基于數據挖掘關聯規則技術的促銷決策研究

　　摘要：促銷活動在現今的商品銷售中發揮著巨大的作用。隨著時代的發展，促銷活動也展示出了新的趨勢，這就要求商家必須對促銷活動進行科學和量化的分析，制定出更精確和具有針對性的策略。文章通過對數據挖掘技術的研究，提出一種基于關聯規則發現頻繁模式的方法，進行促銷決策。
　　關鍵詞：促銷；數據挖掘；關聯規則
　　一、促銷的重要性和目前促銷活動的現狀
　　在競爭日趨激烈的商品銷售中，促銷活動正扮演著越來越重要的角色。促銷活動一直貫穿于商品銷售過程之中。合理的促銷活動曾經幫助商家創下了輝煌的銷售成績，但同時不合理的促銷活動也屢見不鮮。一些花樣百出的促銷活動，往往對于商品的宣傳或銷售業績的提升并沒有起到實質性的作用，并且還造成了促銷成本的極大浪費。而隨著時代的不斷發展和消費群體及消費習慣的變化，促銷活動也出現了新的特點：
　?。ㄒ唬┫M人群精確化
　　現在的促銷對象不再是針對整個大眾化的人群，而是把消費對象進行進一步的細化。根據不同的消費群體的消費特征和消費習慣，設計特定促銷方案，做到了精確化促銷；使促銷活動的宣傳費用、組織實施費用發揮得更加有效，促銷活動的效果也大大增強。
　　（二）產品銷售關聯化
　　通過對消費者需求的不斷分析和研究，發現越來越多的商品之間呈現較強的關聯性。同時，隨著互聯網絡的不斷發展和通信平臺的升級完善，即使是不相關的商品之間都能夠通過龐大的信息平臺實現聯盟。通過廠商之間以及品牌之間的聯合促銷代替原來的單獨促銷比較，能夠對市場產生更大的合力。聯合促銷可以對各個單獨的商品資源進行重新整合，打造多贏的市場格局。
　?。ㄈ┐黉N活動戰略化
　　隨著市場經濟的不斷發展，市場競爭日趨激烈，商家必須思考如何更合理有效地運用促銷：既要對抗競爭對手，爭奪市場分額，又要保證利潤空間；既要有效吸引消費者，又要維護和提升品牌形象；既要保證短期局部利益，又要考慮長期整體利益。從一開始就應該制定出促銷活動的整體規劃。
　?。ㄋ模┐黉N宣傳多樣化
　　在促銷方法日趨多樣的同時，消費者對促銷活動也會有更多的選擇，這就需要商家在進行促銷活動前進行充分的宣傳，更需要多個部門配合進行。同時，還要根據消費者的新變化，對新的宣傳媒體，比如手機短信、電子郵箱、廣播電視、現場廣告等綜合利用，從而達到多渠道促銷宣傳。
　　面對促銷活動的新特點，我們需要對促銷的各個方面進行詳細的分析，并從整體對促銷活動進行規劃。面對競爭激烈的市場和日趨理性的消費者，商家應該更詳細和精確化的處理促銷活動的每一方面，這就要求商家用更科學的方法來獲取促銷信息并制定促銷策略。面對收集的海量客戶信息，數據挖掘技術給我們提供了發現促銷關聯和規則的方法，從而幫助我們進行促銷策略的分析和制定。
　　二、數據挖掘技術的功能
　　所謂數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的原始數據中提取隱含在其中的、事先未知的、但又是潛在有用的信息和知識的過程。通過數據挖掘技術，能夠找出已有數據之間的潛在聯系，從而促進信息的傳遞，對將來的趨勢和行為進行預測，從而很好地支持人們的決策。隨著數據處理工具、先進數據庫技術及萬維網技術的迅速發展，不斷涌現出大量的形式各異、類型復雜的數據，要處理此類數據以使價值最大化，引入了Web數據挖掘。
　　數據挖掘系統需要能夠挖掘多種類型的模式，以滿足不同用戶的需求和應用。其中的頻繁模式在商業統計分析中起到了巨大的作用。頻繁模式是在數據中頻繁出現的模式，包括項集、子序列和子結構三種類型。挖掘頻繁模式能發現數據中的有趣的關聯和相關，其常用的分析方法有以下幾種：
　　第一，關聯規則挖掘技術。Web數據挖掘中數據關聯規則的發現是找到客戶對網站上各種文件之間訪問的相互聯系。比如用戶之間、頁面之間以及用戶瀏覽頁面和網上行為之間的潛在關系，通過關聯挖掘可以從雜亂無規則的客戶信息中挖掘出隱含的有用信息，有利于企業更好地組織站點。
　　第二，聚類分析技術。在電子商務中，聚類多指客戶群體聚類和Web網頁聚類，Web網頁聚類提供有針對性的網絡服務應用，它主要幫助是市場分析人員從客戶數據倉庫中發現不同購買模式的客戶群，通過聚類分析可以使電子商務組織者更好的了解客戶。
　　第三，分類分析技術。分類時建立模型的數據對象的類別是已知的，可挖掘出某些共同的特性，而這一特性可對新添加到數據庫里的數據項進行分類。在Web數據挖掘中，分類技術可以得到用戶個人信息、共同的訪問模式以及訪問某一服務器文件的用戶特征。
　　第四，統計分析方法。通過對Session文件的分析，可以對感興趣的信息進行統計，一般包括各種統計數據，如最頻繁訪問的N個頁面、每頁平均瀏覽時間、網址路徑平均訪問長度等，也可能涉及一些關于限制的錯誤分析，如統計非法IP、無效URI和未授權訪問等，這些信息對于提高系統性能，加強網站安全起到輔助決策作用。
　　三、使用數據挖掘技術進行促銷決策
　　根據上面介紹的數據挖掘技術，現提出一種基于關聯分析挖掘頻繁模式的促銷策劃方案。其具體步驟如下：
　?。ㄒ唬┟鞔_促銷目的
　　常見的促銷目的有：增加鋪貨量；擴大銷量；新品上市；處理庫存；對抗競爭。概括起來促銷的目的就是增加銷量和推薦產品。在明確了促銷目的后，待銷售的商品也就隨之確定。
　　（二）鎖定目標人群
　　由于每一類人群的購物喜好和消費習慣都不相同，商家就必須針對不同的商品鎖定相應的目標人群。當明確了待促銷的商品后，我們可以通過數據挖掘技術對以往的銷售記錄進行挖掘，找出該類商品的銷售規則，從而鎖定目標人群。
　　在挖掘目標人群時，首先要根據該商品的特性設定需達到的參數，如支持度support、置信度confidence等。再由銷售記錄中顧客的詳細信息中選取感興趣的若干屬性進行挖掘，找出與該商品相關的多維頻繁項集。從得到的頻繁項集中的顧客屬性鎖定消費人群。例如，當確定要對商品A進行促銷，而感興趣的顧客屬性是顧客的年齡段age和收入income（也可根據需要選取或添加其他屬性），則可把待挖掘模式設定為：
　　age（X，value）∧income（X，value）→buy（X，A）[support，confidence]
　　其中，X表示顧客的姓名或ID號；value表示該屬性的值；buy屬性指明的是所購買的商品，這里都選定為A商品；Support為支持度，表示滿足該模式的事務在所有參與挖掘的事務中所占的百分比，如上式support=10%表示100個事務中有10個滿足上述條件；confidence為置信度，表示該規則的強度，如上式confidence=50%，表示滿足規則左端條件時有50%的可能會同時滿足規則的右端條件。
　　根據挖掘模式中的屬性項構造銷售事務的數據立方體。由于選取了age和income兩個屬性，所以要構造2-維立方體如圖1所示（如果選取屬性較多要構造相應的多維立方體）。
　　對每個由這兩個屬性劃分的小立方體進行賦值，該值達到預先設定的參數的小立方體將被進行標識，根據標識的立方體的位置先進行合，簡化挖掘出的規則，最終鎖定對商品A滿足要求的人群。鎖定目標人群完成。
　?。ㄈ┐_定促銷時間
　　促銷時間可根據兩種規則模式進行挖掘，一種模式是針對待銷商品A進行挖掘，找出該商品的銷售旺季，如季度quarter、月份month等。其挖掘模式可設定為：
　　quarter（X，value）∧month（X，value）→buy（X，A）[support，confidence]
　　另一種模式是針對上面挖掘出的目標人群，挖掘其習慣的消費發生時間，如周中還是周末weekend（值yes/no），白天還是夜晚night（值yes/no），商場還是網絡以及哪一個時間段time等。其挖掘模式可設定為：
　　weekend（X，value）∧night（X，value）∧time（X，value）→quarter（X，value）∧month（X，value）[support，confidence]
　　根據模式中的屬性構造數據立方體，挖掘確定促銷進行的時間。
　?。ㄋ模┻x取促銷策略
　　具體的促銷策略可謂五花八門，層出不窮，常用的促銷策略有：打折、贈品、積分、抽獎、聯合銷售?？傊?，所有的促銷策略都是變向的增加商品的附加價值。這里主要討論贈品和聯合銷售。這兩種促銷策略都是靠除本商品外的附加商品來吸引消費者，那么贈品和搭配商品的選取就顯得尤為重要。我們可以通過數據挖掘的單維關聯規則模式進行挖掘。
　　其挖掘模式可設為：
　　buy（X，A）→buy（X，value）。。?！腷uy（X，value）[support，confidence]
　　其挖掘結果可能為：buy（X，A）→buy（X，B）∧buy（X，C），此規則說明購買商品A的顧客很可能同時購買商品B和C。那么如果促銷目的是為了提高待銷商品的銷量，則可以選取商品B或C作為商品A的贈品；或者對商品A、B、C進行聯合銷售。通過商品B、C提高商品A的銷量。如果促銷的目的是推薦新產品D與A屬于同一類商品，也可以根據該規則，將其作為商品B或C的贈品等方法。
　?。ㄎ澹┐黉N策略檢驗
　　對挖掘出來的關聯規則進行相關分析，通過計算各商品之間的提升度lift來判斷設計出來的策略是否合理。如果購買商品A和購買商品B這兩個事件是互不影響的，則稱商品A和B不依賴，即P（AUB）=P（A）P（B）；否則就稱A和B是依賴的，我們用提升度lift來度量其依賴關系：
　　lift（A，B）=P（AUB）/P（A）P（B）
　　若lift（A，B）=1時，說明商品A和B的銷售相互之間沒有影響；若lift（A，B）>1，說明商品A和B的銷售是正相關，可以相互促進；而當lift（A，B）<1，說明商品A和B的銷售是負相關，一種商品的銷售會引起另一種銷量的降低。并且，當一個商家針對多個商品進行促銷時，還可通過該檢驗分析各促銷活動之間是否會發生沖突而引起銷量的降低。
　　四、總結
　　數據挖掘技術能通過挖掘各種頻繁模式找到各種銷售事務之間的關聯，從而商家從海量數據中識別客戶的購買行為特征，發現客戶購買模式和趨勢。它基本可以滿足新形勢下促銷活動精確化、數據化以及戰略化的要求。數據挖掘豐富的挖掘模式以及多樣的分析方法還可以從另外的角度對促銷活動提供幫助，甚至挖掘并延伸出更新穎的促銷形式，還有待于進一步的研究和發現。
　　參考文獻：
　　1.