商务数据分析报告

1、本科学生综合性实验报告工程组长张梦瑶 学号 0141262成 员专业 国际经贸 班级国贸142实验工程名称商务数据分析报告指导教师及职称李虹来开课学期 2021至2021学年 下 学期上课时间2021 年 6 月 16 日1 .商业理解阶段网上销售与传统的店面销售不同,没有售货员提供现场咨询效劳.但是,网上销售可以利用互联 网的优势,为用户提供更优质的效劳.由于效劳器会记录用户在浏览电子商务网站时的所有行为,因 此,企业很容易收集用户的浏览记录、交易信息及偏好数据.在个性化推荐技术的关联规那么分析中,最典型的例子是购物篮分析, 其目标是发现交易数据库中不同商品之间的联系强度,挖掘用户潜在购置模

2、式,并将这些模式所对应的效劳或产品展示给用户, 为其提供参考,从而提升用户的满意度及购置率.2 .数据理解阶段本案例采用淘宝网的用户交易数据进行分析,每条交易记录包括记录号和顾客购置的商品,表1给出了数据集中各属性名及意义,表2为局部交易实例数据例如.表1数据集属性信息属性名属性意义交易号ID唯一标识每一次用户的交易商品名购置的商品名数量购置的每一样商品的数量单价购置商品的单价表2局部数据实例ID商品名数 量单 价商品 名数量单价商品名数量单价商品 名数量单价1女装T恤279短裙2118休闲男 装199连衣 裙1352女装T恤179短裙1118伞1153女装T恤179短裙255高跟鞋163连衣

3、 裙1354女装T恤1119短裙155高跟鞋1635女装T恤2119短裙145高跟鞋1636女装T恤1119短裙145高跟鞋263洗发 水2853 .数据准备阶段原始数据集可能包含了一些冗余的数据、空值和零值等,这种格式不能作为关联规那么分析算法的输入,需要对数据进行预处理. 本案例的预处理中包括过滤掉原始数据集中的商品数量和单价这两个 属性.同时为了保护顾客的隐私,过滤了用户名属性,并且用交易号来唯一表示顾客的每一次交易. 处理后的数据集如表 3所示.表3局部预处理后的数据交易号商品1商品2商品名3商品名41女装T恤短裙休闲男装连衣裙2女装T恤短裙伞3女装T恤短裙高跟鞋连衣裙4女装T恤短裙高

4、跟鞋5女装T恤短裙高跟鞋6女装T恤短裙高跟鞋洗发水在Clementine软件进行关联规那么挖掘时,必'须把数据格式转换成Clementine软件能处理的格式.通常有两种格式：一种是布尔矩阵形式,即每行表示一条交易记录,列中的 T/F值表示该商品是否有 在相应的交易记录中出现,T表示有出现,F表示没有出现表 4列出转换后的前 3条记录信息；种是事务处理格式,即每行对应一个交易号和一个商品项表5列出了前3个事务对应的事务处理格式.表4布尔矩阵格式数据集交易号女装T恤短 裙电脑配件男装牛仔裤休闲男胃麦1TTFFT2TTFFF3TTFFF表5事务处理格式数据集交易号女装T恤1女装T恤1短裙1休

5、闲男装2女装T恤2短裙3女装T恤3短裙4 .数据建模利用Clementine中的Apriori算法进行关联规那么分析,设定最小支持度1%,最小置信度50%,输入为布尔矩阵格式的交易数据如表4,输出商品的关联规那么及相应的支持度、置信度和提升度信息如表6.表中显示“高跟鞋和“洗发水、“童装和“玩具、“文具经常被一起购置.1 6 Apriori算法运行结果5 .模型评估我们选取以下的关联规那么向顾客进行推荐.规那么1：玩具、文具=童装规那么2:洗发水= 高跟鞋规那么3:玩具=童装规那么4:地毯=家具规那么5:短裙、高跟鞋=女装T恤规那么6:童装、文具=玩具再结合规那么和实际经验知识,可以对规那么进行进一步优化处理.在本案例中,可以对规那么1玩具、文具=童装和规那么3玩具.童装进行合并,以规那么 3的形式呈现.6 .模型发布通过建模分析由得出的关联规那么,企业就可以得到商品销售的一些合理