客户购买行为设计文档.doc

客户购买行为分析 设计文档 上海天律信息技术有限公司 二○○五年三月十一日 目录 一. 模型目的 3 二. 算法原理 3 1. 关联规则 3 三. 数据库模型建立 5 四. 数据筛选原则 6 五. 变量描述 6 六. 参数设置 6 七. 关联规则分析结果 6 1. 1项频繁集及结果说明 6 2. 2项频繁集表及结果说明 8 3. 3项频繁集表及结果说明 9 4. 强规则及结果说明 9 八. 模型结论 10 一. 模型目的 通过武钢客户订购产品的历史数据,分析这些产品之间存在的关系,即客户的购买行为 . 二. 算法原理 1. 关联规则 (1). 概述 关联规则是数据挖掘中一个重要的问题，是描述数据之间存在关系的规则,根据这些联系规则找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。发现这样的规则可以应用于商品货架设计、货存安排以及根据购买模式对用户进行分类。 (2). 支持度 支持度是指在事务集W中有s％的事务同时支持物品集A和B，s%称为关联规则A→B 的支持度。支持度描述了A和B这两个物品集的并集C在所有的事务中出现的概率有多少。例：如果某天共有1000个顾客到商场购买物品，其中有100个顾客同时购买了面包和黄油，那么上述的关联规则的支持度就是10％。 (3). 可信度 可信度是指事务集W中支持物品集A的事务中，有c％的事务同时也支持物品集B，c％称为关联规则A→B的可信度。简单的讲，可信度就是指出现在物品集A的事务T中，在物品集B中也同时出现的概率有多大。如：购买面包的顾客中有70％的人购买了黄油，则面包→黄油的可信度是70％。 (4). 最小频度 最小频度的取值范围为：［0，n］，n＝研究范围内，销售量最大的某种商品销售量。 系统默认值为2。其目的是为了剔除一些滞销商品进行模型的分析，以便重点研究正常商品的关联关系，且可避免分析结果的冗余，加快计算速度。 (5). 强规则 一般称满足一定要求的(如较大的支持度和可信度)的规则为强规则。因此,为了发现出有意义的关联规则,需要给定两个阈值:最小支持度和最小可信度。前者即用户规定的关联规则必须满足的最小支持度,它表示了一组物品集在统计意义上的需满足的最低程度;后者即用户规定的关联规则必须满足的最小可信度,它反应了关联规则的最低可靠度. (6). 项频繁集 项频繁集就是交易A发生的次数，1项频繁集就是购买商品A的客户数，2项频繁集就是同时购买两个商品A、B的客户数，依次类推。 三. 数据库模型建立 客户购买行为分析数据库建模图 四. 数据筛选原则 订单已经结案的记录, 即结案状态为’61’; 五. 变量描述 序号 模型任务 字段名称 1 交易ID 客户编码 2 商品ID 产品编码 变量描述表 六. 参数设置 序号 参数 设置 备注 1 最小支持度 2% 2 最小置信度 20% 参数设置表 七. 关联规则分析结果 1. 1项频繁集及结果说明 (1). 1项频繁集列表 1项频繁集 频繁项集 频 数 频繁项集 频 数 集装箱钢 9 碳素钢 8 耐候钢 18 板坯 19 石油管线钢 6 槽钢 4 优质碳素结构钢 7 低牌号取向硅钢（带出品） 5 碳素结构钢 80 气瓶钢 5 冷硬卷 18 深冲镀锌 4 普碳钢 5 容器钢 6 低合金钢 18 汽车用钢 8 重轨 8 优质碳素钢 4 1项频繁集表 (2). 1项频繁集表结果说明 订购集装箱钢的客户数为9; 订购耐候钢的客户数为18; 订购石油管线钢的客户数为6; 订购优质碳素结构钢的客户数为7; 订购碳素结构钢的客户数为80; 订购冷硬卷的客户数为18; 订购普碳钢的客户数为5; 订购低合金钢的客户数为18; 订购重轨的客户数为8; 订购碳素钢的客户数为8; 订购板坯的客户数为19; 订购槽钢的客户数为4; 订购低牌号取向硅钢（带出品）的客户数为5; 订购气瓶钢的客户数为5; 订购深冲镀锌的客户数为4; 订购容器钢的客户数为6; 订购汽车用钢的客户数为8; 订购优质碳素钢的客户数为4; 2. 2项频繁集表及结果说明 (1). 2. 2项频繁集列表 2项频繁集 频 数 耐候钢 碳素结构钢 6 优质碳素结构钢 碳素结构钢 6 碳素结构钢 普碳钢 4 碳素结