丛集规则于网路购物行为的分析与实例应用-npucsie.docVIP

叢集規則於網路購物行為的分析與實例應用 黃秋玲 溫美茹 吳志宏 張克彰 Chih-Hung Wu 樹德科技大學 資訊管理系 Department of Information Management Shu-Te University E-mail: hfnkat@.tw　wcarolyn@.tw johnw@.tw　jkj@.tw 摘 要 網路購物是未來的發展趨勢，該如何利用龐大的顧客交易資料，掘取出對企業有用的資訊，是網路化企業的重點工作。本研究使用資料探勘技術中的叢集法則實際分析一個網路購物商店的消費者購物行為。我們希望從資料庫中區隔出不同類型消費者的購物行為特徵，以提出相對市場行銷建議，進而支援決策者制定相關的促銷方案。我們討論資料探勘之叢集規則的每一個進行過程，並針對叢集分析的效果與限制，提出實際的數據與經驗。 關鍵詞: 電子商務(Electronic Commerce)、資料探勘(Data Mining)、叢集規則(Clustering Rule) 緒論 1.1研究背景 隨著網際網路的興起，許多企業嘗試在網際網路上提供各式各樣的服務與產品。根據蕃薯藤在2001台灣網路使用調查[1]網路上較常進行的活動對大部分的而言，經營者初期並不知道顧客的資料。經過一段時間，有些顧客會在網站上留有瀏覽紀錄、交易紀錄、使用服務項目與次數等，甚至留下資料成為會員。當這些客戶資料越來越多後，經營者就可以對這些資料進行分析，以瞭解顧客的特徵、喜好、購買習性耀欣股份有限公司實驗性購物網站校園內網路消費者行為顧客可以有效率地完成整個購買的過程[10]認為資料探勘是透過一些技巧與工具，來顯示資料的含義。Grupe及Owrang[6]認為資料探勘是指由已存在的資料中，發掘新事實及發現專家尚且未知的新關係。Frawley[5]等學者認為資料探勘是資料庫中非顯然地發掘隱含的、前所未知而可能有用資訊的過程。因此，資料探勘使用自動或半自動的方式對大量的資料做分析，以找出有意義的關係或法則[2]。 資料探勘的應用範圍非常多，例如網頁分析、企業市場區隔依據、客戶關係管理及個人化服務等等。目前，有許多資料倉儲系統和資料探勘工具的整合性軟體，使得分析成效越來越佳[9]。透過這種技術及工具，使用者可以從各種角度進行推論，對資料作不同的分析，粹煉出有用的資訊或發現資料間潛在的關聯性，可以提供決策者做決策上的依據，減少成本與時間上的浪費。 進行資料探勘需要六個步驟(如圖表 1所示)，分別是企業發現問題及需求；分析問題並開始收集相關資料；過濾原始資料；進行資料探勘；對結果作適當的分析；最後提出有效的報告給決策者。其中，資料過濾這個步驟是非常重要的，必須要確保資料的正確性，才不致於影響到最後的分析結果。當在進行探勘的過程中，如果發現結果不正確或不如預期時，就必須重新檢討資料收集或過濾的步驟，修正以後再繼續。所以資料探勘的過程不是單一方向的，而是一個循環式的過程。 圖表 1　資料探勘進行的步驟　　 2.2叢集規則(Clustering Rule) 資料庫中的資料依據資料表的屬性描述(schema)被儲存在資料表中。然而，同一屬性描述會有不同屬型值(value)的資料。叢集規則係指將所有的物件或資料，依據其屬性的相關程度，分成若干群集(cluster)。也就是說，依照不同屬性的特性，決定群集的個數，假如兩個記錄非常相似的話，就比較欄位的數值，使得每個群集內的物件具有高度的相似性，而不同的群集間具有高度的不相似性[4][8][3][11][18][13]。分群所需的屬性由目標決定，群集的數量及大小與屬性數目有關。然而決定群集的數目不是一件容易的事，過大或過小即表示群集間過於相似或差異太大，應當平衡群集的數量及大小，產生的結果較有實用價值。 這類的技術，最常被使用在市場區隔，例如可以從顧客資料庫中「住址」的欄位歸類出「北部」、「中部」、「南部」等群集；或者是從「年齡」欄位歸類出「老年」、「中年」、「青少年」、「兒童」等分類。應用叢集法則的目的[14][15]，通常在於創造顧客與保留顧客。依叢集的群集特徵例如：消費模式、購買產品、個人資料等，加以分群，再分析各群的忠誠度或判離度。再分析這些族群的差異，改善行銷策略。以直觀的方式了解不同客戶分群對行銷手段的反應，以找出的特質儘量地去滿足需求，使滿意度達到最高點，進而獲取最大的利潤[16]。例如，在銀行顧客消費行為[17]的研究中，使用Demographic Clustering來分析顧客身分背景資料，以區隔不同還款能力的客戶群。 2.3於電子商務的應用 叢集分析可以將相似特性的客戶分群圖表 2 圖表 2。圖表 3所示。 圖表 3　研究架構 3.2 進行步驟 蒐集並處理相關資料－在進行資料探勘之前，必須先確定資料探勘的目的