李東輝　舒煜

隨著互聯(lián)網(wǎng)的全國性普及，物流業(yè)的蓬勃發(fā)展，網(wǎng)絡(luò)購物以其更加低廉的價格、更多的商品選擇等優(yōu)勢漸漸代替了實體購物。作為網(wǎng)絡(luò)店鋪主體，揣測消費者對關(guān)聯(lián)產(chǎn)品的購買意向，在很大程度上能幫助網(wǎng)絡(luò)商家進行更好的網(wǎng)絡(luò)營銷。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)，利用對以往顧客進行網(wǎng)絡(luò)購物時的關(guān)聯(lián)產(chǎn)品購買數(shù)據(jù)，進行數(shù)據(jù)信息挖掘，擬判斷顧客的相關(guān)產(chǎn)品購買意向。本文僅僅以示例的形式從數(shù)據(jù)挖掘角度進行顧客購買意向的預(yù)判，并未進行大量實體驗證，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，中國已經(jīng)進入了網(wǎng)絡(luò)時代。同時，中國實體營銷也向網(wǎng)絡(luò)營銷邁出了長遠的一步，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，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)上價格更加優(yōu)惠，這些因素也成功吸引了購物者的眼球，使更多的人參與到網(wǎng)購行列中來。網(wǎng)上店鋪的風(fēng)靡與大批量現(xiàn)存及潛在的網(wǎng)購顧客成功開辟了市場營銷的第二條路徑，并且發(fā)展迅猛。

但是，網(wǎng)絡(luò)商家間的競爭卻也日益激烈，除了以更好的品質(zhì)、低廉的價格、優(yōu)質(zhì)的服務(wù)來贏得更多的忠誠顧客外，還應(yīng)對顧客的購買意向進行較為深入的感知與挖掘。在本文中，核心針對網(wǎng)絡(luò)商品的關(guān)聯(lián)產(chǎn)品網(wǎng)購意向進行舉例式數(shù)學(xué)模擬分析（即以手機配件、屏幕保護膜及耳機等作為手機的關(guān)聯(lián)商品，進行分析），并由此對一般性網(wǎng)絡(luò)商品的關(guān)聯(lián)產(chǎn)品的營銷提出相關(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)庫知識發(fā)現(xiàn)中的一個步驟，是一個逐漸演變的過程，通過這個過程，可以把商業(yè)經(jīng)驗以及生活中的知識與海量數(shù)據(jù)進行對應(yīng)結(jié)合，使得人們將抽象復(fù)雜的問題通用簡單數(shù)字信息表現(xiàn)出來。利用數(shù)據(jù)挖掘技術(shù)，可以使人們更準確的認識問題，更深入的發(fā)現(xiàn)市場機遇，也可以做出更明智的決策。

商業(yè)活動中的數(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，來進行商業(yè)信息數(shù)據(jù)的深層次剖析，從而進行抽取、轉(zhuǎn)換、分析以及運用其他一些模型化處理方法，目的是獲取能輔助進行商業(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，是指某類項目或特征與另一類項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)則可以有一個或多個輸出屬性，同時，一個規(guī)則的輸出屬性可以同時是另一個規(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物籃類問題的分析解決。

以關(guān)聯(lián)的角度來進行分析，能挖掘大量數(shù)據(jù)信息中隱藏起來的聯(lián)系，這種被挖掘出來的聯(lián)系就可以用關(guān)聯(lián)規(guī)則來表示。即通過對以往數(shù)據(jù)信息進行匯總，將其作為數(shù)據(jù)挖掘的數(shù)據(jù)倉庫，并利用數(shù)據(jù)挖掘類軟件進行操作，便可得出相應(yīng)的關(guān)聯(lián)規(guī)則，再將挖掘出來的關(guān)聯(lián)規(guī)則經(jīng)過解釋和評估，驗證其可靠性，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)市場的獨有性質(zhì)，對于客戶的訪問、消費、回饋等信息都能夠很好的進行統(tǒng)計和存儲，因此，網(wǎng)購顧客數(shù)據(jù)進行挖掘更加方便，應(yīng)用更加高效。

當網(wǎng)購顧客訪問某一個購物網(wǎng)站的時候，網(wǎng)絡(luò)商家通過相應(yīng)合理的數(shù)據(jù)統(tǒng)計工具對顧客的可統(tǒng)計信息進行數(shù)據(jù)類匯總，形成一個大型的顧客信息數(shù)據(jù)庫。其中，針對本文所研究涉及的領(lǐng)域與內(nèi)容，進行初步的數(shù)據(jù)篩選，獲得具有針對性的初級數(shù)據(jù)源，為接下來的數(shù)據(jù)挖掘做好準備。

由于數(shù)據(jù)挖掘需要標準的數(shù)據(jù)來進行操作，因此，還需要對已經(jīng)進行過初次篩選的數(shù)據(jù)整理，統(tǒng)一標準后才可以形成能進行數(shù)據(jù)挖掘操作的數(shù)據(jù)倉庫。然后，對數(shù)據(jù)倉庫運用數(shù)據(jù)挖掘技術(shù)進行深層次挖掘，獲得更為重要的信息或關(guān)聯(lián)規(guī)則。接下來對這些挖掘結(jié)果進行合理的解釋評估，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，在進行結(jié)果應(yīng)用的同時，要進行應(yīng)用效果反饋，以持續(xù)調(diào)整數(shù)據(jù)挖掘算法，爭取獲得更為優(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行數(shù)據(jù)分析與處理，最后預(yù)判網(wǎng)購顧客對關(guān)聯(lián)產(chǎn)品的購買意向。

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

四、關(guān)聯(lián)產(chǎn)品購買意向的具體應(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)購顧客購買任意產(chǎn)品或產(chǎn)品組合時，可以利用這一規(guī)則推斷其關(guān)聯(lián)產(chǎn)品的購買可能性和意愿強度。

經(jīng)調(diào)研某專賣移動設(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和手機配件系列兩大模塊。其中，手機可以分為高端手機和普通手機，手機配件系列在本文中僅以手機護具和耳機作為主要案例資料。手機護具主要分為手機膜和手機防護外殼。以該商家的某月購物顧客訪問后具體購買數(shù)據(jù)為例，獲得其初步篩選后的數(shù)據(jù)表如下：

購買產(chǎn)品 成交次數(shù) 購買產(chǎn)品 成交次數(shù)

高端手機 150 高端手機、手機膜、

手機防護外殼 150

普通手機 200 普通手機、手機膜、

手機防護外殼 50

手機膜 300 高端手機、耳機 280

手機防護外殼 80 普通手機、耳機 200

耳機 120 高端手機、手機膜、

耳機 100

高端手機、手機膜 250 普通手機、手機膜、

耳機 60

普通手機、手機膜 150 高端手機、手機防護外殼、耳機 50

高端手機、手機防護外殼 100 普通手機、手機防護外殼、耳機 40

普通手機、手機防護外殼 120 高端手機、手機膜、手機防護外殼、耳機 10

合計總交易次數(shù)：2410

備注：為便于計算，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)及信息看起來比較混亂，因此，整理成較為直觀同時更容易理解的二維交叉表形式，見下表：

Y

X 手機Y1 單獨購買 合計

高端手機Y11 普通手機Y12

手機

配件

系列 耳機X1 440 300 120 860

手機護具系列X2 手機膜X21 510 260 300 1070

手機防護外殼X22 310 210 80 600

單獨購買 150 200 總交易數(shù)：2410

合計 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：手機膜和高端手機之間的關(guān)系（X21——Y11）。關(guān)聯(lián)規(guī)則有著兩個重要的屬性：支持度和置信度。

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

Sup（X21——Y11）=X21、Y11同時出現(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)庫中，購買了一類商品，同時又購買了另一類商品的交易概率，可以按照概率統(tǒng)計中的條件概率進行計算：

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。以本例中高端手機對各類手機配件關(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—耳機 Y11—X1 18.25 51.16

高端手機—手機膜 Y11—X21 21.16 36.17

高端手機—手機防護外殼 Y11—X22 12.86 21.98

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

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

基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法，可以對網(wǎng)購顧客的關(guān)聯(lián)產(chǎn)品購買意向進行深層次的剖析，因此，可以將這一理論應(yīng)用在具體的網(wǎng)絡(luò)營銷中，提出相應(yīng)實用的網(wǎng)絡(luò)營銷策略。

（一）以支持度為核心的網(wǎng)絡(luò)營銷策略

通過關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可知，一個購物組合支持度的高低，表明在所有購物搭配中，該組合被選中出現(xiàn)的概率高低。因此，通過進行大量的數(shù)據(jù)挖掘，可以在網(wǎng)絡(luò)店鋪所有購物數(shù)據(jù)中，將各種組合的支持度按照從高到低的次序排列。借助這個可以獲知的排序，來安排產(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物者單獨購買而產(chǎn)生的額外附加費用，如二次物流費、人工費、包裝費用等等。對于購買者而言，還可以享受獨有的購物組合優(yōu)惠?？傊?，以支持度為核心的網(wǎng)絡(luò)營銷策略可以實現(xiàn)網(wǎng)絡(luò)店鋪與購物者之間的雙贏。

（二）以置信度為核心的網(wǎng)絡(luò)營銷策略

在網(wǎng)絡(luò)店鋪中，置信度表示的是購買店鋪內(nèi)任意產(chǎn)品后，購買另一產(chǎn)品的交易概率，也可以理解成為購物者對置信度高的關(guān)聯(lián)產(chǎn)品購買意向更加強烈。因為網(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或搭配的關(guān)系，所以對于置信度較高的關(guān)聯(lián)產(chǎn)品組合來說，更容易受到消費者的青睞。

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，即當購物者購買某一種產(chǎn)品時，立即自動推送與其相關(guān)聯(lián)的高置信度產(chǎn)品。在對店鋪內(nèi)的所有產(chǎn)品銷售數(shù)據(jù)進行數(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，那么消費者購買任意產(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，因為原有的替代品推送模式僅僅能在選擇的時候提供多一種選擇，究其根本對銷售量沒有提高，而以置信度為核心的網(wǎng)絡(luò)營銷策略卻能大大提高銷售量。

（三）綜合支持度和置信度營銷策略

在沒有進行關(guān)聯(lián)產(chǎn)品銷售數(shù)據(jù)挖掘的網(wǎng)絡(luò)店鋪，對于店鋪內(nèi)的產(chǎn)品的融合度并不十分了解。對于某一產(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)品獨自銷售的概率或者利潤偏低，那么該產(chǎn)品可以被視為該店鋪內(nèi)的不融合產(chǎn)品，在進行產(chǎn)品更新的時候，可以首選作為淘汰對象。

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

以上三種營銷策略是基于數(shù)據(jù)挖掘理論對網(wǎng)購顧客關(guān)聯(lián)產(chǎn)品購買意向進行分析后，所得出的具有針對性的主要營銷策略。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，同時結(jié)合數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則的可應(yīng)用性。但對于這些策略的具體成效還待檢驗，暫時僅僅為可執(zhí)行的參考性營銷策略。

六、結(jié)束語

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)品是否購買的預(yù)判，進而有效幫助網(wǎng)絡(luò)商家采取針對性的銷售策略和產(chǎn)品推薦。

鑒于本文篇幅有限，雖然以一個具體案例進行驗證說明，但并沒有專門針對大型網(wǎng)絡(luò)店鋪數(shù)據(jù)庫進行數(shù)據(jù)挖掘，因此需要實踐者，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，也希望更多學(xué)者對本文理論及思想進行不斷的拓展和補充，獲得更多的研究價值。

參考文獻：

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

作者簡介：李東輝，男，1989年5月，貴州師范大學(xué)經(jīng)濟與管理學(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。