大眾點評網(wǎng)數(shù)據(jù)分析

1、 廣西大學數(shù)學與信息科學學院商務智能課程論文題目：商務智能在大眾點評中的應用 小組成員：1111200139 藍承妙 1111200202 劉金香 摘要：大眾點評是中國領先的本地生活信息及交易平臺，也是全球最早建立的獨立第三方消費點評網(wǎng)站，它不僅為網(wǎng)友提供商戶信息、消費點評及消費優(yōu)惠等信息服務，同時亦提供團購及餐廳預訂等O2O（Online To Offline）交易服務。本文通過分類回歸樹和關聯(lián)規(guī)則挖掘出大眾點評數(shù)據(jù)中關于全國各地美食商家的可用信息。關鍵字：大眾點評 分類回歸樹 關聯(lián)規(guī)則 SPSS一、背景 隨著互聯(lián)網(wǎng)的出現(xiàn)與飛速發(fā)展，人們的生活方式一直在發(fā)生著巨大的變化。特別是交通、購物、飲

2、食、住宿、教育等各方面均受到來自互聯(lián)網(wǎng)的極大的影響。大眾點評便是一個影響人們?nèi)粘Ｉ?，方便人們娛樂、飲食的點評網(wǎng)站。大眾點評是中國領先的本地生活信息及交易平臺，也是全球最早建立的獨立第三方消費點評網(wǎng)站。大眾點評不僅為網(wǎng)友提供商戶信息、消費點評及消費優(yōu)惠等信息服務，同時亦提供團購、電子會員卡及餐廳預訂等O2O（Online To Offline）交易服務。大眾點評是國內(nèi)最早開發(fā)本地生活移動應用的企業(yè)，已經(jīng)成長為一家移動互聯(lián)網(wǎng)公司，大眾點評移動客戶端已成為本地生活必備工具。本文使用的數(shù)據(jù)為大眾點評網(wǎng)在2014年4月份更新后的商家數(shù)據(jù)，其中包含全國各地區(qū)1000家美食店相關數(shù)據(jù)，包括商戶ID（sho

3、p_id）、商戶名稱(name)、所處省份(province)、城市(city)、區(qū)(area)、具體地址(address)、聯(lián)系電話(phone)、營業(yè)時間(hours)、平均物價(avg_price)、會員卡服務、大眾對其產(chǎn)品的各類評價等級、環(huán)境、服務等級等數(shù)據(jù)項。為了有效的使用該數(shù)據(jù)，本文運用分類回歸樹、關聯(lián)規(guī)則兩種數(shù)據(jù)挖掘方法對該數(shù)據(jù)進行分析。二、分類回歸樹(C&RT) 2.1 C&R tree 分類回歸樹(C&R tree，全稱為the classification and regression tr

4、ee)是一種基于樹的分類和預測方法，模型使用簡單，易于理解（規(guī)則解釋起來更簡明易），該方法通過在每個步驟最大限度降低不純潔度，使用遞歸分區(qū)來將訓練記錄分割為組。 2.2 目的 通過分析數(shù)據(jù)中存在的預測因子變量，如店鋪的環(huán)境等級、產(chǎn)品等級和服務等級等預測并分類，為新用戶在選擇是否光顧某家店鋪提供決策依據(jù)。 2.3 數(shù)據(jù)整理原始數(shù)據(jù)中包含的內(nèi)容多而繁雜，為了方便研究，我們從中篩選了涉及店家評價的數(shù)據(jù)項avg_price、product_rating、environment_rating、service_rating、very_good_remarks、good_remarks、common_rem

5、arks、bad_remarks、very_bad_remarks進行整理，將very_good_remarks、good_remarks、common_remarks這三個字段處理為積極評價，字段jiji的值為這三個字段的總和，視為對該店家的積極評價，將bad_remarks、very_bad_remarks這二個字段處理為消極評價，字段xiaoji的值為這二個字段的總和，為該店家的消極評價。新增字段hh取值為0和1，判定該店鋪是否值得新客戶選擇，如果該店鋪消極評價(xiaoji)的值小于總評價（jiji+xiaoji）的10%，則認為該店鋪值得選擇，hh的值為1；反之，則為0，該店鋪不值得

6、選擇。整理后的數(shù)據(jù)：avg_price、product_rating、environment_rating、service_rating、hh。 2.4 創(chuàng)建決策樹將整理后的數(shù)據(jù)添加到SPSS工作區(qū)域，再添加一個類型節(jié)點。在類型節(jié)點中，選擇Read Value來為指定的字段讀取數(shù)據(jù)。選擇hh字段，將其type設為Flag，Direction設為Out，如圖1所示。其余所有字段都作為預測因子變量，將Direction設為In。圖1 在類型節(jié)點中設置相關參數(shù) 在類型節(jié)點上連接一個C&RT節(jié)點，設置其參數(shù)，選擇簡單模式（Simple Mode），如圖2所示。圖2 Simple標簽 運行C&a

7、mp;RT節(jié)點，出現(xiàn)交互式窗口，完全展開的決策樹如圖3所示。圖3 C&RT決策樹2.4 分析決策樹從圖3可以看到第一層的劃分是根據(jù)product_rating，第二層的劃分根據(jù)environment_rating，第三層service_rating。從節(jié)點1中，可以看出若大眾對某店家product的綜合評分在8.25分以上，那么該店家值得光顧；product的綜合評分在8.25分以下，則可以參考其環(huán)境評分，若environment_rating大于6.75分，說明其環(huán)境優(yōu)美，值得光顧；同理，若其環(huán)境評分低于6.75，則可參考其員工服務質量。從店鋪角度也能通過該決策樹以及其自身在大眾點評

8、網(wǎng)上的各項評分來做相應的調(diào)整，以提高自身的收益。2.5 評估模型根據(jù)創(chuàng)建當前決策樹生成評估模型（Generate Model）hh1，工作區(qū)中將hh1與類型節(jié)點連接起來，在模型設置標簽中選擇“Calculate confidence”和“Rule identifier”，如圖4所示。最后，連接一個數(shù)據(jù)表節(jié)點，并運行當前數(shù)據(jù)流，如圖5所示。圖4 計算置信度與規(guī)則識別圖5 數(shù)據(jù)流示意圖 運行后的數(shù)據(jù)表列出了那些有可能大眾點評中總評價好的美食店家記錄，如圖6所示。$R-hh列的值表明預測結果，若其值為1，預測該店家值得新用戶光顧。圖6 數(shù)據(jù)表 2.6 小結通過整理原始數(shù)據(jù)中大眾對1000家全國各地的

9、店家的積極、消極評價，分析預測因子變量，例如avg_price、product_rating、environment_rating、service_rating，可以預測并分類1000家店鋪是否值得光顧，并且能夠為提高店家自身評價、收益做出決策。三、關聯(lián)規(guī)則分析3.1 目的根據(jù)大眾點評網(wǎng)上提及的店鋪提供的美食分類來研究各省份受歡迎的美食，從而可以得出該省份的飲食習慣。3.2 數(shù)據(jù)整理 選取原始數(shù)據(jù)中的province、city、area、small_cate字段，進行篩選。記錄所有的small_cate，若某省某市某地區(qū)的店鋪提供該類食物，標記為1，否則為0。合成一個新的表格，將數(shù)據(jù)導入到SP

10、SS中，連接數(shù)據(jù)集，讀取字段名，然后連接一個類型節(jié)點，運行，顯示結果如圖7所示。圖7 整理后的數(shù)據(jù)（部分截圖） 用GRI算法生產(chǎn)關聯(lián)規(guī)則來了解各省的飲食習慣，選擇在建模過程中使用到的字段變量，將province與所有食物類別的Direction值設為Both編輯類型節(jié)點如圖8所示。圖8 在類型節(jié)點中設置字段的Direction值 添加一個GRI節(jié)點，編輯該節(jié)點，選擇“Only true values for flags”運行，瀏覽新生成的模型，查看它所包含的關聯(lián)規(guī)則。這些規(guī)則顯示了某省與某食物類型之間的關聯(lián)規(guī)則，選擇按照置信度排序方式，結果如圖9所示，例如北京與北京菜置信度為1，表明北京人喜歡

11、吃北京菜；廣州與茶餐廳置信度為1，表明廣州人喜歡喝早茶或下午茶等。圖9 使用GRI模型各個省份與食物分類之間的關聯(lián)關系四、總結我們合理利用現(xiàn)有的大眾點評網(wǎng)上全國1000家美食店鋪的相關信息，通過決策樹與關聯(lián)規(guī)則方法挖掘潛在的商業(yè)信息，為苦于尋找美食的廣大的“吃貨”們提供可參考的店鋪數(shù)據(jù)，同時也為各個商家提高自身客戶源與收益做出決策。從顧客方面考慮，利用大眾點評網(wǎng)中大眾對美食店鋪的各項評價，通過數(shù)據(jù)收集、分類并存放到數(shù)據(jù)倉庫之后，建立模型，進行分析，運用決策樹方法，分別從食物等級、環(huán)境等級和員工服務等級方面判定該店鋪是否值得光顧，為顧客提供便利。 從商家方便考慮，零售企業(yè)管理中知識化的管理模式是企業(yè)獲得持續(xù)競爭優(yōu)勢的源泉，而數(shù)據(jù)挖掘技術是挖掘企業(yè)潛在的、有用的、有價值信息的有力工具，為從數(shù)據(jù)海洋中挖掘相關知識提供了技術保障。通過大眾點評網(wǎng)獲取的某美食店鋪累積的大量數(shù)據(jù)，運用關聯(lián)規(guī)則方法，從而識別全國各地區(qū)的廣大群眾的口味，了解顧客消費行為，發(fā)現(xiàn)顧客選擇光顧店鋪模式和趨勢，可以提供各商家為滿足大眾需求的創(chuàng)業(yè)