距离双十一越来越近
不知道各位小伙伴的购物车是否已经填满呢
选择心仪的物品时是否也会购买一些看似没用的商品
经常网购的你一定会遇到以下一些问题
图-感兴趣的宝贝
图-推荐购买
关于这些链接，大家有思考过这其中的原因是什么吗？
参加2017大数据分析专业竞赛 辽宁赛区的小伙伴已经迫不及待为您解答您的困惑了哦
2017年10月14日，第十届全国大学生网络商务创新应用大赛-2017大数据分析专业竞赛辽宁分区赛在沈阳工程大学举行。
沈阳理工大学物流教研室王海鹰教授，沈阳工业大学电子商务教研室主任赵红，沈阳体育学院唐春玲教授，沈阳航空航天大学经理管理学院副院长荆浩，辽宁省团校教学部主任兰文巧副教授作为本次分区赛现场的嘉宾和评委出席了本次活动。
在比赛现场，各团队经过方案陈述和答辩两个环节，由专家评审团最终评选出辽宁赛区各参赛作品的名次，并进行现场颁奖。
| 学校 | 队伍名称 | 奖项 |
| 沈阳理工大学 | 起点团队 | 特等奖 |
| 沈阳理工大学 | 拉格朗日的微笑 | 一等奖 |
| 沈阳工业大学 | 疾风战队 | 一等奖 |
| 辽宁师范大学 | 数据柠檬 | 二等奖 |
| 沈阳工程学院 | 虹之翼 | 二等奖 |
| 沈阳工程学院 | 开拓者团队 | 二等奖 |
| 沈阳工程学院 | 非常”4+1“ | 三等奖 |
| 沈阳工程学院 | 绝艺 | 三等奖 |
| 沈阳工程学院 | 沈工物流1对队 | 三等奖 |
| 沈阳体育学院 | 365Fresh | 三等奖 |
图-评委认真点评
图-起点团队认真讲解
￥用户分析我来答
（满--浏览一次可以使用）
电商平台用户购买行为分析-沈阳理工大学-起点团队
作品解读
背景导入
随着生产市场由卖方市场向买方市场的转换,消费者经济收入的增长和消费意识的增强,网购日益成为提高整个社会生产效率的重要决定因素。研究消费者行为的规律性，掌握消费者购买倾向成为当下各企业研究最为热门的指标之一。
数据分析
关于以上热点信息，辽宁赛区-沈阳理工大学-起点团运用logis JMT数据挖掘平台上的电商用户购买行为数据，利用数据挖掘工具JMT对用户行为问题进行了分析。
图-数据导入
接着他们对这些数据进行了数据预处理与清洗的工作
图-user id
图-brand id
图-type
图-visit datetime
通过大数据挖掘平台可视化模块中，在绘图矩阵中可以看到任意两个属性的关系。
图-各属性间关系
图-项集大于0.1
图-项集最大的前20个项集
建模分析
为了研究用户的购物行为，这里我们将用户当时发生的行为类型type中的1（购买）2（收藏）3（加入购物车），这三类因子表示用户可能具有的购买倾向。通过数据库查询获取type=1|type=2|type=3的子数据集。
先查看数据集中的一些基本信息。
图-数据基本信息
上图提供我们一个创建稀疏矩阵的概要，经过粗略计算矩阵中有251*1294个位置。在数据集生成期间共有251*1294*0.00609093=1978件商品有意向被购买。进一步我们可以确定平均交易包含了1978/251=7.88(种）不同商品。这为我们下面选择支持度和置信度提供了依据。
下图列出了事务型数据中最常购买的商品。由此可以看出277791号商品被购买的次数最多。其次是7868号商品被购买16次。
图-最常购买的商品
而下图为我们呈现的是一组关于交易规模的统计。总共有30次交易只包含一件单一的商品，而有一次交易包含了65类商品。大约一半的交易中的商品数在3类左右，均值7.884，和刚才大致分析的结果一致。
图-交易规模的统计数据
图-支持度至少为4%的直方图
为了更加直观的观察数据的规律，限制图中的商品具体数量，显示top20，然后直方图根据支持度降序排序，下图显示了数据集中的前20类商品。
图-前20类商品
图-随机抽取的200次交易
相对稠密的部分表示，商品的受欢迎度。不过总体还是服从随机分布。
上述数据的基本分析和处理已经完成，接下来主要寻找购物者选购商品间的联系。也就是我们今天所讲的数据挖掘方法——关联规则。该作品中的关联规则算法运用的是比较常见的Apriori算法。
进入JMT平台-关联分析界面，点击后设置参数。
图-关联分析参数设置
结果分析
根据（市场）购物篮分析的目标，最有用的规则或许是那些具有最高支持度、置信度和提升度的规则。而由于提升率本身表示的实际性，接下来我们以提升率的指标进行排序输出。
图-展示前十条规则
基于以上结果，沈阳理工的小伙伴给出如下几点建议：
洞察消费者行为
所谓知己知彼，百战不殆，企业营销也是如此。不管企业做任何的营销推广活动，其前提就是要做到消费者行为洞察，也就是深入了解消费者。
选择目标客户
通过关联分析洞察消费者行为，了解他们的差异化需求，进而将其划分为若干具有明显特征区别的群体，最后根据区分出来的群体特征结合公司的产品定位选择一个或若干个目标群体，在此基础上，对目标群体中的消费者行为模式与价值进行判断，进一步深度细分，区分优质客户与一般客户，最后为他们提供具有差异化的营销策略。
推送个性化广告
通过挖掘大量的网络用户行为数据，发现其兴趣特征，从而在适当的时候向用户推送用户感兴趣的产品信息或广告，不同用户之间的广告内容也不相同，这就给用户造成一种个性化广告定制的感觉，而且它还能实时监控广告的效果。
改善用户体验，提高顾客满意度
由于影响用户体验的因素有很多，企业则要找出用户最为关心和介意的因素，针对这些因素提供相应的改进和服务，从而改善用户体验，提高顾客满意度。
如上的购物问题
小伙伴们都清楚了吗
用的是大数据分析中的关联规则哦
声明：微信文章为独家原创，欢迎个人用户分享到朋友圈；其他任何形式的转载，请联系本公号取得授权，否则将追究法律责任。长风大数据（微信号：cf-dsj）隶属于Logis北京络捷斯特科技发展股份有限公司，简称：络捷斯特，证券代码：834832。
长风大数据（微信号：cf-dsj）基于多行业的海量数据资源，为企业运营和院校科研提供先进的数据挖掘分析工具，帮助用户释放数据价值、捕获深层信息。
联系电话：010-65568598转8013
电子邮箱：cfdsj@logis.cn
网址：http://www.cfdsj.cn
