商務(wù)數(shù)據(jù)分析報(bào)告

Documentnumber【980KGB-6898YT-769T8CB-246UT-18GG08】Documentnumber【980KGB-6898YT-769T8CB-246UT-18GG08】商務(wù)數(shù)據(jù)分析報(bào)告本科學(xué)生綜合性實(shí)驗(yàn)報(bào)告項(xiàng)目組長(zhǎng)張夢(mèng)瑤學(xué)號(hào)0141262成員專業(yè)國(guó)際經(jīng)貿(mào)班級(jí)國(guó)貿(mào)142實(shí)驗(yàn)項(xiàng)目名稱商務(wù)數(shù)據(jù)分析報(bào)告指導(dǎo)教師及職稱李虹來(lái)開(kāi)課學(xué)期2015至2016學(xué)年下學(xué)期上課時(shí)間2016年6月16日

1.商業(yè)理解階段網(wǎng)上銷售與傳統(tǒng)的店面銷售不同，沒(méi)有售貨員提供現(xiàn)場(chǎng)咨詢服務(wù)。但是，網(wǎng)上銷售可以利用互聯(lián)網(wǎng)的優(yōu)勢(shì)，為用戶提供更優(yōu)質(zhì)的服務(wù)。由于服務(wù)器會(huì)記錄用戶在瀏覽電子商務(wù)網(wǎng)站時(shí)的所有行為，因此，企業(yè)很容易收集用戶的瀏覽記錄、交易信息及偏好數(shù)據(jù)。在個(gè)性化推薦技術(shù)的關(guān)聯(lián)規(guī)則分析中，最典型的例子是購(gòu)物籃分析，其目標(biāo)是發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品之間的聯(lián)系強(qiáng)度，挖掘用戶潛在購(gòu)買模式，并將這些模式所對(duì)應(yīng)的服務(wù)或產(chǎn)品展示給用戶，為其提供參考，從而提高用戶的滿意度及購(gòu)買率。2.數(shù)據(jù)理解階段本案例采用淘寶網(wǎng)的用戶交易數(shù)據(jù)進(jìn)行分析，每條交易記錄包括記錄號(hào)和顧客購(gòu)買的商品，表1給出了數(shù)據(jù)集中各屬性名及意義，表2為部分交易實(shí)例數(shù)據(jù)示例。表1數(shù)據(jù)集屬性信息屬性名屬性意義交易號(hào)ID唯一標(biāo)識(shí)每一次用戶的交易商品名購(gòu)買的商品名數(shù)量購(gòu)買的每一樣商品的數(shù)量單價(jià)購(gòu)買商品的單價(jià)表2部分?jǐn)?shù)據(jù)實(shí)例ID商品名數(shù)量單價(jià)商品名數(shù)量單價(jià)商品名數(shù)量單價(jià)商品名數(shù)量單價(jià)1女裝T恤279短裙2118休閑男裝199連衣裙1352女裝T恤179短裙1118傘1153女裝T恤179短裙255高跟鞋163連衣裙1354女裝T恤1119短裙155高跟鞋1635女裝T恤2119短裙145高跟鞋1636女裝T恤1119短裙145高跟鞋263洗發(fā)水2853.數(shù)據(jù)準(zhǔn)備階段原始數(shù)據(jù)集可能包含了一些冗余的數(shù)據(jù)、空值和零值等，這種格式不能作為關(guān)聯(lián)規(guī)則分析算法的輸入，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。本案例的預(yù)處理中包括過(guò)濾掉原始數(shù)據(jù)集中的商品數(shù)量和單價(jià)這兩個(gè)屬性。同時(shí)為了保護(hù)顧客的隱私，過(guò)濾了用戶名屬性，并且用交易號(hào)來(lái)唯一表示顧客的每一次交易。處理后的數(shù)據(jù)集如表3所示。表3部分預(yù)處理后的數(shù)據(jù)交易號(hào)商品1商品2商品名3商品名41女裝T恤短裙休閑男裝連衣裙2女裝T恤短裙傘3女裝T恤短裙高跟鞋連衣裙4女裝T恤短裙高跟鞋5女裝T恤短裙高跟鞋6女裝T恤短裙高跟鞋洗發(fā)水在Clementine軟件進(jìn)行關(guān)聯(lián)規(guī)則挖掘時(shí)，必須把數(shù)據(jù)格式轉(zhuǎn)換成Clementine軟件能處理的格式。通常有兩種格式：一種是布爾矩陣形式，即每行表示一條交易記錄，列中的T/F值表示該商品是否有在相應(yīng)的交易記錄中出現(xiàn)，T表示有出現(xiàn)，F(xiàn)表示沒(méi)有出現(xiàn)（表4列出轉(zhuǎn)換后的前3條記錄信息）；一種是事務(wù)處理格式，即每行對(duì)應(yīng)一個(gè)交易號(hào)和一個(gè)商品項(xiàng)（表5列出了前3個(gè)事務(wù)對(duì)應(yīng)的事務(wù)處理格式）。表4布爾矩陣格式數(shù)據(jù)集交易號(hào)女裝T恤短裙電腦配件男裝牛仔褲休閑男裝1TTFFT2TTFFF3TTFFF表5事務(wù)處理格式數(shù)據(jù)集交易號(hào)女裝T恤1女裝T恤1短裙1休閑男裝2女裝T恤2短裙3女裝T恤3短裙4.數(shù)據(jù)建模利用Clementine中的Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則分析，設(shè)定最小支持度1%，最小置信度50%，輸入為布爾矩陣格式的交易數(shù)據(jù)（如表4），輸出商品的關(guān)聯(lián)規(guī)則及相應(yīng)的支持度、置信度和提升度信息（如表6）。表中顯示“高跟鞋”和“洗發(fā)水”、“童裝”和“玩具”、“文具”經(jīng)常被一起購(gòu)買。表6Apriori算法運(yùn)行結(jié)果5.模型評(píng)估我們選取以下的關(guān)聯(lián)規(guī)則向顧客進(jìn)行推薦。規(guī)則1：（玩具、文具）=>童裝規(guī)則2：洗發(fā)水=>高跟鞋規(guī)則3：玩具=>童裝規(guī)則4：地毯=>家具規(guī)則5：（短裙、高跟鞋）=>女裝T恤規(guī)則6：（童裝、文具）=>玩具再結(jié)合規(guī)則和實(shí)際經(jīng)驗(yàn)知識(shí)，可以對(duì)規(guī)則進(jìn)行進(jìn)一步優(yōu)化處理。在本案例中，可以對(duì)規(guī)則1{（玩具、文具）=>童裝}和規(guī)則3{玩具=>童裝}進(jìn)行合并，以規(guī)則3的形式呈現(xiàn)。6.模型發(fā)布通過(guò)建模分析由得