王寶軍

摘 要：本文通過商品標簽化與關聯(lián)規(guī)則數(shù)據(jù)挖掘技術相結合的方法，建立多維度標簽化交易數(shù)據(jù)集，利用關聯(lián)規(guī)則挖掘算法構建多維度關聯(lián)規(guī)則集，探索電子商務企業(yè)商品關聯(lián)推薦的精準化與智能化應用研究。

關鍵詞：關聯(lián)規(guī)則;精準營銷;電子商務

引言：隨著大數(shù)據(jù)與人工智能技術的快速發(fā)展與成熟，電子商務領域也迎來了新的發(fā)展機遇與挑戰(zhàn)，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(yè)面對海量的商品與多樣化的客戶需求，在商品關聯(lián)推薦方面還缺少智能有效的方法與工具，雖然部分企業(yè)已經借助關聯(lián)規(guī)則方法為企業(yè)進行關聯(lián)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(lián)規(guī)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(lián)推薦的精準化與智能化。

一、關聯(lián)規(guī)則及其傳統(tǒng)應用方法中的不足

1.關聯(lián)規(guī)則基本概念

關聯(lián)規(guī)則是通過對事務數(shù)據(jù)庫進行關聯(lián)性分析與挖掘，尋找事務之間的簡單關聯(lián)關系或者序列關聯(lián)關系，其一般表現(xiàn)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(huán)境存在X和Y兩種商品，規(guī)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(lián)規(guī)則在電子商務商品關聯(lián)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(tǒng)商超市場可以通過關聯(lián)規(guī)則挖掘發(fā)現(xiàn)商品之間的相關性，并通過優(yōu)化商品貨架及櫥窗擺放提升商品交易額。電子商務環(huán)境下，利用關聯(lián)規(guī)則也能幫企業(yè)進行商品相關性的挖掘，為客戶推送合適的關聯(lián)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(tǒng)的關聯(lián)規(guī)則方法應用缺少對客戶因素的考慮，關聯(lián)推薦缺乏差異化，不符合未來智能化、精準化的營銷發(fā)展要求。

二、商品標簽化與關聯(lián)規(guī)則組合應用

鑒于傳統(tǒng)關聯(lián)規(guī)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(lián)商品，本文將結合電子商務實際，通過商品標簽化與關聯(lián)規(guī)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(lián)商品推薦策略。

1.商品標簽化

商品標簽化是指根據(jù)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(xiàn)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(jù)商品上一級商品類目屬性以及企業(yè)自身商品目錄設計對商品進行歸并，產生商品統(tǒng)稱表，如表1為商品歸并示例。

（2）商品標簽設計

企業(yè)根據(jù)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(fā)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(shù)據(jù)庫相匹配，能夠在客戶訪問店鋪過程中，從客戶資料數(shù)據(jù)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(yè)所設計商品標簽，無法在客戶數(shù)據(jù)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(yè)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(lián)規(guī)則的挖掘，企業(yè)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(jù)業(yè)務需要，將商品統(tǒng)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(lián)，如表3。

3.交易數(shù)據(jù)獲取與格式化

進行商品關聯(lián)規(guī)則研究的理想數(shù)據(jù)來自于企業(yè)的訂單數(shù)據(jù)，但是當需要對市場或者競爭對手進行研究時，企業(yè)也可以通過采集相關企業(yè)電子商務平臺公開的評價數(shù)據(jù)，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(yè)獲得交易數(shù)據(jù)后，需要對交易數(shù)據(jù)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(jù)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(shù)量取決于產品標簽的數(shù)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(yè)應根據(jù)實際需要及客戶數(shù)據(jù)庫標簽現(xiàn)狀，生成所需的維度化交易列表，如表4示例。

5.多維度關聯(lián)規(guī)則挖掘及應用

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

三、商品標簽化與關聯(lián)規(guī)則應用示例研究

本示例研究將基于商品標簽化與關聯(lián)規(guī)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(lián)規(guī)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(shù)據(jù)，并通過將評論數(shù)據(jù)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(shù)據(jù)。本文一共采集評價數(shù)據(jù)8781條，識別用戶交易5448筆。

1.價格維度標簽化關聯(lián)規(guī)則挖掘

根據(jù)該天貓店鋪價格分布特點，對價格區(qū)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(lián)規(guī)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(lián)規(guī)則。為更好展示挖掘結果，表5對挖掘的規(guī)則進行重復項及相似項進行剔除，優(yōu)先展示梯度值較高的5條關聯(lián)規(guī)則。

價格區(qū)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(yè)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(qū)間，精準應用相應關聯(lián)規(guī)則向客戶推送合適的商品。根據(jù)挖掘的關聯(lián)規(guī)則，相同或相近價位層級的商品容易共同售出，也體現(xiàn)了消費者在產品價格區(qū)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(lián)規(guī)則挖掘

根據(jù)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(lián)規(guī)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(lián)規(guī)則，為更好展示挖掘結果，表6對挖掘的規(guī)則進行重復項及相似項進行剔除，優(yōu)先展示梯度值較高的5條關聯(lián)規(guī)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(yè)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(lián)規(guī)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(lián)規(guī)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(lián)商品推送是電商平臺及企業(yè)提升流量價值與企業(yè)效益的有效手段，本文通過商品標簽化方法與關聯(lián)規(guī)則挖掘應用技術的融合，挖掘構建多維關聯(lián)規(guī)則集，依據(jù)客戶標簽差異化進行商品關聯(lián)推薦，為電子商務精準化、智能化商品關聯(lián)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?zhí)?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(shù)據(jù)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.