基于商品標簽化與關聯規則的電子商務商品關聯推薦研究

王寶軍

摘 要：本文通過商品標簽化與關聯規則數據挖掘技術相結合的方法，建立多維度標簽化交易數據集，利用關聯規則挖掘算法構建多維度關聯規則集，探索電子商務企業商品關聯推薦的精準化與智能化應用研究。

關鍵詞：關聯規則;精準營銷;電子商務

引言：隨著大數據與人工智能技術的快速發展與成熟，電子商務領域也迎來了新的發展機遇與挑戰，如何更加智能、精準、有效地向客戶推送合適的商品，已然成為各大電子商務賣家極力提升的核心競爭力之一。電子商務企業面對海量的商品與多樣化的客戶需求，在商品關聯推薦方面還缺少智能有效的方法與工具，雖然部分企業已經借助關聯規則方法為企業進行關聯商品推薦，但因未能考慮客戶標簽因素而精準度不足。因此，本文將通過商品標簽化與關聯規則挖掘技術結合的方法，探索千人千面背景下電子商務商品關聯推薦的精準化與智能化。

一、關聯規則及其傳統應用方法中的不足

1.關聯規則基本概念

關聯規則是通過對事務數據庫進行關聯性分析與挖掘，尋找事務之間的簡單關聯關系或者序列關聯關系，其一般表現形式為：前項→后項（支持度（support）=s%，置信度（confidence）=c%），或簡寫為X→Y（S=s%，C=c%）。假設在電商環境存在X和Y兩種商品，規則X→Y中，支持度表示X和Y同時被購買的概率P（X∩Y），置信度表示X被購買的情況下，Y被購買的條件概率P（Y|X）。

2.關聯規則在電子商務商品關聯推薦應用中的不足

通過“啤酒與尿布”的故事，我們了解了傳統商超市場可以通過關聯規則挖掘發現商品之間的相關性，并通過優化商品貨架及櫥窗擺放提升商品交易額。電子商務環境下，利用關聯規則也能幫企業進行商品相關性的挖掘，為客戶推送合適的關聯商品，然而對比超市貨架擺放的單一方式，電子商務平臺的商品推薦可以因人而異，然而傳統的關聯規則方法應用缺少對客戶因素的考慮，關聯推薦缺乏差異化，不符合未來智能化、精準化的營銷發展要求。

二、商品標簽化與關聯規則組合應用

鑒于傳統關聯規則方法未能結合客戶因素，因人而異的個性化向客戶推送關聯商品，本文將結合電子商務實際，通過商品標簽化與關聯規則技術相結合的方法，面向多樣的客戶標簽特征，探索智能化關聯商品推薦策略。

1.商品標簽化

商品標簽化是指根據商品的屬性特征和客戶標簽特征為商品進行打標的過程，通過不同標簽維度的打標，實現商品標簽與訪客標簽的有機結合，其過程分為產品歸并、標簽設計和標簽填充，流程詳見圖1。

圖1 商品標簽化流程圖

（1）商品歸并

依據商品上一級商品類目屬性以及企業自身商品目錄設計對商品進行歸并，產生商品統稱表，如表1為商品歸并示例。

（2）商品標簽設計

企業根據消費者標簽特征因素，進行不同維度的商品標簽設計，商品標簽的設計需要結合客戶需求，選取對消費者影響較大的維度作為商品標簽項，如果客戶需求發生了重大變化，商品標簽也需要做相應的更新。

商品標簽項目設計，還需與客戶資料數據庫相匹配，能夠在客戶訪問店鋪過程中，從客戶資料數據庫中識別出相應的維度，如消費層級、客戶年齡等標簽。如果企業所設計商品標簽，無法在客戶數據庫或者客戶訪問信息中提取到，那這個維度設計將缺乏實用性。例如客戶心情標簽，企業無法通過客戶登錄信息而判斷客戶的心情狀況，因此這個標簽缺乏實用性。

（3）商品標簽填充

對于商品標簽的填充不能機械完成，商品標簽填充質量的好壞將直接影響到商品關聯規則的挖掘，企業需對消費者進行精細調研與細分，結合商品屬性因素，正確完成商品標簽列表的填充，形成標簽化商品列表，如表2示例。

2.商品列表維度化

根據業務需要，將商品統稱與商品標簽列表結合，形成不同維度的商品維度列表，商品維度化名稱通過商品編號關聯，如表3。

3.交易數據獲取與格式化

進行商品關聯規則研究的理想數據來自于企業的訂單數據，但是當需要對市場或者競爭對手進行研究時，企業也可以通過采集相關企業電子商務平臺公開的評價數據，進行反向交易訂單推導，但是這種方法可能會有一定誤差且時效有一定滯后。企業獲得交易數據后，需要對交易數據格式化處理，生成由（交易序號，商品編號）構成的交易列表，如圖2。

4.交易列表維度化

依據商品維度化列表，將交易列表中的商品編號替換為商品維度化名稱，生成維度化交易列表。維度化交易列表的數量取決于產品標簽的數量，不同的標簽還可以結合使用，如價格與功效結合，生成價格功效維度交易列表，企業應根據實際需要及客戶數據庫標簽現狀，生成所需的維度化交易列表，如表4示例。

5.多維度關聯規則挖掘及應用

在生成交易維度化列表后，企業擁有了來自不同標簽維度視角的交易數據集，此時企業需要利用合適的關聯規則算法，對不同維度的交易數據集進行關聯規則挖掘，從不同的維度視角生成多維度關聯規則集，然后再根據客戶的標簽信息（如：消費層級、性別等），從對應維度的關聯規則集中提取關聯商品進行推送，其應用流程見圖3。

三、商品標簽化與關聯規則應用示例研究

本示例研究將基于商品標簽化與關聯規則經典算法aprior結合進行，對某家居用品天貓旗艦店商品的關聯規則進行研究。本研究通過八爪魚軟件抓取該店鋪公開評論數據，并通過將評論數據中的用戶名、用戶等級及交易日期組合作為用戶識別標志，以識別同一客戶的評論行為，從而反推一段時期的用戶交易數據。本文一共采集評價數據8781條，識別用戶交易5448筆。

1.價格維度標簽化關聯規則挖掘

根據該天貓店鋪價格分布特點，對價格區間標簽進行填充，即可生成基于價格維度的交易列表，然后通過關聯規則挖掘，設定最小支持度S=0.001及最小置信度C=0.4，得到基于價格維度的商品關聯規則。為更好展示挖掘結果，表5對挖掘的規則進行重復項及相似項進行剔除，優先展示梯度值較高的5條關聯規則。

價格區間標簽與消費者的消費層級以及歷史平均客單價密切相關，企業可以通過識別客戶的消費層級標簽，確定客戶所處的價格區間，精準應用相應關聯規則向客戶推送合適的商品。根據挖掘的關聯規則，相同或相近價位層級的商品容易共同售出，也體現了消費者在產品價格區間上具有購買習慣，正確價位匹配的商品推薦更容易符合客戶的需要，從而產生更高的流量轉化率。

2.功能維度標簽化關聯規則挖掘

根據該天貓店鋪商品功能屬性，對交易中涉及的商品功能標簽屬性進行填充，并生成基于商品功能維度的交易列表，然后進行關聯規則挖掘，設定最小支持度S=0.001與最小置信度C=0.4，生成基于功能維度的商品關聯規則，為更好展示挖掘結果，表6對挖掘的規則進行重復項及相似項進行剔除，優先展示梯度值較高的5條關聯規則。

商品功能維度與消費的功能性購物偏好維度關系密切，如皮膚干燥的客戶傾向購買滋潤型護膚商品，而有美白功能需求的客戶則偏向于購買美白類護膚商品，因此企業可以通過挖掘消費者的購物記錄，對客戶進行功能性打標，然后將客戶標簽與挖掘的關聯規則相匹配，為客戶精準的推送功能性相關商品。從挖掘到的關聯規則來看，相同或相近功效的商品容易共同售出，也印證了客戶購物具有功能性偏好，精準的功能維度產品推送，能更加有效觸及客戶的需求點，提升流量的轉化率。

四、結語

基于電子商務市場競爭的不斷加劇，流量成本也在不斷攀升，精準有效的關聯商品推送是電商平臺及企業提升流量價值與企業效益的有效手段，本文通過商品標簽化方法與關聯規則挖掘應用技術的融合，挖掘構建多維關聯規則集，依據客戶標簽差異化進行商品關聯推薦，為電子商務精準化、智能化商品關聯推薦提供了一個新的思路。

參考文獻：

[1]袁曉建，張岐山，甘智平，陳煥輝，傅龍天.Apriori算法的改進及在電子商務中的應用[J].福州大學學報（自然科學版），2018，46（03）：330-334.

[2]李佳慧，趙剛.基于大數據的電子商務用戶畫像構建研究[J].電子商務，2019（01）：46-49.

[3]劉海，盧慧，阮金花，田丙強，胡守忠.基于“用戶畫像”挖掘的精準營銷細分模型研究[J].絲綢，2015，52（12）：37-42+47.