和志強，羅長玲，陳萌，王夢雪

(河北經(jīng)貿(mào)大學 信息技術(shù)學院，河北 石家莊 050061)

人們對于大學實踐類課程教學模式的探索和改革已歷經(jīng)多年，但隨著經(jīng)濟的發(fā)展及社會對人才需求的變化，目前此類課程的建設(shè)仍然存在不少短板。一是“模擬實踐”依然占主導地位，學生缺乏參與真實場景的實踐機會；二是“針對性弱”的不足普遍存在，缺乏對現(xiàn)實問題的關(guān)注和回應；三是“實效欠缺”的問題比較明顯，實訓效果不理想。

針對上述問題，本文以河北經(jīng)貿(mào)大學市場營銷專業(yè)《商業(yè)實踐》課程為例開展研究，搭建了一個兼具實訓實踐功能的真實電商平臺——“經(jīng)貿(mào)購商城”，明確了經(jīng)營模式并組建了師生運營團隊，為學生提供實訓環(huán)境支持。在實訓環(huán)節(jié)中，一個重要的問題是如何能快速的實現(xiàn)新產(chǎn)品的擴散和推廣[1,2]、更好地挖掘顧客的潛在價值[3]，從而提高產(chǎn)品知名度、創(chuàng)造更大的收益。為了協(xié)助學生更好地解決這一問題，更有針對性地開展實踐教學并提升實訓效果，本文綜合運用計算機和市場營銷相關(guān)理論，提出了基于WEFCMO聚類算法的引導型商品營銷實訓輔助策略，為參加實訓的學生提供營銷輔助手段和指導，幫助其在商業(yè)實踐中快速提升銷售業(yè)績及營銷能力。

1 引導型商品營銷實訓輔助策略研究

1.1 策略設(shè)計思想

引導型商品營銷實訓輔助策略旨在對學生營銷實訓進行指導，幫助學生快速地將新產(chǎn)品推廣到市場，同時提高客單價和商品銷量。它的主要思想是首先依據(jù)商品購買記錄信息建立商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡，為挖掘商品之間潛在的共同購買關(guān)系提供數(shù)據(jù)支撐；同時為降低后續(xù)聚類算法的搜索空間，對關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡進行剪枝操作；然后利用WEFCMO算法對網(wǎng)絡中具有潛在聯(lián)系的商品進行聚類，得到各類的高連接度節(jié)點集合，集合的數(shù)目即為類的數(shù)目；其次依據(jù)商品新舊、類別、價格等屬性劃分商品檔次，將每類商品劃分為新商品和非新商品，同時將商品由高檔到低檔劃分為5種檔次；最后依據(jù)商品聚類及類別劃分結(jié)果，為實訓學生提供每類待推廣商品的引導型營銷次序信息，輔助其提升商品擴散范圍及銷售規(guī)模。

具體操作步驟如下：

Step1：建立商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡G=，并獲取具有共同購買關(guān)系的商品矩陣；

Step2：對網(wǎng)絡G低度的商品節(jié)點進行剪枝，降低搜索空間；

Step3：利用WEFCMO算法對網(wǎng)絡G進行聚類；

Step4：按一定規(guī)則劃分商品新產(chǎn)品和檔次類別；

Step5：依據(jù)聚類和商品檔次劃分結(jié)果，實訓學生可以選擇推廣的商品。

圖1為引導型商品營銷實訓輔助策略流程圖。

1.2 構(gòu)建商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡

如上文所述，為了實現(xiàn)輔助策略，構(gòu)建了商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡，其過程包括以下3步:

1)設(shè)商品節(jié)點的集合為V，商品節(jié)點的數(shù)量為N，即V={v1，v2，…，vi，…vN}，vi表示第i種商品的節(jié)點，每一個商品的節(jié)點表示某一種具體的商品，比如vi表示小浣熊干脆面。

2)根據(jù)消費者購買的消費記錄，來建立商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡G=,有購買關(guān)系的商品作為邊，用eij表示商品節(jié)點vi和vj之間存在共同購買的關(guān)系的邊，邊的集合E={eij}，所有商品之間存在共同購買關(guān)系的的矩陣表示為(eij)N*N，其中vj表示第j種商品的節(jié)點，j=1，2，…，N。

3)Ωi是與商品vi共同購買的商品和共現(xiàn)權(quán)值的集合，權(quán)值dij表現(xiàn)的是商品vi與vj之間存在共同購買關(guān)系的強度，即商品vi與vj出現(xiàn)共同購買的次數(shù)。

圖1 引導型商品營銷實訓輔助策略流程圖

為敘述簡單起見，這里以實訓平臺上實際銷售的6種商品為例構(gòu)建其共同購買關(guān)系網(wǎng)絡，表1為6種商品的銷售記錄，其中商品序號1～6表示6種不同商品，表中打“√”表示購買了該商品。

表1 6種商品的銷售記錄

圖2為依據(jù)銷售記錄構(gòu)建的6種商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡，其中數(shù)字1～6表示商品的節(jié)點，節(jié)點之間的連線表示存在共同購買關(guān)系。

Ωi獲取的步驟如下：

Step1：設(shè)定當前商品節(jié)點j=1，Ωi=?，即設(shè)定Ωi為空集；

Step2：若j≤N，則轉(zhuǎn)到Step3，否則轉(zhuǎn)到Step5；

Step3：若商品節(jié)點與vj相鄰，即存在購買關(guān)系，則將(vj，dij)存入到Ωi中，其中dij是vi與vj的共現(xiàn)次數(shù)值，否則轉(zhuǎn)到Step4；

Step4：令j=j+1，轉(zhuǎn)到Step2；

Step5：停止，得到Ωi。

圖3為表1中商品之間共同購買關(guān)系和共現(xiàn)權(quán)值的集合。

圖2 表1對應的商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡

圖3 表1對應的Ω集合

1.3 商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡剪枝

為降低搜索空間并減少偶發(fā)購買關(guān)系對聚類結(jié)果的影響，對上述Ωi進行剪枝操作：

Step1：設(shè)置共現(xiàn)強度的閾值dc；

Step2：設(shè)定當前商品節(jié)點序號i=1；

Step3： 將Ωi中的共現(xiàn)節(jié)點強度小于dc的節(jié)點刪去，i=i+1；

Step4：若i≤N，則轉(zhuǎn)到Step3，否則轉(zhuǎn)到Step5；

Step5：將Ωi中為?所對應的vi刪掉，得到剪枝后的集合Ψ；

Step6：獲得剪枝后的商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡G′= ，V′是剪枝后的商品節(jié)點的集合，E′是剪枝后的邊的集合。對于圖3的Ωi集合，設(shè)置連接度的閾值dc=2,剪枝后G′的集合如圖4所示，剪枝后的商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡如圖5所示。

圖4 表1剪枝后的Ω集合

圖5 表1剪枝后的商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡

1.4 商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡聚類

本文對所有剪枝后的集合運用WEFCMO算法進行聚類。該算法考慮了每個待分析對象的類別隸屬度因素，在模糊K-means聚類算法[4]的基礎(chǔ)上，引入了權(quán)熵的概念，提出了一個新的目標函數(shù)見公式(1)，只要能滿足目標函數(shù)F最小，聚類結(jié)果就是最優(yōu)的[5]。

(1)

對于像F這樣有多個未知參數(shù)的非線性函數(shù)，求解其最小化一般采用將整體問題轉(zhuǎn)化成局部優(yōu)化的方法，進而進一步求解最優(yōu)問題[6]。求解目標函數(shù)最小值的步驟如下：

Step1：隨機選取K個對象作為k個類的中心；

Step2：repeat

Step3：固定T和C，求解使F(T,W,C)最小的W；

Step4：固定T和W，求解使F(T,W,C)最小的C；

Step5：固定C和W，求解使F(T,W,C)最小的T；

Step6：until F(T,W,C)目標函數(shù)不再減小。

對剪枝后的節(jié)點Ωi的集合運用WEFCMO算法進行聚類，初步得到聚類結(jié)果。然后對商品進行劃分，商品檔次劃分標準是根據(jù)商品的類別、價格等指標進行劃分的，令L為商品類別集合，商品類別數(shù)目為N，則L={l1,l2,…，ln}，li表示第i類商品。每類別商品中的個數(shù)為m，根據(jù)每類商品中各商品的價格，將每組商品價格按照公式(2)進行歸一化處理。

(2)

歸一化的后每組中的所有商品的價格都會在(0，1)之間，由于實訓平臺中商品價格差價、商品類別相對較明顯，故將每類商品的檔次一共劃分為5種，即高檔產(chǎn)品、高中檔產(chǎn)品、中檔產(chǎn)品、中低檔產(chǎn)品、低檔產(chǎn)品，分別用1、2、3、4、5檔表示。將(0，1)之間均分成5份，每份占比20%，其中商品價格處于(0，0.2]的歸為低檔商品，商品價格處于(0.2，0.4] 之間的劃分為中低檔商品，商品價格處于(0.4，0.6]之間的劃分為中檔商品，商品價格處于(0.6，0.8]之間的劃分為中高檔商品，商品價格處于(0.8，1]之間的劃分為高檔商品。

為了驗證實訓策略的有效性，本文將實訓平臺中某一時間段內(nèi)實際流通的578種商品劃分為32種類別，商品類別分組如下：

薯片、鍋巴、其他膨化食品、面包、餅干、方便面、干吃面、火腿、辣條、果凍、巧克力、果脯、肉脯、礦泉水、茶飲、運動型飲料、碳酸飲料、酸奶、純奶、雪糕、面膜、洗發(fā)水、沐浴露、衛(wèi)生巾、洗衣粉、肥皂、牙膏、紙品、二手數(shù)碼、二手圖書、二手美妝、炒酸奶。

最后依據(jù)聚類和商品檔次劃分結(jié)果，以推廣新產(chǎn)品、提高客單價為目標，為參訓學生制定包含商品銷售次序等信息的營銷輔助策略，幫助學生提升銷售業(yè)績及營銷能力。

2 實驗結(jié)果與分析

本文以上述578種商品為實驗對象，依據(jù)其銷售情況建立了商品關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡，在剪枝過程中，經(jīng)過反復實驗知選取的連接度閾值dc=10時聚類效果最佳，剪枝后集合節(jié)點數(shù)為69個。剪枝后的結(jié)果如下：

V′={v0,v2,v3,v5,v12,v15,v18,v19,v22,v29,v35,v38,v40,v51,v52,

v56,v61,v63,v65,v72,v75,v77,v79,v82,v90,v93,v102,v105,v106,v110,

v115,v117,v119,v130,v135,v157,v159,v163,v172,v181,v183,v189,v196,v203,v209,

v236,v239,v242,v245,v256,v258,v270,v276,v289,v291,v302,v322,v335,v356,v368,

v396,v404,v422,v445,v486,v505,v556,v568,v576}

對上述網(wǎng)絡進行快速聚類，得到商品高連接度的節(jié)點集合，即商品屬于不同類別的數(shù)目，γ=0.5，上述V′最終得到的結(jié)果是14類，結(jié)果如下：

C1={v0,v5,v12,v75,v102,v130,v181,v209,v256,v302,v322,v368,v422,v505}；

C2={v2,v15,v35,v51,v52,v93,v105,v115,v117,v172,v196,v242,v291,v335,v445}；

C3= {v18,v61,v65,v157,v236,v576}；C4= {v22,v29,v56,v82,v90,v119}

C5={v3,v72,v183,v289}；C6= {v135,v245,v396,v556}；

C7={v38,v163,v203,v276,v356}；C8= {v19,v110,v258}；C9={v63,v79,v189,v270}

C10={v40,v77,v159}；C11={v486,v576}；C12={v239}；C13={v106}；C14={v404}

在對商品進行快速聚類和檔次劃分后，最終引導型商品營銷實訓輔助策略聚類的結(jié)果如下：

T1={n0，n5,n9,n66,n90,n126,n159,n203,n256,n303,n321,n368,n420,n497}；

T2={n0,n15,n32,n35,n90,n103,n105,n159,n190,n239,n286,n323,n442}；

T3={n15,n32,n66,n159,n239,n576}；T4={n15,n35,n82,n90,n105}；

T5={n5,n66,n159,n285}；T6={n127,n239,n385,n543}；T7={n32,n159,n202,n276,n368}；

T8={n15,n105,n256}；T9={n35,n66,n159,n276}；T10={n32,n66,n159}；T11={n482,n576}

T12={n239}；T13={n105}；T14={n385}

在使用數(shù)據(jù)集進行測評時，運用成交率衡量實訓學生運用實訓輔助策略達到的營銷效果。R(u)是實際銷售數(shù)據(jù)給出的推薦列表，表示實踐學生依據(jù)輔助策略對顧客u進行推送的商品，T(u)是測試集中給出的商品集，表示顧客u購買的商品。

(3)

成交率表示的是在給出的結(jié)果中有多少是發(fā)生過顧客-商品購買記錄的，圖6是僅運用WEFCMO算法得到的營銷結(jié)果和對商品檔次劃分后得到的營銷結(jié)果的成交率對比圖，從圖中可以看出，本文提出的營銷輔助策略在向?qū)嵱枌W生提供銷售建議后，按照該銷售建議為顧客推送的商品成交率更高，證明本文改進的算法是有效的。

圖6 成交率對比圖

在400份測試數(shù)據(jù)中，接受推送商品的用戶有127人，沒有接受推送產(chǎn)品的用戶有283人。即有29%的用戶接受并購買了推送的商品。圖7是商品推送分類結(jié)果，圖8是推送購買率。

圖7 商品推送分類圖

圖8 引導型商品營銷輔助策略購買率

3 結(jié)束語

引導型商品營銷實訓輔助策略以新產(chǎn)品擴散和顧客導向市場營銷理論為基礎(chǔ)，以新產(chǎn)品快速推廣、消費者潛在價值挖掘、提高客單價為目標，旨在幫助參加課程實訓的學生有效開展線上線下營銷活動。引導型商品營銷實訓輔助策略在對商品新舊屬性、價格檔次進行分類的基礎(chǔ)上，運用了WEFCMO算法，對實訓學生營銷行為進行引導性指導。該營銷策略在課程實訓過程中，為學生提供營銷“工具”，方便學生更好地開展營銷活動。