王立霞，石雨琪

(吉林化工學(xué)院 經(jīng)濟(jì)管理學(xué)院，吉林 吉林 132022)

微盟發(fā)布的《2015年第一季度中國(guó)微商行業(yè)報(bào)告》宣稱：截止2015年第1季度，微商行業(yè)從業(yè)人數(shù)已經(jīng)達(dá)到1 007萬(wàn)，市場(chǎng)規(guī)模達(dá)到960億元。可以說(shuō)2005年標(biāo)志著“微商時(shí)代”的正式到來(lái)。CuriosityChina宣稱：微信已覆蓋90%以上的智能手機(jī)，成為人們生活中不可或缺的日常使用工具，截止2015年第1季度末，微信每月活躍用戶已達(dá)到5.49億[1]。微信功能的不斷豐富完善，使得許多人在這樣一個(gè)基層廣泛群眾的移動(dòng)社交平臺(tái)上，發(fā)現(xiàn)了新的商機(jī)。因此，從海量的用戶行為數(shù)據(jù)中有效地辨別出用戶的興趣，使得微商經(jīng)銷商能夠有針對(duì)性地對(duì)消費(fèi)者進(jìn)行商品個(gè)性化推薦服務(wù)，以提高用戶的購(gòu)物體驗(yàn)及滿意度是微商經(jīng)銷商的迫切愿望。

一、消費(fèi)者購(gòu)買行為分析的基本理論

消費(fèi)者購(gòu)買行為即消費(fèi)者受營(yíng)銷和環(huán)境的刺激產(chǎn)生需求直至最終作出購(gòu)買決策的整個(gè)過(guò)程，主要受外部因素和個(gè)人因索的影響，即消費(fèi)者購(gòu)買行為是外部決定因素(T)和個(gè)人決定因素(P)的函數(shù)B=f(T,P)。其中外部決定因素包括:文化影響、社會(huì)影響和家庭影響，個(gè)人決定因素包括:生命周期階段、職業(yè)、經(jīng)濟(jì)收人、生活方式、個(gè)性、自我觀念以及心理因素等,這些因素將綜合在一起對(duì)消費(fèi)者購(gòu)買行為產(chǎn)生作用[2]。

數(shù)據(jù)挖掘(Data Mining)又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是指從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的過(guò)程[3]。在此數(shù)據(jù)庫(kù)中的數(shù)據(jù)往往是大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)，數(shù)據(jù)挖掘就是要在這些數(shù)據(jù)中提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。

二、微商客戶購(gòu)物行為分析

微商客戶購(gòu)買行為一般指微商客戶從選擇商品到完成交易的過(guò)程中產(chǎn)生的各種行為數(shù)據(jù)。本文于2016年4月通過(guò)微信、QQ發(fā)放調(diào)查問(wèn)卷“微商用戶的消費(fèi)習(xí)慣調(diào)研”，調(diào)查并回收到147個(gè)有效的反饋調(diào)查，本文針對(duì)這147個(gè)微商客戶行為數(shù)據(jù)，對(duì)微商客戶的部分購(gòu)物行為進(jìn)行了統(tǒng)計(jì)分析。

(一) 微商客戶的基本信息調(diào)查統(tǒng)計(jì)

在所有調(diào)查對(duì)象中，男性大約占59.86%，女性占40.14%。在各個(gè)年齡分布中，19～25歲所占有的比例最大，為85.71%；其次是18歲及以下的客戶群體，為6.12%；再次是26～35歲和46歲以上的消費(fèi)群體，分別是4.76%和3.4%；而36～45歲的群體所占比例為0。

圖1 調(diào)查對(duì)象年齡分布

該現(xiàn)象說(shuō)明此次調(diào)查的反饋對(duì)象主要是年輕的群體，原因有二，其一，此次調(diào)查是基于本人的微信社交網(wǎng)絡(luò)，而該網(wǎng)絡(luò)中，年輕群體是主導(dǎo)；其二，微商是一個(gè)新型的購(gòu)物模式，而年輕人對(duì)新興事物的出現(xiàn)，往往其接受程度是最高、最快的。足以表明此次問(wèn)卷調(diào)查數(shù)據(jù)具有一定的代表性。

表1 調(diào)查對(duì)象基本屬性統(tǒng)計(jì)表

從學(xué)歷分布來(lái)看，大學(xué)本科占了大部分，為76.19%，其次是高中或中專技校，為10.2%，再次是初中或以下的，占8.16%，最后是大專和碩士或以上，分別為4.08%和1.36%。這與現(xiàn)實(shí)情況也比較符合。

從職業(yè)分布來(lái)看，大學(xué)生占據(jù)主導(dǎo)，為68.03%，其他各種職業(yè)都有涉及，清楚顯示了此次調(diào)查對(duì)象的職業(yè)分布范圍廣，代表性強(qiáng)。

綜上所述，此次基于社會(huì)網(wǎng)絡(luò)對(duì)微商客戶群的行為調(diào)查情況是符合實(shí)際情況的，所收集的調(diào)查數(shù)據(jù)有一定的代表性，充分表明本次問(wèn)卷調(diào)查的科學(xué)性和有效性。

(二) 購(gòu)物網(wǎng)站的選擇

隨著電商行業(yè)的逐漸發(fā)展，各類型的電商網(wǎng)站陸續(xù)興起。通過(guò)用戶網(wǎng)購(gòu)時(shí)對(duì)各大門(mén)戶網(wǎng)站選擇的比較，可以對(duì)比出微商購(gòu)物平臺(tái)的在用戶心中的地位。如圖2、圖3所示：

圖2 用戶網(wǎng)購(gòu)的網(wǎng)站選擇

圖3 購(gòu)物網(wǎng)站性價(jià)比

如圖2所示，在網(wǎng)購(gòu)時(shí)，優(yōu)先選擇使用淘寶網(wǎng)的用戶是最多的，占據(jù)總?cè)藬?shù)的72.79%；其次是天貓，占據(jù)63.95%；排名第三的是京東商城，占據(jù)44.9%；而微商平臺(tái)排名倒數(shù)第二，只有6.8%。如圖3所示，消費(fèi)者認(rèn)為性價(jià)比最高的是淘寶，其次是天貓，之后是京東，微商排到了第四位。

結(jié)合圖2、圖3，用戶選擇網(wǎng)購(gòu)的網(wǎng)站前三排名與用戶認(rèn)為性價(jià)比比較高的網(wǎng)站前三排名是相同的，由此可知，用戶之所以選擇某個(gè)網(wǎng)站進(jìn)行購(gòu)物，與用戶認(rèn)為該網(wǎng)站商品的性價(jià)比高低是呈正相關(guān)的關(guān)系。因此，抓住微商用戶對(duì)商品性價(jià)比的高要求這一點(diǎn)，微商行業(yè)的發(fā)展離不開(kāi)商品質(zhì)量和價(jià)格的保證。

(三) 用戶關(guān)注的商品品類

1.消費(fèi)者愿意購(gòu)買的商品品類

商品按其用途，分為多種品類，類似服裝、鞋類，美容護(hù)膚類，母嬰用品類等。消費(fèi)者針對(duì)不同品類的商品有不同的要求，比如說(shuō)母嬰用品類，因?yàn)檫@類產(chǎn)品是給孕婦或者嬰兒用的，因此需要最大程度保證商品質(zhì)量良好，然而網(wǎng)絡(luò)上的商品往往含有虛假的成分，因?yàn)榭床坏狡鋵?shí)物，所以使得消費(fèi)者沒(méi)有自信買到質(zhì)量好的商品，因此購(gòu)買這類產(chǎn)品時(shí)，消費(fèi)者往往選擇線下購(gòu)物模式。類似這種情況的出現(xiàn)，使得消費(fèi)者在網(wǎng)購(gòu)時(shí)，對(duì)不同類型的商品有不同的購(gòu)物意向，反之，我們可以通過(guò)購(gòu)物者對(duì)不同種類商品的購(gòu)買情況來(lái)挖掘消費(fèi)者的購(gòu)物興趣。如圖4所示：

圖4 商品品類購(gòu)買意向

由圖4所示，通過(guò)調(diào)查，消費(fèi)者網(wǎng)購(gòu)時(shí)，購(gòu)買日用洗護(hù)、清潔用品，運(yùn)動(dòng)/戶外裝備，服飾鞋帽品類的人最多，分別占38.78%、35.37%、30.61%，人數(shù)均在30%以上。其次美容護(hù)膚類、食品類以及圖書(shū)音像類的產(chǎn)品也備受消費(fèi)者關(guān)注，選擇人數(shù)均占25%左右。而選擇眼鏡，家訪布藝用品，母嬰用品，汽車用品類型的消費(fèi)者排名最靠后，分別是2.04%、3.4%、4.76%、4.76%，均在4%左右。

出現(xiàn)以上情況可以表明，消費(fèi)者在網(wǎng)購(gòu)時(shí)，比較傾向選擇日用品，服飾鞋帽，化妝品，食品及圖書(shū)類等日常生活用得最頻繁，質(zhì)量要求不必太嚴(yán)格的商品。而一些成本高的、日常使用不多但卻要求質(zhì)量足夠好的商品，類似母嬰用品，眼鏡，家裝建材等則更傾向于線下購(gòu)買。

2.關(guān)注的微商經(jīng)營(yíng)品類

微商雖說(shuō)是一種新型的購(gòu)物模式，與傳統(tǒng)電商有很大的區(qū)別，但是它們也有相同點(diǎn)。最顯著的就是消費(fèi)者在購(gòu)物時(shí)，都是看不到商品實(shí)物的，這就表明了微商與傳統(tǒng)電商之于消費(fèi)者是有一定的相似性的。通過(guò)討論微商用戶在購(gòu)物時(shí)更愿意購(gòu)買的商品品類排名,也可以挖掘出微商用戶的購(gòu)物興趣。如圖5所示：

圖5 微商用戶關(guān)注的微商品類排名情況

由圖5所示，可以清楚地了解微商用戶關(guān)注的商品品類排名情況。服裝類、鞋類，化妝品、護(hù)膚品代購(gòu)兩種品種排名最靠前，均在4以上，說(shuō)明消費(fèi)者在微商購(gòu)物時(shí)，對(duì)這兩種類型的商品最感興趣。其次是零食，生活類(書(shū)籍等),飾品等類型的商品，排名均在3左右。排名最末尾的是減肥、保健類，奢侈品類的產(chǎn)品，均在2以下。

以上情況表明，微商與傳統(tǒng)電商有一定的相似性，類似服裝、美容護(hù)膚等產(chǎn)品都是消費(fèi)者熱衷的，但是也有一定的不同，微商經(jīng)營(yíng)的商品品類數(shù)量較之傳統(tǒng)電商相差甚遠(yuǎn)，微商客戶選擇微商時(shí)，通常都是購(gòu)買某幾類的商品，類似服裝、鞋類，化妝品代購(gòu)，結(jié)合上文，可知微商用戶比較傾向購(gòu)買質(zhì)量好的特定種類的商品。

3.頻繁刷屏的微商商品品類

現(xiàn)在我們的微信朋友圈里充斥著各類產(chǎn)品的刷屏現(xiàn)象，或許很多人反感這種行為，然而即使反感，我們也會(huì)或多或少地了解一些，這就是為何明明知道微信好友反感這種信息，但是微商經(jīng)銷商還是不遺余力地做這種事情，這是有一定道理的。同時(shí)這也在另一方面反映了消費(fèi)者在微商購(gòu)物時(shí)的購(gòu)物興趣。如圖6所示：

圖6 頻繁刷屏的商品品類

由圖6所示，在調(diào)查對(duì)象的朋友圈里，刷屏最多的商品類型是化妝品、護(hù)膚品代購(gòu)，占據(jù)80.95%，如此高的比例意味著在朋友圈里，化妝品、護(hù)膚品代購(gòu)的廣告幾乎出現(xiàn)在了各個(gè)角落，想讓人忽視也難；其次是服裝類、鞋類，占53.74%；之后是減肥產(chǎn)品、保健類，零食類，在20%左右；再次是生活類，飾品，在11%左右；最后是奢侈品，只占到6.12%。

結(jié)合圖5、6可知，圖6的情況一定程度上反映了圖5，也就是商品的刷屏情況一定程度上反映了消費(fèi)者的購(gòu)買意向?；瘖y品、護(hù)膚品代購(gòu)，服裝、鞋類，刷屏最多，購(gòu)買的人也最多，而奢侈品，刷屏最少，購(gòu)買的人也相應(yīng)少了。因此，朋友圈的刷屏一定程度上對(duì)于消費(fèi)者的購(gòu)買行為是有一定影響的。

(四) 客戶購(gòu)物消費(fèi)比例

統(tǒng)計(jì)消費(fèi)者的日常購(gòu)物消費(fèi)占收入的比例，可以了解消費(fèi)者的消費(fèi)能力和消費(fèi)水平。網(wǎng)購(gòu)占日常購(gòu)物的比例可以看出消費(fèi)者的購(gòu)物模式比較傾向于線上還是線下。而從微商占網(wǎng)購(gòu)的比例可以了解微商在消費(fèi)者心中的地位。如圖7所示(其中縱坐標(biāo)表示客戶消費(fèi)比例情況的人數(shù)占總?cè)藬?shù)的比例)：

圖7 購(gòu)物消費(fèi)占收入的比例情況

圖8 網(wǎng)購(gòu)占日常購(gòu)物的消費(fèi)比例

圖9 微商占日常購(gòu)物的消費(fèi)比例

如圖7所示，消費(fèi)者的日常購(gòu)物消費(fèi)占收入的比例普遍是比較低的。超過(guò)40%的人日常購(gòu)物消費(fèi)都少于收入的10%，20%以下的人花費(fèi)收入的10%～20%或是20%～40%，用收入的80%甚至是100%的人不足5%。

如圖8所示，網(wǎng)購(gòu)占日常購(gòu)物的比例在20%～40%的人數(shù)最多，占據(jù)24.49%；其次是少于10%和10%～20%，分別為23.81%和21.09%；占比超過(guò)60%的不到15%。說(shuō)明網(wǎng)購(gòu)占日常購(gòu)物的消費(fèi)比例還處于中偏低水平。

如圖9所示，沒(méi)有在微商購(gòu)物過(guò)的人高達(dá)46.94%，超過(guò)45%；而且少于10%的人也高達(dá)27.89%，接近30%；超過(guò)10%比例的人全部不到30%。由此可以看出微商購(gòu)物在消費(fèi)者的網(wǎng)購(gòu)中只占據(jù)很小的一部分。結(jié)合三圖可知，消費(fèi)者在微商上的消費(fèi)水平還屬于很低的水平，換言之，微商還有很大的客戶發(fā)展空間。

三、基于客戶行為數(shù)據(jù)的客戶興趣挖掘研究

(一) 客戶消費(fèi)行為指標(biāo)的抽取

1.數(shù)據(jù)的獲得與預(yù)處理

本文的數(shù)據(jù)來(lái)源是基于問(wèn)卷星網(wǎng)站，通過(guò)設(shè)計(jì)調(diào)查問(wèn)卷，利用本人的社會(huì)網(wǎng)絡(luò)發(fā)放并回收的?；厥罩髮?dǎo)出結(jié)果為147_147.sav文件，利用SPSS統(tǒng)計(jì)分析軟件進(jìn)行常量定義、缺失值替換等處理后，再利用相關(guān)分析中的Pearson(皮爾遜)相關(guān)模型，消除冗余數(shù)據(jù)，抽取與微商購(gòu)物滿意度高度相關(guān)的客戶消費(fèi)行為指標(biāo)。本文列出了部分預(yù)處理后的數(shù)據(jù)如圖10所示：

圖10 部分預(yù)處理后的數(shù)據(jù)

2.相關(guān)分析的 Pearson 相關(guān)模型

Pearson 相關(guān)模型要求X、Y變量都是成正態(tài)分布的隨機(jī)變量，即當(dāng)X取某一定值時(shí)，Y的條件分布呈正態(tài)分布，而當(dāng)Y取某一定值時(shí)，X的條件分布同樣也為正態(tài)分布。相關(guān)系數(shù)r定義[4]為

任何兩個(gè)變量X、Y，因存在抽樣誤差，因此其r值或大或小總是存在的，但其間是否存在確切的相互依賴關(guān)系，需要進(jìn)行顯著性檢驗(yàn)和實(shí)踐檢驗(yàn)。進(jìn)行顯著性檢驗(yàn)的必要條件是，X、Y兩個(gè)變量分別符合正態(tài)分布。按照統(tǒng)計(jì)假設(shè)理論，原假設(shè)為總體相關(guān)系數(shù)ρ為0，即

H0:ρ=0

H1:ρ≠0

如果滿足H0的條件，就可構(gòu)造統(tǒng)計(jì)量t

來(lái)檢驗(yàn)相關(guān)系數(shù)的顯著性，其中n是抽樣單位的樣本容量，這個(gè)統(tǒng)計(jì)量師傅從具有n-2個(gè)自由度的t分布。當(dāng)t絕對(duì)值大于臨界值tα/2時(shí)，即原假設(shè)H0:ρ=0被拒絕，說(shuō)明X、Y兩變量有相關(guān)關(guān)系。一般認(rèn)為，α=0.05 時(shí)，X、Y兩變量呈現(xiàn)顯著性相關(guān)關(guān)系，α=0.01 時(shí)，X、Y兩變量有高度相關(guān)顯著性相關(guān)關(guān)系。

3.微商客戶行為數(shù)據(jù)與購(gòu)物滿意度的相關(guān)分析

利用Pearson相關(guān)模型對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行相關(guān)分析，抽取出與微商購(gòu)物滿意度相關(guān)的購(gòu)物行為，得出相關(guān)因素如下表：

表2 相關(guān)購(gòu)物行為及其顯著性

如表2所示，α值均小于0.05，大于0.01，因此該表內(nèi)的購(gòu)物行為均與微商商品滿意度呈正相關(guān)或是負(fù)相關(guān)關(guān)系。其中“轉(zhuǎn)發(fā)減價(jià)促銷活動(dòng)”與“認(rèn)為微商信息傳播快，種類多，價(jià)格合理，回款快”的Pearson值均為負(fù)值，因此兩個(gè)購(gòu)物行為與購(gòu)物滿意度呈負(fù)相關(guān)關(guān)系。相反，其他購(gòu)物行為因Pearson值均為正值，因此與購(gòu)物滿意度呈正相關(guān)關(guān)系。

表3 高度相關(guān)購(gòu)物行為及其顯著性

由表3所示，α值均小于0.01，因此該表內(nèi)的購(gòu)物行為均與微商商品滿意度呈高度顯著性正相關(guān)或負(fù)相關(guān)關(guān)系。其中“打折促銷方式”與購(gòu)物滿意度呈高度顯著性負(fù)相關(guān)關(guān)系。其余的購(gòu)物行為則為高度顯著性正相關(guān)關(guān)系。

綜合以上可知，總共有16個(gè)購(gòu)物行為與消費(fèi)者的微商購(gòu)物滿意度相關(guān)。

(二) 基于客戶消費(fèi)行為的客戶聚類

1.聚類分析

聚類分析(Cluster Analysis)是研究物以類聚問(wèn)題的一種有效方法，它將一批樣本數(shù)據(jù)按照其性質(zhì)上的相近程度，在沒(méi)有先驗(yàn)知識(shí)的情況下客觀進(jìn)行分類[5]。SPSS軟件中有五種分類分析方法，分別是兩步聚類，快速聚類，分層聚類，分類樹(shù)，判別分析。在這里我們采用快速聚類的方法對(duì)147個(gè)樣本進(jìn)行分類。

快速聚類，基本思想是：首先按照一定方法選取一批凝聚點(diǎn)(聚心)，其次讓樣本向最近的聚心凝聚形成初始類，然后按最近距離原則修改不合理的類，直到合理為止[6]。

2.基于16個(gè)相關(guān)購(gòu)物行為指標(biāo)的客戶聚類

用SPSS完成快速聚類，得出聚類分析結(jié)果的最終類中心點(diǎn)和快速聚類最終結(jié)果。如表4所示：

表4 最終聚類中心

表5 快速聚類最終結(jié)果

表6 ANOVA

續(xù)表

由表5可知，所有消費(fèi)者被分為兩類。第一類占樣本總數(shù)的71%，第二類占樣本數(shù)的29%。由5所示，將統(tǒng)計(jì)量F的概率值Sig.與α的臨界值0.05進(jìn)行對(duì)比，當(dāng)Sig.<α(=0.05),則拒絕原假設(shè)H0，表明均值之間的差異顯著，相對(duì)應(yīng)的因素對(duì)觀察值有顯著影響；相反，當(dāng) Sig.>α(=0.05)，表明相對(duì)應(yīng)的因素對(duì)觀察值沒(méi)有顯著影響。因此，在表6中，X1、X3、X10、X14這四個(gè)指標(biāo)的概率值均大于0.05，表明這幾個(gè)購(gòu)物行為對(duì)客戶分類沒(méi)有顯著影響，在這里，我們將這四個(gè)指標(biāo)忽略不計(jì)。表4顯示了最終的2個(gè)類中心位置，距離類中心位置相同的也忽略不計(jì)，即忽略X1、X3、X4、X6、X10、X11、X14。最終剩下的購(gòu)物行為指標(biāo)為 X2、X5、X7、X8、X9、X12、X13、X15、X16。

(三) 基于客戶消費(fèi)行為分析的客戶興趣挖掘的實(shí)現(xiàn)

對(duì)于消費(fèi)者的客戶群體分類列舉了部分如表7。

結(jié)合表7，綜合總結(jié)可知，第一類客戶占比較大，主要表現(xiàn)為：①對(duì)微商刷屏行為持消極的態(tài)度，②網(wǎng)購(gòu)占日常購(gòu)物的消費(fèi)比例比較高，③經(jīng)常主動(dòng)尋找剛上市的新品信息，④同樣的產(chǎn)品，更愿意多花錢尋求更好的服務(wù)，⑤購(gòu)買旅行服務(wù)類的產(chǎn)品時(shí)，也更愿意尋找服務(wù)更好的提供商，⑥查看商品推送時(shí)間不局限于某個(gè)時(shí)刻，⑦商品分享不主動(dòng)，⑧沒(méi)有選擇微商的傳播速度快、種類多、價(jià)格合理、回款快這個(gè)優(yōu)勢(shì)，⑨對(duì)微商的發(fā)展前景也報(bào)比較消極的態(tài)度[7]。第二類客戶的表現(xiàn)則為第一類客戶的相反。由此可知，第一類客戶是一類熱衷網(wǎng)購(gòu)的人，且要求在網(wǎng)購(gòu)時(shí)有更好的服務(wù)，但是對(duì)微商的現(xiàn)狀及未來(lái)不太看好，我們可以將這一類看成是微商的潛在客戶，如此看來(lái)微商的潛在客戶群是巨大的。相反，第二類客戶對(duì)微商的態(tài)度就比較積極了，這類客戶群比較看好微商的發(fā)展前景，我們可以將這類客戶群看成是微商的現(xiàn)有客戶，然而，根據(jù)現(xiàn)有客戶群的占比(29%)來(lái)看，這類客戶群還只占消費(fèi)群體的0.3[8]。

表7 聚類成員

綜上可知，微商還有很大的發(fā)展空間，有足夠大的潛在客戶群體可以挖掘，但是在針對(duì)這些潛在客戶群體的開(kāi)發(fā)過(guò)程中，應(yīng)注意商品的質(zhì)量、服務(wù)以及合適的宣傳方式。

[1] 陽(yáng)德青.面向社會(huì)網(wǎng)絡(luò)的用戶行為挖掘與應(yīng)用研究[D].上海：復(fù)旦大學(xué),2013.

[2] 彭薇,鄧德勝.聚類分析在消費(fèi)者購(gòu)買行為中的應(yīng)用[J].中國(guó)集體經(jīng)濟(jì),2009(1):90-9.

[3] 鄭曉宇.基于用戶興趣挖掘的個(gè)性化信息推送服務(wù)[J].情報(bào)探索,2011(10):33-36.

[4] 高峰.基于興趣分類的用戶行為分析系統(tǒng)的研究[D].濟(jì)南：山東大學(xué),2010.

[5] 李嬌.基于數(shù)據(jù)挖掘的客戶購(gòu)買行為分析系統(tǒng)研究[J].時(shí)代金融,2015(2):320-321.

[6] 張金魁.基于客戶消費(fèi)行為分析的客戶特征提取研究[D].武漢：武漢理工大學(xué),2012.

[7] 吳禮旺.基于客戶行為分析的電子商務(wù)潛在客戶挖掘研究[D].武漢：武漢理工大學(xué),2014.

[8] Jiawei Han,Micheline Kamber,Jian Pei.數(shù)據(jù)挖掘概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社,2012.