基于數據挖掘對電商促銷活動的銷量預測研究

劉帥 李相如 趙潤方 徐旭 張文杰 李艷娟

摘 要：通過研究以往電商促銷活動基本情況及歷史數據，運用數據挖掘與數據分析技術對某次促銷活動銷量進行預測和分析，針對淘寶店是否參加這次電商促銷活動的決策問題，基于整體銷量的角度進行決策建模分析。經過對銷量的預測分析，可得到促銷活動對銷量增長的促進作用是否可以達到商家的要求，是否可以幫助商家盈利或者可以獲得比不參加促銷活動更大的利潤，從而幫助商家做出正確的銷售決策。

關鍵詞： 電商促銷活動; 銷售效應;數據挖掘

【Abstract】 By studying the basic situation and historical data of previous e-commerce promotion activities， this paper forecasts and analyzes the sales volume of a promotion activity using data mining and data analysis method， and conducts decision-making modeling analysis from the perspective of overall sales volume for the decision-making problem of whether taobao stores participate in this e-commerce promotion activity. After the above forecast analysis on sales， it is feasible to learn whether the activities' promotion of sales growth can meet the requirements of the merchants， whether participating in the activities could help the business to make a profit or get a bigger profit than not to participate in the activities. Therefore， the research is helpful for ?merchants to make the right sales decisions.

【Key words】 ?e-commerce promotional activities; sales effect; data mining

0 引 言

隨著互聯(lián)網大數據的發(fā)展，基于數據挖掘的相關研究在電子商務中的應用正日漸趨于廣泛，一方面呈現(xiàn)出高速增長態(tài)勢，另一方面可以預見的是其未來的研究前景也必然更加廣闊。因而近年來，已經受到了業(yè)界眾多學者的高度重視與關注。時下，電子商務網站的交易量以及越來越多的使用人數也都在體現(xiàn)著電子商務的強大行業(yè)引領能力。毋庸諱言，其優(yōu)越性是顯而易見的。電子商務可使人們的生活購物變得便捷，可以使人們足不出戶就能買到千里之外的商品;可使人們無需跑路就能買到物美價廉的商品。然而站在電商平臺以及賣家的立場來說，就需要考慮顧客的消費心理，即如何才能賣出更多的商品，這就需要精準定位消費者的購物意向。現(xiàn)如今國內外的電商平臺都已經啟動了對消費者心理的精準預測。比如國內的阿里巴巴，國外的亞馬遜平臺，就都會記錄下每天在其平臺上的用戶消費記錄，憑此來預測顧客的消費習慣，同時有針對性地推出一些促銷活動，將用戶潛在所需商品精準地推薦給目標客戶，用戶也會省下搜尋各類中意商品的時間，可謂是一種雙贏之舉。但仍有研究指出，目前的各大商家競爭日益激烈，從而催生出種類多樣、良莠不齊的促銷活動。而在有些促銷活動中，活動舉辦商家并不能取得預期的利潤，甚至還會導致虧損。基于此，如果能夠預先知道該類促銷活動是否會盈利，或者是否可以獲得比不參加活動更大的利潤，那么商家就可以利用這一點來判斷是否開展該類促銷活動。本次研究就是利用數據挖掘和樸素貝葉斯分類算法來進行銷量預測，從而幫助商家盡可能獲取最大化利益。對此，擬做研究論述如下。

1 研究方法

研究發(fā)現(xiàn)，吸引客戶和商家注意力的各類指標中，首推的2項就是商品評價和銷售量。因此，本文通過結合活動期間以及活動期外這2個方面的效應來進行分析。研究選用銷售量來分析銷售效應，選用商品評價來提取客戶對商品的好壞評價數量并加以分析。綜上可得，整體效應分析模式詳見表 1。

這里，主要采用假設性分析方法，提出如下假設：

H1： 活動銷量能夠達到日常銷量的n倍

H2： 活動銷量不能夠達到日常銷量的n倍

其中，n為商家設定的一個確定值。

2 數據準備

本文主要選取某淘寶店歷史數據進行分析。利用網絡爬蟲來取得所需數據，考慮到活動預期通常情況下均為2天，且所能爬取到的數據只有月銷量，所以本文將活動對應月份作為活動期進行標記處理，其它月份的數據標記為非活動區(qū)間，即日常期間。針對同一種類商品（衣服）的同一季度的不同品牌，繪出銷量對比圖，即如圖1所示。同時，研究中還以評價和折扣作為影響銷量的因素，因而將商品評價和商品折扣爬取下來，繪制后結果具體如圖2、圖3所示（圖1～3中的數據均為所選取的示例數據）。

3 數據分析

本次研究中，采用樸素貝葉斯算法作為分類算法。將評價和折扣率作為條件，活動期間銷量和日常銷量的比例作為結果，即結果為活動銷量能夠達到日常銷量的n倍和活動銷量不能夠達到日常銷量的n倍。結合示例數據，條件為好評占比90%以上和折扣率10%以上;預測結果為活動銷量能夠達到日常銷量的1.5倍和活動銷量不能夠達到日常銷量的1.5倍。

4 結束語

本文以雙十一活動為例，基于某淘寶店歷史數據對其促銷活動的效應進行分析。先利用網絡爬蟲爬取相關數據，再使用樸素貝葉斯算法構建貝葉斯分類器。使用之前爬取的數據對分類器進行樣本訓練后，再用示例數據來進行驗證。在實驗過程中發(fā)現(xiàn)商品評價和折扣率對促銷活動期間的商品銷量有著重要影響，所以將這2個因素作為特征。經過示例數據檢驗和統(tǒng)計分析得出，經過樣本訓練后的樸素貝葉斯分類器，可以大概預測出活動銷量是否可達到日常銷量的n倍，這樣就能夠幫助商家擬定合理商業(yè)行為決策。此外，鑒于實際條件限制，本文主要是針對某淘寶商家進行的小范圍研究。后續(xù)在條件允許的情況下則可以立足于平臺視角進行長期、且大范圍的活動效應分析。

參考文獻

[1]王玉珍. Web 數據挖掘的分析與探索[J].電腦開發(fā)與應用， 2003，16（4）：73-74.

[2]朱建平. 數據挖掘的統(tǒng)計方法及實踐[M]. 北京：中國統(tǒng)計出版社，2005.

[3]周緒倩. 基于電子商務的 Web 數據挖掘系統(tǒng)架構的研究[D]. 邯鄲：河北工程大學，2010.

[4]畢方明，張永平. 數據挖掘技術研究[J].計算機工程與設計，2004，25（12）：2242-2244.

[5]范治軍. 基于數據挖掘的入侵檢測研究[D]. 大連：大連理工大學，2012.

[6]陳京民.數據挖掘與電子商務的客戶滿意度[C]//2004中國（福州）國際電子商務學術交流大會暨2004中國國際電子商務高級學術論壇、中國國際電子商務高等教育論壇、中國國際電子商務立法研究學術論壇、中國國際電子商務應用技術研究高級論壇. 福州：中國科學技術協(xié)會學會學術部，福建省科協(xié)，2004：36-37.

[7]國剛，楊青. 基于數據挖掘的客戶忠誠度分析[J]. 價值工程，2013（6）：140-143.

[8]譚磊. New Internet：大數據挖掘[M].北京： 電子工業(yè)出版社，2013.

[9]劉軍，呂俊.大數據時代及數據挖掘的應用[N].國家電網報，2012-05-15（10）.

[10]LINDEN G，SMITH B，YORK J. Amazon recommendations：Item-to-item collaborative filtering[J].IEEE Internet Computing，2009，7（1） ：76-80.

[11]張華忠.貝葉斯算法研究[J]. 數字技術與應用，2013（11）：102.

[12]時雷，虎曉紅，席磊. 樸素貝葉斯分類算法及其應用研究[J]，光盤技術，2018（11）：54.

[13]趙文濤，孟令軍，趙好好，等. 樸素貝葉斯算法的改進與應用[J]. 測控技術， 2016（2）：143-147.