高 昀，牛少彰

(北京郵電大學(xué)計(jì)算機(jī)學(xué)院，北京 100876)

0 引言

近幾年來(lái)，隨著我國(guó)互聯(lián)網(wǎng)行業(yè)的快速發(fā)展和消費(fèi)者網(wǎng)購(gòu)習(xí)慣的形成，網(wǎng)上購(gòu)物越來(lái)越普遍流行于大眾生活的方方面面。互聯(lián)網(wǎng)的高速發(fā)展為我國(guó)社會(huì)經(jīng)濟(jì)的發(fā)展和創(chuàng)新提供了基礎(chǔ)，尤其是微信、微博等社交化平臺(tái)的興起，為生產(chǎn)商、銷售商帶來(lái)了新的發(fā)展機(jī)遇，為消費(fèi)者提供了新的選擇，社交電商應(yīng)運(yùn)而生[1]。社交電商是一種全新的前所未有的電商模式，在這種新穎的模式下，生產(chǎn)商和銷售商可以利用社交媒體技術(shù)和社交網(wǎng)站、社交媒介、網(wǎng)絡(luò)媒介等傳播途徑來(lái)進(jìn)行人際關(guān)系、商業(yè)信息流的互動(dòng)，通過買家和賣家之間的交流互動(dòng)、用戶自生內(nèi)容等方式來(lái)幫助商品的營(yíng)銷和銷售行為[2]。它以十分方便快捷的銷售方式和較低的商品定價(jià)，很快地在眾多銷售方式中脫穎而出，在人們的日常生活中得到了普遍的應(yīng)用，滿足了人們對(duì)網(wǎng)上購(gòu)物快捷、方便的要求。經(jīng)過這幾年互聯(lián)網(wǎng)經(jīng)濟(jì)的推動(dòng)，社交電商的規(guī)模日漸壯大，對(duì)社會(huì)的貢獻(xiàn)程度逐步加深，社交電商逐漸在中國(guó)的經(jīng)濟(jì)社會(huì)中占有越來(lái)越重要的位置。而與社交電商日常推廣和銷售相適應(yīng)的各種工具平臺(tái)也如雨后春筍般相繼出現(xiàn)。社交電商在使用這些工具平臺(tái)的過程中也產(chǎn)生了大量的功能訪問數(shù)據(jù)。通過對(duì)社交電商的行為數(shù)據(jù)進(jìn)行分析和研究，能夠較為全面地了解社交電商的行為特征，針對(duì)不同種類的社交電商定制不同的服務(wù)。

1 相關(guān)工作

隨著信息技術(shù)的不斷發(fā)展，人們對(duì)各種網(wǎng)站、各種APP的使用越來(lái)越頻繁，在瀏覽網(wǎng)站和使用APP的過程中會(huì)生成許多的訪問痕跡，這些訪問痕跡的數(shù)據(jù)也被稱為網(wǎng)絡(luò)日志。生成的網(wǎng)絡(luò)日志能夠間接反映用戶的行為信息，蘊(yùn)含大量的有價(jià)值的信息，需要通過數(shù)據(jù)挖掘進(jìn)行用戶行為分析才能提取出有價(jià)值的信息。前人對(duì)用戶行為分析方面做了細(xì)致的工作。

Chen等人[3]針對(duì)電子商務(wù)網(wǎng)站中用戶瀏覽和購(gòu)買商品的行為數(shù)據(jù)，將其進(jìn)行分布式表示，通過利用不同上下文中項(xiàng)目行為的分布式表示之間的余弦距離，借此來(lái)預(yù)測(cè)用戶什么時(shí)候會(huì)產(chǎn)生下一次點(diǎn)擊商品或者購(gòu)買商品的行為。

Devineni等人[4]主要是從用戶的社交數(shù)據(jù)中提取出不同的時(shí)間間隔里用戶的社交行為特征，從而分析用戶的社交行為，基于此實(shí)現(xiàn)了一個(gè)可視化框架用來(lái)展現(xiàn)用戶的個(gè)性化行為。

Guimaraes等人[5]采用社交中產(chǎn)生的網(wǎng)絡(luò)數(shù)據(jù)，從網(wǎng)絡(luò)數(shù)據(jù)中提取用戶特征，通過深度學(xué)習(xí)算法對(duì)用戶的年齡組進(jìn)行分類分析。

袁興福等人[6]構(gòu)建了電商用戶訪問會(huì)話模型，并且基于此模型中的行為序列進(jìn)行聚類分析，可以為營(yíng)銷方案的制定提供理論依據(jù)。

徐赟等人[7]基于實(shí)際的淘寶數(shù)據(jù)集做行為分析，分析了只逛不買的電子商務(wù)用戶行為，利用聚類分析的方法總結(jié)出四種只逛不買的用戶類型。

毛佳昕等人[8]主要是針對(duì)新浪微博中的用戶數(shù)據(jù)，考慮了社會(huì)影響力在微博網(wǎng)絡(luò)環(huán)境中的傳播情況，探究出用戶行為之間深層次的關(guān)系，提出了一種度量社會(huì)影響力的方法，該方法主要是根據(jù)預(yù)測(cè)用戶傳播信息能力大小來(lái)判定社會(huì)影響力的。

李磊等人[9]研究了微博的熱點(diǎn)話題，對(duì)微博用戶的行為進(jìn)行聚類分析，從而將微博用戶大致分為三類：（1）一般關(guān)注類，該類用戶是三類中最多的一類，所承擔(dān)的角色一般而言是信息的接收者；（2）主動(dòng)參與類，該類用戶的表現(xiàn)是主動(dòng)發(fā)布輿論信息，該類用戶的人數(shù)處于中等；（3）信息傳播類，該類人數(shù)最少，主要是作為輿情領(lǐng)袖的角色，傳播重要的信息，擁有很大的話語(yǔ)權(quán)。

從相關(guān)文獻(xiàn)可以得到結(jié)論，用戶行為分析離不開數(shù)據(jù)挖掘以及聚類分析。數(shù)據(jù)挖掘是通過采用一定的方法來(lái)挖掘出深藏在海量數(shù)據(jù)表面下的有價(jià)值的信息。數(shù)據(jù)挖掘經(jīng)常使用的方式多種多樣，包括分類、聚類、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)方法和神經(jīng)網(wǎng)絡(luò)方法等。而從上述的相關(guān)文獻(xiàn)也可以看出，分析用戶行為最常用的數(shù)據(jù)挖掘方法就是聚類分析了。不少用戶行為的研究中會(huì)采用K-means這個(gè)聚類算法，因?yàn)槠湓砗?jiǎn)單而且比較容易實(shí)現(xiàn)，但是它也有自己的弊端，那就是必須提前指定初始參數(shù)，比如聚類數(shù)k值，這就會(huì)導(dǎo)致聚類的結(jié)果隨機(jī)性比較大，容易出現(xiàn)局部最優(yōu)解以及聚類結(jié)果不穩(wěn)定的情況。所以在本文中，采用了改進(jìn)后的K-means聚類算法來(lái)對(duì)社交電商在工具 APP上產(chǎn)生的日志信息進(jìn)行用戶行為分析，劃分用戶群體性質(zhì)。

2 背景知識(shí)

2.1 大數(shù)據(jù)分析技術(shù)

大數(shù)據(jù)分析的整個(gè)流程包含三部分，分別是數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘分析和模型效果評(píng)估。

第一步要進(jìn)行的過程是數(shù)據(jù)預(yù)處理，我們能夠獲取到的數(shù)據(jù)一般來(lái)講與所需的數(shù)據(jù)是不一致的，并沒有我們想象中的完美。我們需要的數(shù)據(jù)往往來(lái)說(shuō)是標(biāo)準(zhǔn)的，是一個(gè)二維表格，表格縱向代表的是每一條數(shù)據(jù)，表格橫向代表的是每條數(shù)據(jù)的屬性。然而我們能夠獲取到的數(shù)據(jù)卻很少情況是標(biāo)準(zhǔn)的，會(huì)出現(xiàn)各種各樣的情況，比如異常值和缺失值等情況，不但如此數(shù)據(jù)格式也是多種多樣的。所以在數(shù)據(jù)分析之前必須進(jìn)行數(shù)據(jù)預(yù)處理，以便將雜亂的數(shù)據(jù)格式轉(zhuǎn)換成為二維表格的標(biāo)準(zhǔn)數(shù)據(jù)格式，才能夠更深層次的挖掘數(shù)據(jù)潛在的價(jià)值和規(guī)律。數(shù)據(jù)預(yù)處理過程有很多步驟，最關(guān)鍵的幾個(gè)步驟有:數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約以及數(shù)據(jù)變換。

處理完數(shù)據(jù)預(yù)處理的工作，緊接著要做的步驟是數(shù)據(jù)挖掘。數(shù)據(jù)挖掘指的是對(duì)數(shù)據(jù)進(jìn)行深層次的挖掘，總結(jié)出數(shù)據(jù)深層次的價(jià)值和規(guī)律。通常會(huì)使用各種機(jī)器學(xué)習(xí)的方法來(lái)進(jìn)行數(shù)據(jù)挖掘過程，以解決實(shí)際問題。機(jī)器學(xué)習(xí)的方法可以根據(jù)數(shù)據(jù)是否有標(biāo)簽來(lái)分為兩種：有監(jiān)督的機(jī)器學(xué)習(xí)和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)。有監(jiān)督的機(jī)器學(xué)習(xí)就是在數(shù)據(jù)標(biāo)簽的“監(jiān)督”下，訓(xùn)練過程中根據(jù)標(biāo)簽內(nèi)容不斷糾正模型。而無(wú)監(jiān)督的機(jī)器學(xué)習(xí)就是沒有數(shù)據(jù)標(biāo)簽，因?yàn)樵诂F(xiàn)實(shí)中很多情況下是不能預(yù)先知道數(shù)據(jù)的標(biāo)簽的，所以此時(shí)就要通過計(jì)算數(shù)據(jù)集樣本之間的相似性來(lái)揭示數(shù)據(jù)內(nèi)部規(guī)律。而聚類算法是最經(jīng)典的無(wú)監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)算法之一，有著十分廣泛的應(yīng)用。

在大數(shù)據(jù)分析過程中得到機(jī)器學(xué)習(xí)模型后，要用一定的指標(biāo)來(lái)衡量機(jī)器學(xué)習(xí)模型的性能優(yōu)劣。只有在衡量指標(biāo)上表現(xiàn)良好的模型才具有一定實(shí)際應(yīng)用意義，才可以用來(lái)解決生活中的實(shí)際問題。

2.2 聚類算法介紹

聚類分析是一種在數(shù)據(jù)挖掘領(lǐng)域中比較基礎(chǔ)的數(shù)據(jù)處理手段，通過聚類算法對(duì)數(shù)據(jù)分類能夠?qū)⒁粋€(gè)數(shù)據(jù)集劃分為若干個(gè)類內(nèi)對(duì)象相似而類間對(duì)象相異的類簇[10]，因此就可以在數(shù)據(jù)集中發(fā)掘出潛在的數(shù)據(jù)模式和深層次的內(nèi)在聯(lián)系[11]。聚類的過程就是根據(jù)一組定義將一組對(duì)象劃分為多個(gè)集群的過程，其目的就是將具有相同特征的數(shù)據(jù)歸于用一個(gè)簇中。聚類算法通常屬于無(wú)監(jiān)督學(xué)習(xí)算法，不僅可以挖掘數(shù)據(jù)之間的潛在聯(lián)系，揭示數(shù)據(jù)的分布特征，還可以作為一種預(yù)處理方式，處理結(jié)果用于后續(xù)的數(shù)據(jù)分析。聚類算法已經(jīng)廣泛應(yīng)用在很多方面，比如電子商務(wù)、市場(chǎng)營(yíng)銷、信息檢索和模式識(shí)別等。

目前，隨著機(jī)器學(xué)習(xí)的發(fā)展，已經(jīng)有很多成熟的聚類算法。比如，基于劃分的聚類算法、基于密度的聚類算法、基于層次的聚類算法，基于網(wǎng)格的聚類算法基于模型的聚類方法等等，但是無(wú)論哪種方法都是比較數(shù)據(jù)集中每個(gè)對(duì)象之間的性質(zhì)，將性質(zhì)相似的對(duì)象歸為一簇中，將不相似的對(duì)象歸為不同的簇中[12]。

2.3 K-means和Canopy算法概述

K-means是機(jī)器學(xué)習(xí)研究中最經(jīng)常使用的聚類算法，也是十大經(jīng)典的數(shù)據(jù)挖掘算法之一。它是一種基于劃分的聚類算法，同時(shí)也是一種無(wú)監(jiān)督學(xué)習(xí)。相對(duì)于其他的聚類算法，K-means以算法原理比較簡(jiǎn)單，收斂速度快而著稱。K-means算法必須先提前指定聚類數(shù)和初始聚類中心，然后不停更新聚類中心，一步步減少目標(biāo)函數(shù)的誤差值，當(dāng)目標(biāo)函數(shù)值呈現(xiàn)收斂的狀態(tài)時(shí)，整個(gè)過程終止，獲取到最終的聚類結(jié)果。

從算法原理上看，K-means也有自己的局限性。K-means這種聚類算法需要提前設(shè)置好參數(shù)，也就是需要提前設(shè)置好聚類的個(gè)數(shù)，同時(shí)會(huì)隨機(jī)初始化k個(gè)聚類中心。這種實(shí)現(xiàn)指定的k值和隨機(jī)初始化的聚類中心不僅會(huì)降低聚類算法的效率，而且得到的結(jié)果也可能是局部最優(yōu)的。

為了解決上述描述的K-means算法出現(xiàn)的問題，通常能夠采用Canopy算法來(lái)輔助K-means算法來(lái)做聚類分析。Canopy算法的聚類粒度比較粗略，它采用一種簡(jiǎn)單方便的距離計(jì)算方法將數(shù)據(jù)集劃分為多個(gè)可重疊的子集 Canopy[13]。這種算法不需要指定k值、但精度較低，可以結(jié)合K-means算法一起使用：先由 Canopy算法進(jìn)行粗聚類得到k個(gè)聚類中心，再將這k個(gè)聚類中心作為 K-means算法的初始聚類中心，再進(jìn)行聚類。

從Canopy算法實(shí)現(xiàn)的步驟來(lái)看，Canopy算法的優(yōu)點(diǎn)明顯，同時(shí)也存在一定的缺點(diǎn)，就是要事先指定合適的 T1和 T2，閾值 T1，T2的選取和確定都比較困難，閾值的大小對(duì)聚類結(jié)果有很大的影響。根據(jù)Zhang等人[14]提出的的基于密度的Canopy算法，提出最大權(quán)重乘積法來(lái)確定聚類中心，減少隨機(jī)性帶來(lái)的不穩(wěn)定性。

3 基于社交電商的工具平臺(tái)行為的大數(shù)據(jù)分析

3.1 數(shù)據(jù)預(yù)處理

對(duì)于大數(shù)據(jù)分析，現(xiàn)實(shí)中的日志信息和我們所需要的數(shù)據(jù)差別很大，為了得到實(shí)驗(yàn)可以使用的標(biāo)準(zhǔn)數(shù)據(jù)，首先要進(jìn)行的過程就是數(shù)據(jù)的預(yù)處理工作。

從社交電商使用的某工具 APP中獲取 2020年1月的社交電商的日志數(shù)據(jù)。通過分析原日志的數(shù)據(jù)格式和字段含義，進(jìn)行元數(shù)據(jù)分割和提取得到格式化數(shù)據(jù)?？紤]進(jìn)行用戶行為分析所需字段，保留必要字段部分，并且對(duì)日志數(shù)據(jù)進(jìn)行一定統(tǒng)計(jì)計(jì)算，功能名稱映射為功能編號(hào)，得到用戶id，功能編號(hào)，功能圖標(biāo)點(diǎn)擊次數(shù)和功能圖標(biāo)點(diǎn)擊總次數(shù)。該工具 APP為社交電商提供了 18個(gè)功能的使用，因此功能編號(hào)范圍為1-18。數(shù)據(jù)的格式示例如表1所示。

表1 APP 功能按鈕點(diǎn)擊信息示例表Tab.1 The sample table of click information on App function buttons

獲取到數(shù)據(jù)后，要進(jìn)行一定的數(shù)據(jù)過濾，過濾掉功能圖標(biāo)點(diǎn)擊總次數(shù)在10以內(nèi)的用戶，該類用戶一個(gè)月內(nèi)的點(diǎn)擊圖標(biāo)次數(shù)過少，不具有代表性；然后進(jìn)行數(shù)據(jù)轉(zhuǎn)換，引入偏好指數(shù)的概念，以“功能圖標(biāo)點(diǎn)擊次數(shù)/功能圖標(biāo)點(diǎn)擊總次數(shù)”表示偏好指數(shù)，代表用戶對(duì)該功能的偏好，建立用戶偏好模型，構(gòu)造用戶的特征向量。用戶偏好模型為：

ti表示第i個(gè)功能的編號(hào)，wi就表示社交電商對(duì)第i個(gè)功能的“偏好指數(shù)”，即社交電商對(duì)某個(gè)功能的訪問次數(shù)和該位社交電商對(duì)所有功能的總訪問次數(shù)的比值，ni表示社交電商訪問第 i個(gè)功能的次數(shù)。比如社交電商在某個(gè)時(shí)間周期內(nèi)一共訪問了100次功能，其中訪問功能1按鈕20次，訪問功能2按鈕40次，訪問功能3按鈕40次訪問其他功能的次數(shù)均為0次，這樣就可以計(jì)算出每個(gè)功能的“偏好指數(shù)”，那么社交電商的訪問特征就可以被表示為：{(1,0.2,20),(2， 0. 4， 40 )，(3， 0. 4， 40 )，(4， 0， 0), … ,(1 8， 0， 0) }。用戶的 i的特征向量可以表示為：

其中：Tin表示用戶i對(duì)第n個(gè)功能的“偏好指數(shù)”。

3.2 數(shù)據(jù)挖掘分析

由于社交電商數(shù)量較多，特征向量的維度比較多，表示結(jié)構(gòu)比較復(fù)雜，所以數(shù)據(jù)內(nèi)部規(guī)律僅僅靠觀察是無(wú)法總結(jié)出來(lái)的，因此就需要針對(duì)社交電商的一些特征行為來(lái)使用聚類算法對(duì)其進(jìn)行聚類分析。本文就是針對(duì)社交電商的功能訪問行為數(shù)據(jù)來(lái)對(duì)社交電商種類進(jìn)行劃分。本文采用的聚類算法是基于密度 Canopy的改進(jìn) K-means算法。

Canopy是一種劃分粒度比較粗略的聚類算法，它采用一種簡(jiǎn)單、快捷的距離計(jì)算方法通過計(jì)算數(shù)據(jù)之間的距離來(lái)將數(shù)據(jù)集劃分為多個(gè)可以重疊的子集，這種算法不需要指定k值、但精度較低，可以結(jié)合 K-means算法一起使用：先由Canopy算法進(jìn)行粗聚類得到 k個(gè)質(zhì)心。然后K-means的聚類中心可以直接指定為Canopy算法得到的 k個(gè)聚類中心，而不是隨機(jī)指定。標(biāo)準(zhǔn)Canopy算法需要指定兩個(gè)閾值T1，T2且T1> T2；隨機(jī)選擇數(shù)據(jù)集中的一個(gè)數(shù)據(jù)作為中心。閾值T1，T2的選取和確定都比較困難，閾值的大小對(duì)聚類結(jié)果有很大的影響?？梢詫?duì)此進(jìn)行改進(jìn)，采用基于密度的Canopy算法，采用最大權(quán)重乘積法來(lái)確定聚類中心，減少隨機(jī)性帶來(lái)的不穩(wěn)定性。算法流程如圖1所示。

圖1 基于密度Canopy改進(jìn)的K-means算法流程Fig.1 Improved k-means algorithm flow based on density canopy

3.3 模型效果評(píng)估

為了衡量聚類結(jié)果的優(yōu)劣，可以考慮用輪廓系數(shù)來(lái)評(píng)估聚類模型的效果。輪廓系數(shù)是用來(lái)評(píng)價(jià)聚類效果好壞的一個(gè)指標(biāo)。Pete在1986年首次提出這個(gè)指標(biāo)。輪廓系數(shù)考慮了內(nèi)聚度和分離度這兩個(gè)指標(biāo)。它可以被用來(lái)在相同原始數(shù)據(jù)集的基礎(chǔ)上評(píng)價(jià)不同算法、或者算法不同運(yùn)行方式對(duì)聚類結(jié)果所造成的影響。輪廓系數(shù)的值是處于[–1,1]之間的，它的值越大就代表內(nèi)聚度和分離度都越好，分類的結(jié)果越好。

針對(duì)簇中的每個(gè)向量，各自計(jì)算各個(gè)向量的輪廓系數(shù)。然后將所有點(diǎn)的輪廓系數(shù)求平均，就是該聚類結(jié)果的輪廓系數(shù)。第 i個(gè)樣本的輪廓系數(shù)計(jì)算公式為：

其中，a(i)代表向量與同一簇中其他向量的差異程度的平均值，被稱為簇內(nèi)不相似度；a(i)為向量i到其他簇中的向量的平均差異程度的最小值，被稱為簇間不相似度。

4 實(shí)驗(yàn)及結(jié)果分析

4.1 算法改進(jìn)前后性能對(duì)比

本次實(shí)驗(yàn)實(shí)現(xiàn)了原始的K-means算法和基于密度 Canopy改進(jìn)的 K-means算法，并首先對(duì)經(jīng)典數(shù)據(jù)集 wine進(jìn)行迭代計(jì)算，對(duì)比了改進(jìn)前后K-means算法的迭代次數(shù)，運(yùn)行時(shí)間和輪廓系數(shù)，實(shí)驗(yàn)結(jié)果如表2所示。

表2 改進(jìn)前后算法聚類效果對(duì)比Tab.2 Comparison of clustering algorithms before and after improvement

從實(shí)驗(yàn)結(jié)果中可以看出來(lái)，基于密度Canopy改進(jìn)的K-means算法消耗了更短的運(yùn)行時(shí)間并且在較少的迭代次數(shù)下就達(dá)到收斂，由此可以說(shuō)明改進(jìn)后的K-means算法性能優(yōu)于原始的K-means算法性能。不僅如此，改進(jìn)后的K-means算法的輪廓系數(shù)大于原始的K-means算法，也就是說(shuō)改進(jìn)后的算法的聚類效果更好?？偠灾?，改進(jìn)后的算法能在更少的時(shí)間內(nèi)達(dá)到更優(yōu)的聚類結(jié)果。

4.2 社交電商聚類結(jié)果分析

在本次實(shí)驗(yàn)中，將基于密度的Canopy算法和K-means算法結(jié)合起來(lái)來(lái)改進(jìn)K-means算法，對(duì)本文社交電商數(shù)據(jù)集進(jìn)行迭代計(jì)算。數(shù)據(jù)集中共有2708個(gè)社交電商的數(shù)據(jù)，聚類算法的分類情況如表3。

表3 社交電商數(shù)據(jù)聚類算法的分類結(jié)果Tab.3 Classification results of the clustering algorithm based on social e-commerce data

將每一類的訪問偏好向量取平均值，求得每類的平均訪問特征向量，為了直觀觀察，將每類的平均訪問特征繪圖如圖2所示。

圖2 三類社交電商的功能訪問特征Fig.2 Functional access characteristics of three types of social E-commerce

從聚類結(jié)果可以看出，可以將社交電商分為三個(gè)大類，分別為“單一功能偏好者”、“功能使用均衡者”和“部分功能愛好者”。

社交電商群體1：“部分功能愛好者”。該群體總共有1 959人，占總?cè)藬?shù)比例為72.23%，人數(shù)占比最大，在功能1，功能6和功能10上訪問較多，均在10%以上，尤其是功能6可以達(dá)到30%，對(duì)其他功能的訪問比較少，在10%以下?？梢酝茰y(cè)，大部分社交電商日常工作中使用最多的也就是某幾個(gè)功能。該類APP開發(fā)者需要對(duì)社交電商使用頻率多的功能進(jìn)行重點(diǎn)研究，不斷改進(jìn)這些功能使用的體驗(yàn)感，提供穩(wěn)定的技術(shù)支撐，才能留住大部分社交電商。

社交電商群體2：“功能使用均衡者”。該群體總共有724人，占總?cè)藬?shù)比例為26.74%。該類社交電商對(duì)所有功能的訪問都比較平均，偏好程度均不超過10%，沒有特別明顯的功能訪問偏好，但是每一功能都有一定的使用。推測(cè)該類社交電商所需功能種類比較多，日常工作中涉及到的需求比較多，APP的功能種類豐富與否會(huì)影響該類社交電商對(duì)該類APP的選擇。

社交電商群體3：“單一功能偏好者”。該群體總共有25人，占總?cè)藬?shù)比例為0.92%，該類社交電商群體人數(shù)占比最少，該類顯著特征是80%以上的功能訪問都集中于功能12上，對(duì)其他功能的訪問少之又少。也就是說(shuō)該群體偏向使用某一特定功能。推測(cè)該類社交電商是為了功能12這一特定功能來(lái)特地使用該工具APP的。

5 結(jié)論

本文以社交電商在工具APP上產(chǎn)生的日志數(shù)據(jù)為數(shù)據(jù)集，然后利用機(jī)器學(xué)習(xí)中的聚類算法對(duì)社交電商的行為特征進(jìn)行大數(shù)據(jù)分析，通過改進(jìn)后的K-means聚類算法預(yù)測(cè)社交電商的分類，從功能訪問的角度對(duì)社交電商的行為展開分析。利用這一課題的研究為對(duì)社交電商群體進(jìn)行用戶行為分析提供新思路。