基于Apriori算法的四川省卷煙市場的研究

四川大學工商管理學院 周欣胤 何躍

四川省擁有眾多的吸煙人口，但國內(nèi)卷煙企業(yè)眾多，生產(chǎn)集中度低；產(chǎn)品同類不同質(zhì)，功能單一缺少差異化，相互間替代性較強，使得卷煙市場競爭激烈。只有掌握卷煙消費群體的特征，才能提高卷煙企業(yè)在市場上的占有率，提高經(jīng)濟效益。以往卷煙市場的分析只是對市場統(tǒng)計數(shù)據(jù)進行單項分析，忽略了數(shù)據(jù)之間可能存在的關(guān)聯(lián)性，而這些關(guān)聯(lián)模型對卷煙企業(yè)提高經(jīng)濟效益具有更重要的實際意義。

文章使用clementine軟件建立Apriori關(guān)聯(lián)規(guī)則挖掘模型，對四川省2007年卷煙市場數(shù)據(jù)進行研究，找出其中的關(guān)聯(lián)規(guī)則。

1 Apriori 算法簡介

Agrawal等在1993年設計了關(guān)聯(lián)規(guī)則挖掘的基本算法Apriori[1]。其核心是基于兩階段頻集思想的遞推算法。該關(guān)聯(lián)規(guī)則在分類上屬于單維、單層、布爾關(guān)聯(lián)規(guī)則。在這里，所有支持度大于最小支持度的項集稱為頻繁項集，簡稱頻集。

該算法的基本思想：首先找出所有的頻集，這些項集出現(xiàn)的頻繁性至少和預定義的最小支持度一樣。然后由頻集產(chǎn)生強關(guān)聯(lián)規(guī)則，這些規(guī)則必須滿足最小支持度和最小可信度。然后使用第1步找到的頻集產(chǎn)生期望的規(guī)則，產(chǎn)生只包含集合的項的所有規(guī)則，其中每一條規(guī)則的右部只有一項，這里采用的是中規(guī)則的定義。一旦這些規(guī)則生成，那么只有那些大于用戶給定的最小可信度的規(guī)則才被留下來。為了生成所有頻集，使用了遞推的方法。

2 提取四川省卷煙市場關(guān)聯(lián)規(guī)則

四川省2007年卷煙市場數(shù)據(jù)來源是四川省卷煙市場調(diào)查問卷數(shù)據(jù)。在四川省境內(nèi)不同地州市共發(fā)出4000份調(diào)查問卷，收回2743份有效問卷。問卷數(shù)據(jù)不能直接作為數(shù)據(jù)源使用，因為clementine軟件的Apriori 算法只能處理布爾型的數(shù)據(jù)。因此，需要將問卷中的數(shù)據(jù)轉(zhuǎn)換成布爾型的數(shù)據(jù)。具體做法是每個問題的每個選擇項都作為一維數(shù)據(jù)，選擇該項則值為1，否則為0[2]。

2.1 收入水平與客戶購買卷煙價位

將轉(zhuǎn)換好的客戶收入水平與客戶購買卷煙價位數(shù)據(jù)存入EXCEL文件并作為數(shù)據(jù)源在clementine軟件中輸入，將客戶收入水平設定為“輸入”，購買卷煙價位設定為“輸出”，支持度設為10%以上，置信度20%以上，建立Apriori 關(guān)聯(lián)規(guī)則挖掘模型得到輸出結(jié)果如表1所示。由表1可知，收入水平在1000以下購買卷煙價位在4到5元的支持度在27.436%，說明了前項收入水平在1000以下的客戶在所有客戶中所占的比例是27.436%，置信度是51.402，說明了收入水平在1000以下的客戶有51.402的概率購買4到5元價位的卷煙?？梢钥闯鲭S著收入水平的增加，用戶會購買更多不同價位的卷煙。客戶在購買這些不同價位的卷煙的概率差別不大。也就說明了收入增加，卷煙價格對決定客戶購買價位的作用就越來越小。卷煙廠為了吸引更多高收入的客戶群體不能只從卷煙的價格考慮，而要從香煙的品質(zhì)、包裝等多方面去考慮。

表1 收入水平與購買價位關(guān)聯(lián)規(guī)則

表2 收入水平與常吸煙種關(guān)聯(lián)規(guī)則

2.2 收入水平與常吸煙種關(guān)聯(lián)規(guī)則

將轉(zhuǎn)換好的客戶收入水平與常吸煙種數(shù)據(jù)存入EXCEL文件并作為數(shù)據(jù)源在clementine軟件輸入，將客戶收入水平設定為“輸入”，常吸煙種設定為“輸出”，支持度設為5%以上，置信度10%以上，結(jié)果如表2所示?？梢钥闯鍪杖?500元以下的客戶更偏愛軟紅梅、蓋紅梅與蓋紅河這三種煙，收入在3000到5000的客戶更偏愛紅嬌。卷煙廠需要大量生產(chǎn)這幾種煙以保證其產(chǎn)量能滿足客戶的需求。

2.3 收入水平與購買途徑關(guān)聯(lián)規(guī)則

將轉(zhuǎn)換好的客戶收入水平與購買途徑數(shù)據(jù)存入EXCEL文件并作為數(shù)據(jù)源在clementine軟件輸入，將客戶收入水平設定為“輸入”，購買途徑設定為“輸出”，支持度設為10%以上，置信度20%以上，結(jié)果如表3所示。

表3 收入水平與購買途徑關(guān)聯(lián)規(guī)則

可以看出客戶的收入水平在1500以下時，置信度都非常高，說明了這些客戶都是有80%左右的概率完全自己購買香煙。當收入水平增加到1500以上時，就會出現(xiàn)客戶有20%左右的概率“自己買部分、別人送部分”。當收入水平增加到2000到3000時，客戶“自己買部分、別人送部分”的概率會更高。可以總結(jié)出客戶的收入水平越高，“自己買部分、別人送部分”的概率就會越高。卷煙廠為了增加高收入的客戶的購買量，就可以考慮生產(chǎn)禮品煙或者包裝較好的卷煙，提高銷量。

3 結(jié)語

文章采用了數(shù)據(jù)挖掘方法研究四川省卷煙市場數(shù)據(jù)，在clementine 中建立關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘模型，旨在通過數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則算法，將購煙客戶的群體特征與購買特征組成模式，在一定的模式出現(xiàn)顯著程度的基礎上，從數(shù)據(jù)集整體中分離出這部分顯著程度較高的模式，并以直觀的方法展示出來，提取其中的規(guī)則，供卷煙廠參考。

在四川省卷煙市場數(shù)據(jù)中運用Apriori算法還可以挖掘出更多的規(guī)則，比如：低收入客戶偏愛軟硬紅梅、蓋紅河的原因，客戶職業(yè)與年齡對每日吸煙量的影響等。

[1]R.Agrawal etal.Database mining:A Performance Perspective IEEET ransactions on knowledge and Data Engineering,1993,(5):914～925.

[2]Mehmed Kantardzic.數(shù)據(jù)挖掘－概念、模型、方法和算法[M].北京:清華大學出版社,2002.