數(shù)據(jù)挖掘技術(shù)在快遞品牌選擇上的應(yīng)用

吳 迅，楊亞能，王曉東，薛 明，楊 柳

（湖北物資流通技術(shù)研究所，湖北 襄陽 441002）

1 引言

物流行業(yè)作為我國國民經(jīng)濟(jì)的重要產(chǎn)業(yè)，近年來發(fā)展迅速，特別是隨著電子商務(wù)的快速發(fā)展，網(wǎng)上購物的興盛，物流業(yè)更是迎來了發(fā)展的春天。正是因?yàn)槲锪鳂I(yè)的快速發(fā)展，跟物流相關(guān)的快遞企業(yè)如雨后春筍般一個(gè)個(gè)破土而出，這些快遞企業(yè)之間形成了競(jìng)爭(zhēng)，而制約這些快遞企業(yè)能夠穩(wěn)定健康發(fā)展的最重要的因素便是快遞的客源量。本文正是在這個(gè)背景之下，利用數(shù)據(jù)挖掘的方法，選擇國內(nèi)五家快遞公司為研究對(duì)象，研究什么樣的因素會(huì)造成客戶選擇哪一個(gè)品牌的快遞，并把影響客戶選擇哪一個(gè)快遞品牌的條件提供給各品牌快遞公司，以供其有針對(duì)性的選擇并發(fā)展客源。

2 研究方法的構(gòu)建

本節(jié)主要通過采集可能影響客戶選擇快遞品牌的多種因素?cái)?shù)據(jù)，并對(duì)這些數(shù)據(jù)做相應(yīng)的數(shù)據(jù)處理，同時(shí)通過閱讀數(shù)據(jù)挖掘相關(guān)文獻(xiàn)，得到一種能夠分析處理這些采集過來數(shù)據(jù)的方法，并利用該方法實(shí)現(xiàn)對(duì)數(shù)據(jù)的挖掘分析。其總體流程圖如圖1所示。

2.1 數(shù)據(jù)的收集

針對(duì)有快遞需求的人們，通過他們對(duì)快遞選擇的主觀意識(shí)和客觀行為活動(dòng)的研究，確定出影響人們對(duì)快遞品牌選擇的幾個(gè)主要因素，它們分別為：客戶年齡（age），客戶性別（gender），客戶工作（job），客戶受教育程度（education），客戶對(duì)某個(gè)品牌快遞的主觀印象好壞（evaluation），客戶的收入（income），了解所選擇快遞的方式（contact）。并把這些數(shù)據(jù)轉(zhuǎn)換成Excel 表格的形式。其中客戶性別用m 表示男性，w表示女性；客戶工作用r表示白領(lǐng)類工作，e表示藍(lán)領(lǐng)類工作，w表示其他類型工作；受教育程度用r表示研究生以上學(xué)歷，b表示大專或者本科學(xué)歷，o表示其它學(xué)歷；客戶對(duì)某個(gè)品牌快遞的主觀印象好壞分別用A、B、C、D、E 代表三通一達(dá)與順風(fēng)五種品牌的快遞，了解所選擇快遞的方式用D代表快遞公司本身的宣傳，用I 代表通過其它人的介紹，用W 代表通過網(wǎng)絡(luò)查詢獲得。

圖1 總體流程圖

2.2 數(shù)據(jù)的處理

在獲取的數(shù)據(jù)中，存在著原始數(shù)據(jù)的離散化程度不夠，影響數(shù)據(jù)分析結(jié)果的缺陷，為了克服該缺陷，必須進(jìn)行一些數(shù)據(jù)的處理，在本文中處理前的數(shù)據(jù)利用數(shù)據(jù)分析軟件WEKA分析的結(jié)果如圖2所示。

圖2 處理前數(shù)據(jù)

在圖2中，八幅圖片中除最后一幅圖kind屬性代表上述七種因素作用的結(jié)果外，其它七幅圖分別代表七種影響因素，每幅圖中每個(gè)直方圖的高低代表屬性的數(shù)量，直方圖中不同的顏色代表這個(gè)屬性在不同取值時(shí)五種快遞各自所占的比例。可以明顯的看到客戶年齡（age）和客戶收入（income）數(shù)據(jù)在橫坐標(biāo)上連續(xù)分布，沒有斷點(diǎn)，對(duì)于離散化的數(shù)據(jù)分析會(huì)產(chǎn)生一定的影響。利用Python 程序?qū)xcel 數(shù)據(jù)進(jìn)行處理，把客戶年齡分成4個(gè)階段，用字母J表示九零后及其以下的年齡，B 表示八零后，Q 表示七零后，L表示六零后及其以上的年齡。把客戶收入同樣也分成4 個(gè)等次，用字母G 表示超高收入，M1 表示高收入，M2表示中等收入，D表示低收入。處理后的數(shù)據(jù)如圖3所示。

圖3 處理后的數(shù)據(jù)

3 實(shí)現(xiàn)方法

本節(jié)利用J48 即C4.5 算法對(duì)上述經(jīng)過采集處理后的數(shù)據(jù)進(jìn)行挖掘分類，并根據(jù)分類結(jié)果得到最能影響人們選擇快遞品牌的條件。

3.1 J48算法的實(shí)現(xiàn)

J48算法是在ID3算法的基礎(chǔ)之上優(yōu)化改進(jìn)而來的，但與ID3 算法不同的是J48 算法挑選的是數(shù)據(jù)中最高信息增益率的屬性為測(cè)試屬性。其基本思想是在樣本集T中，假設(shè)變量a有k個(gè)屬性，它們的取值分別為 a1，a2，...，ak,相應(yīng)的a取值為 ai的樣本集中有ni個(gè)數(shù)，假設(shè)n 為所有樣本數(shù)的和，有n1+n2+...+ni=n，則為了獲取樣本a 的屬性信息所付出的代價(jià)可以用a的熵值H(X,a)表示為：

信息增益率可以定義為平均互信息比上獲取a信息所付出的代價(jià)，可以表示為：

具體建樹過程見表1。

輸入：訓(xùn)練集S，特征集A。輸出：決策規(guī)則集

算法：C45_DT（A,S）

表1 J48算法建樹過程

3.2 J48算法仿真結(jié)果

在WEKA 平臺(tái)上，以上述J48 算法為基礎(chǔ)，建立J48 算法模型，再以上述采集到的數(shù)據(jù)為研究對(duì)象，把這些數(shù)據(jù)在J48算法模型中進(jìn)行訓(xùn)練，調(diào)整模型以及模型參數(shù)，最終通過不斷的調(diào)整參數(shù)，得到的最好分類結(jié)果如圖4所示。

圖4 分類的結(jié)果

在圖4中，所建立的模型分類正確率為70%，該模型具有很高的參考價(jià)值。得到的決策樹如圖5所示。

圖5 決策樹

在圖5中，可以看到影響一個(gè)人對(duì)哪種快遞品牌選擇的最重要的因素是Evalution，即客戶對(duì)某個(gè)品牌快遞的主觀印象好壞，其次是inconme即客戶收入以及age 即客戶年齡，最次要的是客戶的性別，該決策樹由四層組成，每層之間是與的關(guān)系，Evalution 為樹的根節(jié)點(diǎn)，客戶對(duì)哪種品牌快遞的選擇會(huì)受到如下條件的影響：

（1）當(dāng)客戶對(duì)A快遞的主觀印象比較好，收入為超高（G）和高（M1）時(shí)會(huì)選擇A快遞，收入為低（D）時(shí)會(huì)選擇E 快遞，收入為中等（M2），性別為男性（m）時(shí)會(huì)選擇A快遞，性別為女性（w）時(shí)會(huì)選擇C快遞。

（2）當(dāng)客戶對(duì)B快遞和D快遞的主觀印象比較好時(shí)，會(huì)直接選擇B和D快遞。

（3）當(dāng)客戶對(duì)C 快遞的主觀印象比較好，且年齡為八零后（B）、六零后及其以上（L）、七零后（Q）時(shí)，會(huì)選擇A快遞，年齡為九零后（J）時(shí)會(huì)選擇C快遞。

（4）當(dāng)客戶對(duì)E 快遞的主觀印象比較好，且收入為高（M1）、中等（M2）、低（D）時(shí)會(huì)選擇E 快遞，當(dāng)收入為超高（G）時(shí)，會(huì)選擇A快遞。

4 結(jié)論

本文通過對(duì)有快遞需求的客戶主觀意識(shí)和客觀情況進(jìn)行研究，選取了可能影響客戶選擇快遞品牌的多種因素?cái)?shù)據(jù)—客戶的年齡、性別、工作、收入、受教育程度以及對(duì)某個(gè)品牌快遞的主觀印象好壞，并把影響客戶選擇快遞品牌的這些數(shù)據(jù)通過數(shù)據(jù)挖掘技術(shù)中的J48算法建立了模型，通過參數(shù)的調(diào)整得到了正確率最高的模型，以及得到了影響客戶選擇快遞品牌的決策樹，通過該決策樹，得到了影響客戶選擇快遞品牌的四個(gè)先決條件。同時(shí)，在該決策樹的建立中，由于采集的影響因素偏少，采集的數(shù)據(jù)量偏小，導(dǎo)致模型的正確率沒有達(dá)到最佳狀態(tài)，決策樹的普適性不高，在今后的研究中將加大對(duì)影響因素的設(shè)定和數(shù)據(jù)量的采集，以達(dá)到?jīng)Q策樹普適性的條件。