組合營銷策略中基于約束的關(guān)聯(lián)規(guī)則挖掘方法

畢業(yè)論文

摘　要：網(wǎng)絡(luò)銷售是電子商務(wù)的1種重要的形式，而組合營銷是提升網(wǎng)絡(luò)銷售業(yè)績的1種重要手段。針對目前我國網(wǎng)絡(luò)銷售的基本模式，在已發(fā)現(xiàn)的組合營銷策略特點(diǎn)的基礎(chǔ)上，提出了1種基于約束的關(guān)聯(lián)規(guī)則挖掘新算法。
　　關(guān)鍵詞：組合營銷策略；數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則
　
　　
　　1　引言
　　
　　隨著全球化浪潮的推進(jìn)，電子商務(wù)正不斷發(fā)展壯大。網(wǎng)絡(luò)銷售作為電子商務(wù)的1種重要組成形式為企業(yè)尋求更大的市場空間提供了1種新的有益嘗試。我國目前網(wǎng)絡(luò)銷售的主流模式為：“訂單1物流”模式。即用戶下訂單后，企業(yè)通過物流將商品交付給客戶。由于物流費(fèi)用1般由客戶承擔(dān)，客戶為減少購物的物流成本，往往會(huì)在購買主目標(biāo)商品的同時(shí)，搭配幾件價(jià)格不高的次目標(biāo)商品。這就為企業(yè)實(shí)施商品的組合營銷策略提供了機(jī)遇。
　　
　　2　問題描述
　　
　　組合營銷是指企業(yè)通過對不同類別、不同價(jià)格的商品的合理組合，向客戶1次提供多種商品的營銷方式。數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則分析方法，通過挖掘出以往銷售數(shù)據(jù)中哪些商品頻繁的被顧客同時(shí)購買，形成關(guān)于商品間搭配的知識(shí)，從而指導(dǎo)今后銷售的商品組合。但經(jīng)典的關(guān)聯(lián)規(guī)則挖掘方法由于缺乏用戶控制，導(dǎo)致產(chǎn)生的規(guī)則過多，且部分規(guī)則對用戶毫無意義。為了解決該問題，人們引入了基于約束的關(guān)聯(lián)規(guī)則挖掘方法。R．T．NG等學(xué)者提出了受約束的關(guān)聯(lián)查詢概念R．Srikant等人研究了項(xiàng)集受約束的關(guān)聯(lián)規(guī)則挖掘，挖掘出了包含某布爾表達(dá)式的頻繁項(xiàng)集Robert J．Ba-yardo Jr等人研究了稠密數(shù)據(jù)庫的特點(diǎn)，并提出了改進(jìn)度的概念
　　本文首先介紹了關(guān)聯(lián)規(guī)則的基本概念，在指出傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法缺陷的基礎(chǔ)上，提出了1種受用戶指定數(shù)據(jù)約束的關(guān)聯(lián)規(guī)則挖掘算法(UD-Apriori)。實(shí)驗(yàn)分析表明，該算法能在短時(shí)間內(nèi)找到用戶感興趣的規(guī)則，算法效率有明顯提高。
　　
　　3　關(guān)聯(lián)規(guī)則的基本概念
　　
　　3．1關(guān)聯(lián)規(guī)則的描述
　　設(shè)I={i1i2，im}是項(xiàng)的集合，其中的元素稱為項(xiàng)(item)。記D為交易T的集合，這里交易T是項(xiàng)的集合，并且T　I。設(shè)X是I中項(xiàng)的1個(gè)集合，如果X　T．那么稱交易T3X。1個(gè)關(guān)聯(lián)規(guī)則是形如“X　Y的蘊(yùn)含式，這里X　I，Y　I，并且X　Y=　。
　　規(guī)則“XjY”在事務(wù)數(shù)據(jù)庫中的支持度(support)是事務(wù)集中包含X和Y的事務(wù)數(shù)與所有事務(wù)數(shù)之比，記為suppog(X　Y)，即：
　　suooort(X Y)：l{T,X Y T，T D}|/|D|
　　對項(xiàng)目集I和事務(wù)數(shù)據(jù)庫D，T中所有滿足用戶指定的最小支持度(minsupportl的項(xiàng)目集，稱為頻繁項(xiàng)目集。
　　規(guī)則X Y在事務(wù)集中的置信度(confidence)是指包含X和Y的事務(wù)數(shù)與包含X的事務(wù)數(shù)之比，記為confidence(X Y)，即：
　　Confidence(X Y)=|{T，X　Y　T，T　D，T　D}|/|T:X　T，T　D}|
　　3．2經(jīng)典關(guān)聯(lián)規(guī)則挖掘算法及其缺陷
　　經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法分兩個(gè)階段：首先，產(chǎn)生達(dá)到指定最小支持度的項(xiàng)集(即頻繁項(xiàng)集)，然后從每個(gè)頻繁項(xiàng)集中找出能夠達(dá)到指定最小置信度的規(guī)則。其中，第1步生成滿足最小支持度的項(xiàng)集是關(guān)鍵。1994年Agrawal等人在提出了著名的Apfiofi算法此算法使用遞歸方法生成所有的頻繁項(xiàng)集。首先生成頻繁1-項(xiàng)集L1，然后生成頻繁2-項(xiàng)集L2，…，1直到某個(gè)r使得Lr為空，算法結(jié)束。當(dāng)求Lk時(shí)，首先通過Lk-1的自連接生成候選項(xiàng)集Ck；檢驗(yàn)Ck中的每個(gè)元素，滿足用戶指定的最小支持度的元素就是Lk中的元素。從以上算法描述可看出由于Lk-1候選集Ck是呈指數(shù)增長的，例如104個(gè)1-頻繁項(xiàng)集就有可能產(chǎn)生接近107個(gè)元素的2-候選項(xiàng)集。如此大的候選項(xiàng)集對時(shí)間和主存空間是1種巨大的挑戰(zhàn)。另外，由于基于“支持度1置信度”的關(guān)聯(lián)規(guī)則挖掘度量框架本身不具有關(guān)聯(lián)規(guī)則生成的先決指導(dǎo)性，導(dǎo)致產(chǎn)生的部分規(guī)則對最終用戶毫無意義，而1些較長的規(guī)則又難于理解。這些都導(dǎo)致算法效率的低下。
　　
　　4　受用戶指定數(shù)據(jù)約束的關(guān)聯(lián)規(guī)則挖掘算法
　　
　　4．1算法的提出背景
　　在企業(yè)實(shí)施商品的組合營銷策略過程中，往往以利潤為先導(dǎo)，把關(guān)注焦點(diǎn)集中在那些銷售情況較好而價(jià)格又相對比較高的商品上面。因此，企業(yè)銷售策略可以是：針對具有上述特征的商品，找出和這類商品1起被頻繁購買的其它價(jià)格比較低的商品，以便在今后的銷售中對這些商品進(jìn)行捆綁銷售。
　　4．2受用戶指定數(shù)據(jù)約束的關(guān)聯(lián)規(guī)則挖掘算法(UD-Apfiofi)的基本思想
　　基于上述銷售策略，我們提出1種受用戶指定數(shù)據(jù)約束的關(guān)聯(lián)規(guī)則挖掘算法。其中。用戶需要提供兩個(gè)約束信息：暢銷商品A以及與A關(guān)聯(lián)的商品價(jià)格總和的最大值(max_sumprice)。
　　該算法的基本思想是：首先利用用戶指定商品A為約束條件對事務(wù)數(shù)據(jù)庫D進(jìn)行掃描，包含A的實(shí)例加入到實(shí)例集Dt中，其余被過濾掉。然后在經(jīng)典Apfiofi算法的頻繁項(xiàng)集生成過程中應(yīng)用受max_sumprice參數(shù)約束的剪枝策略，生成符合約束條件的頻繁K-項(xiàng)集，最后由頻繁項(xiàng)集生成受約束的關(guān)聯(lián)規(guī)則。

[NextPage]

　　
　　4．3剪枝策略
　　定義1
　　約束Ca是反單調(diào)的是指對于任意給定的不滿足Ca的項(xiàng)目集S，不存在S的超集能夠滿足Ca。
　　下面給出了與A相關(guān)聯(lián)商品的反單調(diào)性約束表達(dá)式：
　　sum_price(Bl，B2，…，Bn)≤max_sumprice。
　　其中，sum_price(B1，B2，…，Bn)為在頻繁項(xiàng)集的項(xiàng)(item)中與A相關(guān)聯(lián)的商品價(jià)格的總和。
　　證明：反證法。假設(shè)sum_price(B1，B2，…，Bn)>max_sumprice，且有sum_price(B1，B2，…，BnBn+1)≤max_sumprice，其中Bi>0。則有sum_price(B1，B2，…，Bn)>sum_price(B1，B2，…，BnBn+1)，即：Bn+1+l<0，與假設(shè)Bi>0矛盾，故sum_price(B1，B2，…，Bn)≤max_sumprice為反單調(diào)性約束條件。由定義1可以確定，如果在Apriofi算法中生成的任何1個(gè)頻繁項(xiàng)集不滿足反單調(diào)約束條件，則它的任何超集都不滿足此約束條件。因此，在經(jīng)典的apriori算法產(chǎn)生K-1-頻繁項(xiàng)集后，我們可以直接將不滿足約束的頻繁項(xiàng)集剔除掉。這樣從客觀上，減少了頻繁項(xiàng)集生成所需要的候選項(xiàng)集的數(shù)目，成功地對候選項(xiàng)集進(jìn)行了剪枝。
　　4．4 UD-Apriori算法描述
　　輸入：事務(wù)數(shù)據(jù)庫D，A(用戶指定的商品)，min_sup(最小支持度)，min_conf(最小置信度)，max_sumprice(頻繁項(xiàng)集的項(xiàng)中與A關(guān)聯(lián)的商品之和的最大值)。
　　輸出：滿足min_sup，min_conf，A，max_sumprice約束的關(guān)聯(lián)規(guī)則。
　　Begin
　　If A is unfrequent then
　　return；
　　Filter(A)；
　　L1=L1+find_frequent_l-itemsets(D’)//產(chǎn)生頻繁1項(xiàng)集
　　Delete T where not contain L1；
　　Gen_rules(1，L1)；//產(chǎn)生頻繁1項(xiàng)集規(guī)則
　　For(k=2；Lk-1≠φ；k++)
　　{Ck：apriori_gen Lk-1,min_sup，max_sumprice)；//產(chǎn)生K-項(xiàng)集
　　Lk=subset (Ck,D’)；//產(chǎn)生頻繁K-項(xiàng)集
　　Gen_rules(K，Lk)：//產(chǎn)生頻繁K-項(xiàng)集的規(guī)則
　　end；procedure filter(A)//過濾事務(wù)數(shù)據(jù)庫
　　For all trasactions t　D：
　　Ift contain A then
　　Write to D′return；
　　
　　5　試驗(yàn)結(jié)果分析
　　
　　本試驗(yàn)采用IBM數(shù)據(jù)生成器生成記錄型測試數(shù)據(jù)進(jìn)行算法測試，同時(shí)將每個(gè)項(xiàng)目元素進(jìn)行價(jià)格賦值。實(shí)驗(yàn)環(huán)境基于winxp平臺(tái)，計(jì)算機(jī)內(nèi)存256MB，主頻2．8GHZ，測試數(shù)據(jù)各項(xiàng)參數(shù)如表2。
　　在數(shù)據(jù)庫291個(gè)項(xiàng)目元素中，元素最高價(jià)格為4995。在頻繁1項(xiàng)集中項(xiàng)集最高價(jià)格為4425。因此，將價(jià)格為4425的項(xiàng)i4425定為指定約束元素�；�于此事務(wù)數(shù)據(jù)庫對經(jīng)典的Apriori算法及受用戶指定數(shù)據(jù)約束算法的對比測試結(jié)果如表3。
　　實(shí)驗(yàn)結(jié)果表明，由于受項(xiàng)i4425的約束，算法的運(yùn)行時(shí)間和生成的規(guī)則數(shù)大為減少。且由于指定了約束條件項(xiàng)i4425，使挖掘過程的指向性得到明顯提高。很好的控制了挖掘的數(shù)據(jù)規(guī)模，從而保證了在生成的關(guān)聯(lián)規(guī)則數(shù)目減少的同時(shí)更加契合用戶的意愿。
　　
　　6　結(jié)論
　　
　　本文根據(jù)網(wǎng)絡(luò)電子商務(wù)的特點(diǎn)，結(jié)合組合營銷策略實(shí)施中客戶的具體購買模式，提出了1種基于約束的關(guān)聯(lián)規(guī)則挖掘算法。試驗(yàn)結(jié)果表明，這種算法由于引入了更多的用戶控制，相比經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法效率更高。挖掘結(jié)果表明，挖掘生成的關(guān)聯(lián)規(guī)則大為減少，信息指向性也更加明確，為企業(yè)實(shí)施組合營銷策略提供了科學(xué)的依據(jù)。

【組合營銷策略中基于約束的關(guān)聯(lián)規(guī)則挖掘方法】相關(guān)文章：

基于聚類分析的數(shù)據(jù)挖掘方法03-08

基于知識(shí)營銷的4Is營銷策略03-23

差異化經(jīng)營策略在營銷組合中的應(yīng)用03-21

論差異化經(jīng)營策略在營銷組合中的應(yīng)用03-02

基于顧客價(jià)值的需求，流動(dòng)網(wǎng)挖掘策略分析01-11

新款手機(jī)上市的營銷組合策略03-23

保險(xiǎn)產(chǎn)品營銷組合與競爭策略研究03-13

汽車營銷中的聯(lián)合營銷策略03-21

農(nóng)村保險(xiǎn)市場營銷組合策略研究03-21