前言：本站為你精心整理了關(guān)聯(lián)規(guī)則及協(xié)同過(guò)濾在汽車電子中的應(yīng)用范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要:以電子商城銷售數(shù)據(jù)為基礎(chǔ)，對(duì)已有網(wǎng)上購(gòu)車用戶行為特征進(jìn)行分析。先采用關(guān)聯(lián)規(guī)則分析樣本，找出網(wǎng)上購(gòu)車用戶的特點(diǎn)；后基于用戶的協(xié)同過(guò)濾算法尋找網(wǎng)上購(gòu)車用戶的鄰居用戶，從而發(fā)掘潛在客戶。

關(guān)鍵詞:關(guān)聯(lián)規(guī)則；協(xié)同過(guò)濾；潛在客戶

1引言

“雙11”和“汽車之家”的發(fā)展是電子商務(wù)的成功案例。面對(duì)日趨激烈的競(jìng)爭(zhēng)，開(kāi)啟汽車電子商務(wù)之路迫在眉睫。然而，互聯(lián)網(wǎng)時(shí)代的信息海量而無(wú)組織，汽車廠家很難用傳統(tǒng)手段獲取客戶信息，進(jìn)行精準(zhǔn)營(yíng)銷和客戶發(fā)掘。將數(shù)據(jù)挖掘技術(shù)引入汽車電子商務(wù)，將是巨大突破。

2理論基礎(chǔ)

2.1關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則又稱購(gòu)物籃分析，因傳統(tǒng)案例多發(fā)生在超市，如“啤酒與尿布”。其主要指標(biāo)：支持度、置信度。前者用于衡量關(guān)聯(lián)規(guī)則在整個(gè)數(shù)據(jù)集的統(tǒng)計(jì)重要性,后者用于衡量關(guān)聯(lián)規(guī)則的可信程度。Apriori和F-P是常用算法，本文采用Apriori算法。

2.2Apriori算法

Agrawal等在前人基礎(chǔ)上，完善了Apriori的關(guān)聯(lián)規(guī)則算法，核心是基于兩階段頻集思想的遞推算法[1]?；舅枷耄合日页鏊械念l集，其出現(xiàn)的頻繁性至少和預(yù)定義的最小支持度一樣。然后由頻集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，必須滿足最小支持度和最小可信度。然后使用第一步找到的頻集產(chǎn)生期望的規(guī)則，產(chǎn)生只包含集合的項(xiàng)的所有規(guī)則，其中每一條規(guī)則的右部只有一項(xiàng)，這里采用中規(guī)則定義。一旦規(guī)則被生成，只有大于用戶給定的最小可信度的規(guī)則才被留下來(lái)。為了生成所有頻集，使用遞推法[2]。

2.3協(xié)同過(guò)濾

協(xié)同過(guò)濾有兩種定義。在電商網(wǎng)站應(yīng)用廣泛的是狹義定義，即通過(guò)收集群體用戶的偏好信息，過(guò)濾個(gè)體用戶可能感興趣的內(nèi)容。協(xié)同是群體行為，過(guò)濾針對(duì)個(gè)人行為。基于的假設(shè)理論：為用戶找到真正感興趣商品的方法是找到與用戶有共同興趣愛(ài)好的相似用戶，并將相似用戶感興趣的商品推薦給該用戶。

3實(shí)證分析

3.1關(guān)聯(lián)規(guī)則尋找用戶特征

3.1.1數(shù)據(jù)采集

以電子商城某車為例，采集50個(gè)樣本，包含用戶性別、年齡、職業(yè)、地區(qū)、有無(wú)小孩5類信息。數(shù)據(jù)進(jìn)行標(biāo)識(shí)，性別男：A1，女：A2；年齡小于30歲:B1，大于:B2；個(gè)體商戶:C1，公司員工:C2，事業(yè)單位、公務(wù)員:C3，自由職業(yè):C4；一線城市:D1，二線:D2、其余:D3；有小孩:E1，無(wú):E2。

3.1.2計(jì)算

令最小支持度min_sup=0.3經(jīng)由apriori算法算出3-項(xiàng)集，如表1.同樣可計(jì)算出L4和L5，L5為{A2，B1，C2，D2，E1}。

3.1.3結(jié)果分析

從3-項(xiàng)集L3可以看出，支持度最高為{A2,B1,E1}，達(dá)0.44，對(duì)應(yīng)特征為（A2，B1，E1）。即有小孩的年輕媽媽是該款車型的主要用戶群。同樣分析L5：女性、小于30歲、公司白領(lǐng)、在二線城市生活，有小孩是該車型網(wǎng)上購(gòu)買者主要特征。

3.2協(xié)同過(guò)濾算法尋找潛在客戶

3.2.1潛在客戶定義

潛在客戶指企業(yè)為將自己的產(chǎn)品順利地推銷到消費(fèi)者的手中，在進(jìn)行推銷之前對(duì)客戶的心理、消費(fèi)方式、習(xí)慣、需求的分析，實(shí)質(zhì)是進(jìn)行可行性分析，最終挖掘符合自己的可能性客戶[3]。

3.2.2尋找潛在客戶

協(xié)同過(guò)濾尋找潛在客戶，實(shí)質(zhì)是尋找與老客戶特質(zhì)相似的客戶群。通過(guò)挖掘Web系統(tǒng)中與老客戶客戶相關(guān)的信息,后利用數(shù)據(jù)挖掘中的協(xié)同過(guò)濾可以找尋網(wǎng)上各類潛在客戶，再向潛在客戶展示特定的、有聯(lián)系的、個(gè)性化的內(nèi)容，進(jìn)行特定營(yíng)銷。當(dāng)用戶訪問(wèn)網(wǎng)站時(shí)，在商品上停留時(shí)間可以反映出用戶興趣度，長(zhǎng)表示感興趣，短則不感興趣?？捎糜脩粼L問(wèn)時(shí)間作為協(xié)同過(guò)濾所需的評(píng)價(jià)，以此來(lái)衡量用戶之間的相似性。整理數(shù)據(jù)后得到用戶-頁(yè)面矩陣表，表中所有數(shù)據(jù)的定義同一般矩陣類似。用戶之間的相似度可采用常用的向量空間相似度計(jì)算和Person相關(guān)度等方法，可算出兩個(gè)用戶的相似程度，將與老客戶的相似性程度按大小排序，取前n個(gè)用戶作為最相鄰用戶，可推測(cè)相鄰用戶和已購(gòu)車用戶行為特征最為相似，作為潛在客戶發(fā)展。

4結(jié)論

汽車電子商務(wù)為汽車企業(yè)帶來(lái)了豐厚利潤(rùn)，作為電子商務(wù)新星，正煥發(fā)蓬勃生機(jī)。將基于關(guān)聯(lián)規(guī)則和協(xié)同過(guò)濾應(yīng)用于汽車電子商務(wù)的潛在客戶挖掘，具有十分重要的意義。如今在海量的數(shù)據(jù)包圍的信息時(shí)代，數(shù)據(jù)挖掘必將推進(jìn)汽車電子商務(wù)的長(zhǎng)遠(yuǎn)發(fā)展。

參考文獻(xiàn)：

[1]毛國(guó)君，等.數(shù)據(jù)挖掘原理與算法[M].北京:清華大學(xué)出版社,2005.

[2]MichaelJ.A.Berry,GordonS.Linoff．?dāng)?shù)據(jù)挖掘[M].北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社,2004.

[3]烏文波.利用Apriori關(guān)聯(lián)規(guī)則挖掘電子商務(wù)平臺(tái)潛在客戶[J].科技創(chuàng)新與應(yīng)用,2011(24).

作者:郭林雪 單位:武漢理工大學(xué)