的購(gòu)買羽毛球，那么我們可以推測(cè)此類客戶為羽毛球愛好者，而羽毛球、羽毛球鞋、運(yùn)動(dòng)衣服則成為相關(guān)聯(lián)的商品，那么電子商務(wù)網(wǎng)站可以將這些進(jìn)行組合以更加優(yōu)惠的價(jià)格銷售。最后，電子商務(wù)企業(yè)為了分析眾多用戶的消費(fèi)變化，以完成對(duì)商品的價(jià)格和商品的種類加以調(diào)整，以留住老顧客，吸引新顧客，提高客戶的滿意度和好感度，最終實(shí)現(xiàn)電子商務(wù)企業(yè)的盈利業(yè)務(wù)目標(biāo)，可以將同一用戶不同時(shí)間段購(gòu)買的產(chǎn)品做一個(gè)分組序列。

參考文獻(xiàn)：

[1] 文燦.數(shù)據(jù)挖掘在電子商務(wù)銷售數(shù)據(jù)中的分析和應(yīng)用[D].青島理工大學(xué)計(jì)算機(jī)工程學(xué)院，2010，12（18）.

[2] 夏小云.C2C電子商務(wù)數(shù)據(jù)挖掘的研究及應(yīng)用[D].贛州：江西理工大學(xué)，2007.

[3] 張澎，王魯達(dá)，唐日成.電子商務(wù)中的數(shù)據(jù)挖掘[D].郴州：湘南學(xué)院，2009.

[4] 張冬青.數(shù)據(jù)挖掘在電子商務(wù)中應(yīng)用問(wèn)題研究[D].哈爾濱：黑龍江大學(xué)，2005.