资源描述：
《电子商务环境下捆绑商品研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、2009/09总第389期商业研究COMMERCIALRESEARCH文章编号:1001-148X(2009)09-0186-03电子商务环境下捆绑商品研究裘立波,姜元春,林文龙(合肥工业大学管理学院,合肥230009)摘要:商品捆绑作为一种营销策略被广泛地应用于传统的商品销售之中。在电子商务环境下,针对以往注重单个商品之间的捆绑,提出了对捆绑商品的研究。将数据挖掘技术应用于捆绑商品,阐述了如何利用关联规则实现商品的捆绑,并通过对用户的聚类应用协同过滤方法实现目标用户的捆绑商品的个性化推荐。由此建立了一个捆绑商品推荐系统的体系结构框架。关键词:商品捆绑;关联规则;用户聚类;协同过滤中图
2、分类号:F713136文献标识码:AResearchonBundlingGoodsundertheCircumstancesofE-commerceQIULi-bo,JIANGYuan-chun,LINWen-long(SchoolofManagement,HefeiUniversityofTechnology,Hefei230009,China)Abstract:Commoditybundleasamarketingstrategyiswidelyusedintraditionalsalesofgoods.Forthepaststudyfo2cusingonasinglecommod
3、itybundle,thispaperputsforwardresearchoncommoditybundleunderthecircumstancesofe-commerce.Inthepaper,dataminingtechnologyisappliedtothebundlesales.Itnotesthathowtotakeadvantageofassociationrulestocompletebundleofgoods,andhowtoapplycollaborativefilteringtocompletethepersonalizedrecommendationofgoo
4、dsbundlingtothetargetuserbyuserclustering.Finally,aarchitectureframeworkofcommoditybundlerecommendedsystemisestablished.Keywords:commoditybundle;associationrules;userclustering;collaborativefiltering捆绑销售作为一种营销策略,具有提高商品竞争力、提供价格折扣、降低消费者支付意愿的分散程度等众[1]多优点,已被广泛的运用于传统的商品销售之中。以往对捆绑商品的研究往往局限于如何实现单个商品之间[
5、2][3]的捆绑,而忽略了用户对不同的捆绑商品也存在着不同的偏好,更无法根据用户喜好的不同对目标用户进行捆绑商品的个性化推荐。随着Internet在国内的普及,越来越多的商家把目光聚焦到因特网上,推动了电子商务网站地蓬勃发展,同时网上购物用户地激增也给商家带来了巨大的发展空间。在电子商务环境下,用户的浏览和购买行为数据会详细地记录在网站服务器的Web日志文件中,这为商家能够更加充分的了解用户,同时对捆绑商品的研究提供了十分有利的条件。网上购物所带来的便利性吸引了众多消费者,如何在网上对合适的商品实现捆绑并实现捆绑商品的个性化推荐以促进商品销售增加利润,同时提升用户忠诚度,已成为亟待解决
6、的问题。本文首先通过阐述了如何应用关联规则对数据集记录进行关联分析,找出商品之间潜在的相关性,实现不同商品之间的捆绑。其次,为提高捆绑商品在线推荐的质量,本文根据用户对捆绑商品的不同偏好对用户进行了离线聚类,把不同的用户分成了不同的类别,再利用协同过滤实现对目标用户的捆绑商品推荐,本文最后还给出了一个捆绑商品推荐系统的体系结构框架。一、关联规则关联规则最早是由Agrawal等人提出的,从诞生之初起就被应用于购物篮分析,目的就是发现客户的购买模式,比如寻找经常被一起购买的两件或更多件商品即哪些商品更适合被捆绑在一起销售。关联规则是形如[4]XvY的蕴涵式,其中,X是关联前件,Y是关联后件
7、。一般用下面两个参数描述关联规则的属性:收稿日期:2008-05-20作者简介:裘立波(1981-),男,浙江嵊州人,合肥工业大学管理学院研究生,研究方向:管理信息系统与电子商务;姜元春(1980-),男,山东莱西人,合肥工业大学管理学院博士研究生,研究方向:数据挖掘与GDSS;林文龙(1979-),男,福建龙岩人,合肥工业大学管理学院博士研究生,研究方向:数据挖掘。基金项目:国家自然科学基金项目,项目编号:70672097;国家自然科学基金重
