商务数据分析报告

本科学生综合性实验报告项目组长张梦瑶 学号成员专业国际经贸班级 国贸142实验项目名称商务数据分析报告指导教师及职称开课学期2015至2016学年 下 学期上课时间 2016 年 6 月 16 日1. 商业理解阶段网上销售与传统的店面销售不同，没有售货员提供现场咨询服务。但是， 网上销售可以利用互联网的优势，为用户提供更优质的服务。由于服务器会 记录用户在浏览电子商务网站时的所有行为，因此，企业很容易收集用户的 浏览记录、交易信息及偏好数据。在个性化推荐技术的关联规则分析中，最典型的例子是购物篮分析，其 目标是发现交易数据库中不同商品之间的联系强度，挖掘用户潜在购买模 式，并将这些模式所对应的服务或产品展示给用户，为其提供参考，从而提 高用户的满意度及购买率。2. 数据理解阶段本案例采用淘宝网的用户交易数据进行分析，每条交易记录包括记录号 和顾客购买的商品，表1给出了数据集中各属性名及意义，表2为部分交易 实例数据示例。表1数据集属性信息属性名属性意义交易号ID唯标识每次用户的交易商品名购买的商品名数量购买的每一样商品的数量单价购买商品的单价表2部分数据实例ID商品 名数量单价商品 名数量单价商品 名数量单价商品 名数量单价1女装T 恤279短裙2118休闲 男装199连衣 裙1352女装T 恤179短裙1118伞1153女装T 恤179短裙255高跟 鞋163连衣 裙1354女装T 恤1119短裙155高跟 鞋1635女装T 恤2119短裙145高跟 鞋1636女装T 恤1119短裙145高跟 鞋263洗发 水2853.数据准备阶段原始数据集可能包含了一些冗余的数据、空值和零值等，这种格式不能 作为关联规则分析算法的输入，需要对数据进行预处理。本案例的预处理中 包括过滤掉原始数据集中的商品数量和单价这两个属性。同时为了保护顾客 的隐私，过滤了用户名属性，并且用交易号来唯一表示顾客的每一次交易。 处理后的数据集如表3所示。表3部分预处理后的数据交易 号商品1商品2商品名3商品名41女装T恤短裙休闲男装连衣裙2女装T恤短裙伞3女装T恤短裙高跟鞋连衣裙4女装T恤短裙高跟鞋5女装T恤短裙高跟鞋6女装T恤短裙高跟鞋洗发水在Clementine软件进行关联规则挖掘时，必须把数据格式转换成Clementine软件能处理的格式。通常有两种格式：一种是布尔矩阵形式，即 每行表示一条交易记录，列中的T/F值表示该商品是否有在相应的交易记录 中出现，T表示有出现，F表示没有出现（表4列出转换后的前3条记录信 息如一种是事务处理格式，即每行对应一个交易号和一个商品项（表5列 出了前3个事务对应的事务处理格式）。表4布尔矩阵格式数据集交易 号女装T恤短 裙电脑配 件男装牛仔 裤休闲男 装1TTFFT2TTFFF3TTFFF表5事务处理格式数据集交易号女装T恤1女装T恤1短裙1休闲男装2女装T恤2短裙3女装T恤3短裙4. 数据建模利用Clementine中的Apriori算法进行关联规则分析，设定最小支持 度1%,最小置信度50%，输入为布尔矩阵格式的交易数据（如表4），输出商 品的关联规则及相应的支持度、置信度和提升度信息（如表6）。表中显示“高 跟鞋”和“洗发水”、“童装”和“玩具”、“文具”经常被一起购买。表6 Apriori算法运行结果5. 模型评估我们选取以下的关联规则向顾客进行推荐。规则1：（玩具、文具）二童装规则2：洗发水=高跟鞋规则3：玩具=童装规则4：地毯=家具规则5：（短裙、高跟鞋）=女装T恤规则6：（童装、文具）=玩具再结合规则和实际经验知识，可以对规则进行进一步优化处理。在本案 例中，可以对规则1（玩具、文具）=童装和规则3玩具=童装进行合 并，以规则3的形式呈现。6. 模型发布通过建模分析由得出的关联规则，企业就可以得到商品销售的一些合理 搭配，进而设定相应的推荐策略。如在顾客购买了地毯后，可以向其推荐家 具类商品；或者当顾客购买了童装后，可以向其推荐玩具和文具类商品；这 些都可能是顾客感兴趣或需要的商品。