[发明专利]带负利润项的高效用序列模式在电子商务决策制定中的应用

说明书

技术领域

本发明涉及带负利润项的高效用序列模式在电子商务决策制定中的应用，属于序 列模式挖掘应用的技术领域。

背景技术

随着互联网技术越来越全面地渗透到人类社会、政治、经济、文化等各个领域,数 字化商业已经成为每个人、每个组织所必须面对的,电子商务、网络购物已经不再是一种选 择,而成为必然。近年来，网络购物因其便捷、经济等优势在世界各地得到了迅速普及与发 展，同时数据量也呈爆发式增长，每年都以几何数级增长，与此同时很多大型的电子商务网 站，如Amazon、阿里巴巴旗下的淘宝和天猫商城、京东等都积累了大量的客户交易数据。随 着购物网站数目的增多,各网络商家之间的竞争加剧。如何充分利用这些数据，获得客户的 购物模式，对客户进行个性化的商品推荐的同时还能使商家盈利最大，从而更好地提高网 站的服务质量和经济效益，是电子商务迫切需要解决的问题。

与传统的经营方式不同，电子商务的商家不能直观的去了解客户，获取的相关数 据有限(比如客户的注册信息，购买记录等)。通过对大量的客户购买记录进行分析和挖掘， 发现客户经常访问并且商家盈利比较大的序列模式，针对不同的客户属性和网上购物步 骤，采用不同的商品推荐形式，适时的向客户推荐恰当的商品，并优化电子商务网站商品的 摆放位置，优先推荐商家搞活动的商品，可以有效的增加客户的交易机会，将网站浏览者转 变为购买者，提高交叉销售能力，提高客户的忠诚度，以及提高网站的服务质量和经济效 益。

电子商务的个性化商品推荐，不需要付出很大的成本，只需要网站的内容根据每 个客户的特点进行适当的调整，根据每个客户的消费偏好制作较多的个性化商品推荐网 页，给客户提供较多的选择。这样也就相当于为每一个网络上的客户建立了一个网络上的 商店，向每个客户进行具有针对性的商品推荐，帮助客户从庞大的商品目录中挑选出真正 适合自己需要的商品。

基于序列模式分析进行个性化商品推荐，通常是采用最小支持度阈值来发现数据 库中某一段时间内的频繁序列，即在这个时间段内哪些商品会被客户购买的比较多。但由 于通过支持度阈值挖掘得到的频繁序列模式显示不出商业价值和影响，所以它们中的大部 分都不能为商业的决策制定提供有用的信息。许多情况下，很多真正感兴趣的有价值的模 式因为它的支持度比较低而被筛选掉，而支持度高的模式利润不一定高，如一台家用电器 的利润要比一包坚果的利润高很多，但是卖出家用电器的支持度比坚果要低很多，而且每 一种商品的价格、利润都不一样，有的客户针对同一种商品可能会购买好几件。为了解决这 种问题，利润(效用)被引入到频繁序列模式挖掘中，用于挖掘出用户感兴趣的具有较高实 用价值的序列模式(简称高效用序列模式、高价值序列模式或高利润序列模式)(High UtilitySequentialPatterns，HUSP)。效用可以用成本、利润或者其它用户喜欢的表达方 式来测量。频繁序列模式挖掘问题被重新定义为高效用序列模式挖掘，最小支持度阈值也 被替换为最小效用阈值,每个项都有2个属性，即单项利润和购买数量。

近几年有很多学者在挖掘用户感兴趣的带有利润项的序列模式这方面取得了一 定的研究成果，但是大部分都是只考虑了项的正利润，而没有提及负利润，而负利润在实际 应用中同样很重要。在实际应用中，有一些大型的商家为了吸引顾客，增加销售量，搞促销 活动，比如满多少金额免运费、满多少金额会赠送商品、向客户发送优惠券等等，而这些赠 送的商品、优惠券、运费对商家的收入来说就是负利润，最后发现商家若搞促销活动会比以 往盈利更多。这是一种销售策略，说明带负利润的项对于高效用序列模式挖掘来说是非常 有用的。目前关于负利润项的模式挖掘还不是很多，仅有几篇文章讨论了挖掘带负利润项 的频繁项集的方法，但是,目前为止还没有发现任何关于如何挖掘带负利润项的序列模式 的方法。因此,如何挖掘出用户感兴趣的且带负利润项的高效用序列模式是需要解决的关 键问题。

以电子商务平台中的网站用户购买订单数据为挖掘的数据源。

以5个客户在3个月内的交易为例，如表1是每个项的单位效用，也可称单项利润， 表2是已经整理好的客户购买序列数据库，此数据库与项的购买数量有关，所以前面加了一 个“q-”前缀。字母代表的是商品ID。

表1单位效用

表2Q-序列数据库

表3Q-序列效用