文/李東輝 舒煜 貴州師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院

隨著互聯(lián)網(wǎng)的全國(guó)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(jià)格、更多的商品選擇等優(yōu)勢(shì)漸漸代替了實(shí)體購物。作為網(wǎng)絡(luò)店鋪主體，揣測(cè)消費(fèi)者對(duì)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(jìn)行更好的網(wǎng)絡(luò)營(yíng)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(duì)以往顧客進(jìn)行網(wǎng)絡(luò)購物時(shí)的關(guān)聯(lián)產(chǎn)品購買數(shù)據(jù)，進(jìn)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(jìn)行顧客購買意向的預(yù)判，并未進(jìn)行大量實(shí)體驗(yàn)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(guó)已經(jīng)進(jìn)入了網(wǎng)絡(luò)時(shí)代。同時(shí)，中國(guó)實(shí)體營(yíng)銷也向網(wǎng)絡(luò)營(yíng)銷邁出了長(zhǎng)遠(yuǎn)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(dòng)，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(jià)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(chǎng)營(yíng)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(jìng)爭(zhēng)卻也日益激烈，除了以更好的品質(zhì)、低廉的價(jià)格、優(yōu)質(zhì)的服務(wù)來贏得更多的忠誠(chéng)顧客外，還應(yīng)對(duì)顧客的購買意向進(jìn)行較為深入的感知與挖掘。在本文中，核心針對(duì)網(wǎng)絡(luò)商品的關(guān)聯(lián)產(chǎn)品網(wǎng)購意向進(jìn)行舉例式數(shù)學(xué)模擬分析（即以手機(jī)配件、屏幕保護(hù)膜及耳機(jī)等作為手機(jī)的關(guān)聯(lián)商品，進(jìn)行分析）,并由此對(duì)一般性網(wǎng)絡(luò)商品的關(guān)聯(lián)產(chǎn)品的營(yíng)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(shí)發(fā)現(xiàn)中的一個(gè)步驟，是一個(gè)逐漸演變的過程，通過這個(gè)過程，可以把商業(yè)經(jīng)驗(yàn)以及生活中的知識(shí)與海量數(shù)據(jù)進(jìn)行對(duì)應(yīng)結(jié)合，使得人們將抽象復(fù)雜的問題通用簡(jiǎn)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(zhǔn)確的認(rèn)識(shí)問題，更深入的發(fā)現(xiàn)市場(chǎng)機(jī)遇，也可以做出更明智的決策。

商業(yè)活動(dòng)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(jìn)行商業(yè)信息數(shù)據(jù)的深層次剖析，從而進(jìn)行抽取、轉(zhuǎn)換、分析以及運(yùn)用其他一些模型化處理方法，目的是獲取能輔助進(jìn)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(xiàng)目或特征與另一類項(xiàng)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(gè)或多個(gè)輸出屬性，同時(shí)，一個(gè)規(guī)則的輸出屬性可以同時(shí)是另一個(gè)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(jìn)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(duì)以往數(shù)據(jù)信息進(jìn)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(jìn)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(píng)估，驗(yàn)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(chǎng)的獨(dú)有性質(zhì)，對(duì)于客戶的訪問、消費(fèi)、回饋等信息都能夠很好的進(jìn)行統(tǒng)計(jì)和存儲(chǔ)，因此，網(wǎng)購顧客數(shù)據(jù)進(jìn)行挖掘更加方便，應(yīng)用更加高效。

當(dāng)網(wǎng)購顧客訪問某一個(gè)購物網(wǎng)站的時(shí)候，網(wǎng)絡(luò)商家通過相應(yīng)合理的數(shù)據(jù)統(tǒng)計(jì)工具對(duì)顧客的可統(tǒng)計(jì)信息進(jìn)行數(shù)據(jù)類匯總，形成一個(gè)大型的顧客信息數(shù)據(jù)庫。其中，針對(duì)本文所研究涉及的領(lǐng)域與內(nèi)容，進(jìn)行初步的數(shù)據(jù)篩選，獲得具有針對(duì)性的初級(jí)數(shù)據(jù)源，為接下來的數(shù)據(jù)挖掘做好準(zhǔn)備。

由于數(shù)據(jù)挖掘需要標(biāo)準(zhǔn)的數(shù)據(jù)來進(jìn)行操作，因此，還需要對(duì)已經(jīng)進(jìn)行過初次篩選的數(shù)據(jù)整理，統(tǒng)一標(biāo)準(zhǔn)后才可以形成能進(jìn)行數(shù)據(jù)挖掘操作的數(shù)據(jù)倉庫。然后，對(duì)數(shù)據(jù)倉庫運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)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(duì)這些挖掘結(jié)果進(jìn)行合理的解釋評(píng)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(jìn)行結(jié)果應(yīng)用的同時(shí)，要進(jìn)行應(yīng)用效果反饋，以持續(xù)調(diào)整數(shù)據(jù)挖掘算法，爭(zhēng)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(gè)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(jìn)行數(shù)據(jù)分析與處理，最后預(yù)判網(wǎng)購顧客對(duì)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(xiàng)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(gè)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(shí)，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(qiáng)度。

經(jīng)調(diào)研某專賣移動(dòng)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(jī)和手機(jī)配件系列兩大模塊。其中，手機(jī)可以分為高端手機(jī)和普通手機(jī)，手機(jī)配件系列在本文中僅以手機(jī)護(hù)具和耳機(jī)作為主要案例資料。手機(jī)護(hù)具主要分為手機(jī)膜和手機(jī)防護(hù)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：

備注：為便于計(jì)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(shí)更容易理解的二維交叉表形式，見下表：

手機(jī)Y1 Y X單獨(dú)購買 合計(jì)高端手機(jī)Y11普通手機(jī)Y12耳機(jī)X1 440 300 120 860手機(jī)配件系列手機(jī)護(hù)具系列X2手機(jī)膜X21 510 260 300 1070手機(jī)防護(hù)外殼X22 310 210 80 600單獨(dú)購買 150 200 總交易數(shù)：2410合計(jì) 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(jī)膜和高端手機(jī)之間的關(guān)系（X21——Y11）。關(guān)聯(lián)規(guī)則有著兩個(gè)重要的屬性：支持度和置信度。

1.3.2 學(xué)生對(duì)案例教學(xué)法的反饋 討論課全部結(jié)束后，教師集體討論并設(shè)計(jì)問卷調(diào)查表，要求實(shí)驗(yàn)組從對(duì)教學(xué)方法滿意度以及是否促進(jìn)自主學(xué)習(xí)、學(xué)習(xí)能力、學(xué)習(xí)興趣、與教師交流等方面，對(duì)病例討論教學(xué)法的效果進(jìn)行評(píng)價(jià)。共發(fā)出問卷151份，收回問卷151份，問卷回收率、有效率為100.00%。

（1）支持度（support）:某項(xiàng)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(xiàng)目集的所有事物占整體所有事物的比例。因此，手機(jī)膜與高端手機(jī)關(guān)聯(lián)規(guī)則的支持度可以按如下計(jì)算：

S u p（X 2 1——Y 1 1）=X 2 1、Y 1 1 同時(shí)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(shí)又購買了另一類商品的交易概率，可以按照概率統(tǒng)計(jì)中的條件概率進(jìn)行計(jì)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(jì)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(jī)對(duì)各類手機(jī)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(jī)—耳機(jī) Y11—X1 18.25 51.16高端手機(jī)—手機(jī)膜 Y11—X21 21.16 36.17高端手機(jī)—手機(jī)防護(hù)外殼 Y11—X22 12.86 21.98

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(yíng)銷策略

基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法，可以對(duì)網(wǎng)購顧客的關(guān)聯(lián)產(chǎn)品購買意向進(jìn)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(yíng)銷中，提出相應(yīng)實(shí)用的網(wǎng)絡(luò)營(yíng)銷策略。

（一）以支持度為核心的網(wǎng)絡(luò)營(yíng)銷策略

通過關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘可知，一個(gè)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(jìn)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(gè)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(dú)購買而產(chǎn)生的額外附加費(fèi)用，如二次物流費(fèi)、人工費(fèi)、包裝費(fèi)用等等。對(duì)于購買者而言，還可以享受獨(dú)有的購物組合優(yōu)惠。總之，以支持度為核心的網(wǎng)絡(luò)營(yíng)銷策略可以實(shí)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(yíng)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(duì)置信度高的關(guān)聯(lián)產(chǎn)品購買意向更加強(qiáng)烈。因?yàn)榫W(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(bǔ)或搭配的關(guān)系，所以對(duì)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(fèi)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(dāng)購物者購買某一種產(chǎn)品時(shí)，立即自動(dòng)推送與其相關(guān)聯(lián)的高置信度產(chǎn)品。在對(duì)店鋪內(nèi)的所有產(chǎn)品銷售數(shù)據(jù)進(jìn)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(fèi)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?yàn)樵械奶娲吠扑湍Ｊ絻H僅能在選擇的時(shí)候提供多一種選擇，究其根本對(duì)銷售量沒有提高，而以置信度為核心的網(wǎng)絡(luò)營(yíng)銷策略卻能大大提高銷售量。

（三）綜合支持度和置信度營(yíng)銷策略

在沒有進(jìn)行關(guān)聯(lián)產(chǎn)品銷售數(shù)據(jù)挖掘的網(wǎng)絡(luò)店鋪，對(duì)于店鋪內(nèi)的產(chǎn)品的融合度并不十分了解。對(duì)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(dú)自銷售的概率或者利潤(rùn)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(jìn)行產(chǎn)品更新的時(shí)候，可以首選作為淘汰對(duì)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(yíng)銷策略，作用不在于擴(kuò)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(yíng)銷策略。

以上三種營(yíng)銷策略是基于數(shù)據(jù)挖掘理論對(duì)網(wǎng)購顧客關(guān)聯(lián)產(chǎn)品購買意向進(jìn)行分析后，所得出的具有針對(duì)性的主要營(yíng)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(shì)，同時(shí)結(jié)合數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則的可應(yīng)用性。但對(duì)于這些策略的具體成效還待檢驗(yàn)，暫時(shí)僅僅為可執(zhí)行的參考性營(yíng)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(diǎn)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(jìn)而有效幫助網(wǎng)絡(luò)商家采取針對(duì)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(gè)具體案例進(jìn)行驗(yàn)證說明，但并沒有專門針對(duì)大型網(wǎng)絡(luò)店鋪數(shù)據(jù)庫進(jìn)行數(shù)據(jù)挖掘，因此需要實(shí)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(shí)，也希望更多學(xué)者對(duì)本文理論及思想進(jìn)行不斷的拓展和補(bǔ)充，獲得更多的研究?jī)r(jià)值。

[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(cái)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(guó)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(fèi)行為分析中的應(yīng)用[D],湖南大學(xué),2011年4月.