文本挖掘應(yīng)用——高端車潛在用戶的發(fā)現(xiàn)(基于線下線上數(shù)據(jù)的研究)

1、 高端車潛在用戶的發(fā)現(xiàn) 基于線下線上數(shù)據(jù)的研究PPT模板下載： 行業(yè)PPT模板： 節(jié)日PPT模板： PPT素材下載： PPT圖表下載： 優(yōu)秀PPT下載： PPT教程： Word教程： Excel教程： 資料下載： PPT課件下載： 范文下載： 試卷下載： 教案下載： 目錄概述01理論基礎(chǔ)02線下數(shù)據(jù)的研究0304線上數(shù)據(jù)的研究目錄概述01理論基礎(chǔ)02線下數(shù)據(jù)的研究0304線上數(shù)據(jù)的研究概述全文思路目錄概述01理論基礎(chǔ)02線下數(shù)據(jù)的研究0304線上數(shù)據(jù)的研究理論基礎(chǔ)數(shù)據(jù)挖掘理論基礎(chǔ)邏輯回歸分析 邏輯回歸用于估計(jì)某事物的可能性。 邏輯回歸模型是一個(gè)定性響應(yīng)變量（因變量Y）的預(yù)測模型。 邏輯模型中的

2、定性響應(yīng)變量其實(shí)又是一個(gè)二值變量（binary）。 = (/ )=+ +理論基礎(chǔ)決策樹理論基礎(chǔ)關(guān)聯(lián)規(guī)則 支持度和信任度是兩個(gè)最基本和最重要的衡量規(guī)則強(qiáng)弱的指標(biāo)。X-Y的支持度:指的是集合T中包含XY事件的百分比，即P(XY)的估計(jì)。 如果支持度很小，那么就可以說該規(guī)則的發(fā)生并沒有必然性。 X-Y的置信度：指X和Y同時(shí)發(fā)生的事件數(shù)量占所有X事件發(fā)生數(shù)量的百分比。即P(Y|X)的估計(jì)。 置信度決定了關(guān)聯(lián)規(guī)則的可預(yù)測度。如果一條關(guān)聯(lián)規(guī)則的置信度很低，那么從X就很難可靠地推出Y。目錄概述01理論基礎(chǔ)02線下數(shù)據(jù)的研究0304線上數(shù)據(jù)的研究線下數(shù)據(jù)的研究基于邏輯回歸模型的研究返回返回理論假設(shè) 用戶購買高

3、端車行為的影響因素： 購車方式 用戶的性別 預(yù)期保險(xiǎn)費(fèi)用 預(yù)期裝設(shè)費(fèi)用 已有車品牌 收入情況線下數(shù)據(jù)的研究基于邏輯回歸模型的研究理論假設(shè) 對(duì)影響用戶購買高端車行為的因素提出的假設(shè)： H1：若用戶曾經(jīng)使用全款方式來購車，那么其購買高端車的概率會(huì)低； H2：男性用戶相比于女性用戶，其購買高端車的概率會(huì)高；H3：用戶的預(yù)期保險(xiǎn)費(fèi)用越高，那么其購買高端車的概率越大；H4：用戶的預(yù)期裝設(shè)費(fèi)用越高，那么其購買高端車的概率越大； H5：若用戶已擁有寶馬品牌的車，那么相比于沒有車或沒有寶馬車的用戶，其購買高端車的概率會(huì)高。 H6：若用戶的收入越高，那么其購買高端車的概率會(huì)越高。 線下數(shù)據(jù)的研究基于邏輯回歸模型

4、的研究數(shù)據(jù)準(zhǔn)備1.數(shù)據(jù)來源“來自國內(nèi)某汽車經(jīng)銷商后臺(tái)的ERP系統(tǒng)，總數(shù)據(jù)量超過50萬條線下數(shù)據(jù)的研究基于邏輯回歸模型的研究數(shù)據(jù)準(zhǔn)備2.數(shù)據(jù)預(yù)處理根據(jù)客戶id、訂單id、產(chǎn)品id等主鍵將上述5張表連接成一張總表（“寬表”）缺失值處理3.定義高端車用戶本文將選擇汽車的價(jià)格作為高端車的定義標(biāo)準(zhǔn)，高于60萬元的汽車將被標(biāo)注為高端車。（在“寬表”后面添加因變量字段“是否購買高端車”，取值為“是”和“否”）線下數(shù)據(jù)的研究基于邏輯回歸模型的研究數(shù)據(jù)準(zhǔn)備4.變量設(shè)置因變量Y為 “是否購買高端車”（對(duì)字符型變量進(jìn)行啞變量的變換）： “1”-“是”；“0”-“否” 。自變量X是“寬表”中的任意字段，比如客戶性別、

5、年齡、購買意向、訂單詳情等。線下數(shù)據(jù)的研究基于邏輯回歸模型的研究模型的構(gòu)建與實(shí)證1.公式解釋線下數(shù)據(jù)的研究基于邏輯回歸模型的研究模型的構(gòu)建與實(shí)證1.公式解釋找出那些較大的影響因素以及其系數(shù)。通過反函數(shù)將得出用戶購買高端車的概率P:線下數(shù)據(jù)的研究基于邏輯回歸模型的研究模型的構(gòu)建與實(shí)證2.模型結(jié)果逐步回歸：每次都選擇對(duì)因變量影響最顯著的自變量進(jìn)入模型，同時(shí)對(duì)所有已經(jīng)被選擇進(jìn)入模型的變量進(jìn)行逐一檢查，將不顯著的自變量剔除。線下數(shù)據(jù)的研究基于邏輯回歸模型的研究模型的構(gòu)建與實(shí)證2.模型結(jié)果-2.8818線下數(shù)據(jù)的研究基于邏輯回歸模型的研究3.結(jié)果討論C1：用戶如果使用全款方式購車，那么其購買高端車的概率

6、將較小，如果使用分期付款方式購車，那么其購買高端車的概率會(huì)比較大。這個(gè)結(jié)論驗(yàn)證了假設(shè)H1。 C2：用戶如果為男性，那么其購買高端車的概率會(huì)高一點(diǎn)。這個(gè)結(jié)論驗(yàn)證了假設(shè)H2。C3：用戶預(yù)期保險(xiǎn)費(fèi)用越高，其購買高端車的概率越大。這個(gè)結(jié)論驗(yàn)證了假設(shè)H3。C4：用戶預(yù)期裝設(shè)費(fèi)用越高，其購買高端車的概率越大。這個(gè)結(jié)論驗(yàn)證了假設(shè)H4。C5：用戶如果已經(jīng)擁有寶馬系列的車，那么其再次購車會(huì)選擇高端車的概率會(huì)較大。這個(gè)結(jié)論驗(yàn)證了假設(shè)H5。C6：用戶收入水平最終沒有被選入模型，所以無法驗(yàn)證假設(shè)H6。線下數(shù)據(jù)的研究基于決策樹模型的研究數(shù)據(jù)準(zhǔn)備1.數(shù)據(jù)來源：在Logistic回歸模型中使用的數(shù)據(jù)是同一組數(shù)據(jù)2.數(shù)據(jù)預(yù)處

7、理（與Logistic回歸模型中基本相同）第一，決策樹模型不需要對(duì)字符型變量進(jìn)行啞變量的變換。第二，決策樹模型不需要對(duì)缺失值進(jìn)行填充、刪除等操作。線下數(shù)據(jù)的研究基于決策樹模型的研究模型的構(gòu)建與實(shí)證1.決策樹停止生長問題的確定（兩種方法）“錯(cuò)誤率”指標(biāo)法：即選擇最低驗(yàn)證集錯(cuò)誤率的時(shí)候，同時(shí)葉子節(jié)點(diǎn)最少時(shí)的葉子數(shù)量作為最終模型的葉子節(jié)點(diǎn)數(shù)量。同時(shí)參考了25%滲透率下的響應(yīng)率。選擇7個(gè)葉子作為決策樹葉子節(jié)點(diǎn)數(shù)！線下數(shù)據(jù)的研究基于決策樹模型的研究模型的構(gòu)建與實(shí)證2.模型結(jié)果線下數(shù)據(jù)的研究基于決策樹模型的研究規(guī)則解釋與分析1.規(guī)則解釋規(guī)則一：規(guī)則二：線下數(shù)據(jù)的研究基于決策樹模型的研究1.規(guī)則解釋規(guī)則三：

8、規(guī)則四：線下數(shù)據(jù)的研究基于決策樹模型的研究規(guī)則分析1.引入負(fù)面規(guī)則來剔除低概率用戶。R1: 當(dāng)保險(xiǎn)金額在3200與12000之間，且裝飾金額小于5000，且保修金額小于48000的時(shí)候，該用戶購買高端車的概率極低只有2%。 R2: 當(dāng)用戶使用貸款方式購車、且保險(xiǎn)金額高于12000，且裝飾金額小于5000，且保修金額小于48000的時(shí)候，該用戶購買高端車的概率同樣極低只有5%。線下數(shù)據(jù)的研究基于決策樹模型的研究規(guī)則分析2.引入正面規(guī)則來選擇高概率用戶。R3:當(dāng)保修金額大于48000，那么用戶有93%的概率購買高端車。R4:當(dāng)裝飾金額大于38000，且保修金額小于48000，那么該用戶可能購買高端

9、車的概率是80%。線下數(shù)據(jù)的研究邏輯回歸模型與決策樹模型的比較結(jié)果對(duì)比Logistic模型的結(jié)果選入了5個(gè)變量進(jìn)入模型，按照他們對(duì)因變量影響程度從大到小排列如下：付款方式（是否全款）、性別（是否男性）、預(yù)期保險(xiǎn)費(fèi)用、預(yù)期裝設(shè)費(fèi)用、已有車品牌（是否已有寶馬車）。決策樹模型最終進(jìn)入模型的變量有4個(gè)：保修金額、裝設(shè)金額、保險(xiǎn)金額、金融貸款還款期限，這4個(gè)自變量與Logistic模型中的5個(gè)自變量完全不同。 兩個(gè)模型的結(jié)果不一樣的根本原因是兩個(gè)模型的原理不一樣。線下數(shù)據(jù)的研究邏輯回歸模型與決策樹模型的比較響應(yīng)率對(duì)比兩個(gè)模型由于建模原理不同，對(duì)自變量的選擇也不同，但是模型效果卻相似。目錄概述01理論基礎(chǔ)

10、02線下數(shù)據(jù)的研究0304線上數(shù)據(jù)的研究線上數(shù)據(jù)的研究數(shù)據(jù)可視化研究數(shù)據(jù)準(zhǔn)備1.數(shù)據(jù)來源 本文用以實(shí)證的線上數(shù)據(jù)均來自于汽車之家論壇。 28,708位用戶 42,603的條對(duì)應(yīng)關(guān)系 用爬蟲程序獲得的數(shù)據(jù)經(jīng)過整理形成三張表線上數(shù)據(jù)的研究數(shù)據(jù)可視化研究數(shù)據(jù)準(zhǔn)備2.數(shù)據(jù)預(yù)處理 根據(jù)用戶ID、車輛ID等主鍵將上述表連接成一張綜合表。 綜合表的記錄中不含缺失值，因此不需要考慮缺失值的處理。線上數(shù)據(jù)的研究數(shù)據(jù)可視化研究數(shù)據(jù)的初步分析與可視化1.以品牌為粒度的分析與可視化線上數(shù)據(jù)的研究數(shù)據(jù)可視化研究數(shù)據(jù)的初步分析與可視化1.以品牌為粒度的分析與可視化這8類關(guān)注率遠(yuǎn)高于當(dāng)前車輛擁有率的車品牌中，大部分是高端車

11、品牌。 線上數(shù)據(jù)的研究數(shù)據(jù)可視化研究數(shù)據(jù)的初步分析與可視化2.以原產(chǎn)地為粒度的分析與可視化 無論是從目前的市場占有還是未來的發(fā)展?jié)摿砜矗?、德、日三國產(chǎn)的汽車在中國都是遙遙領(lǐng)先，德國車的未來發(fā)展勢頭強(qiáng)勁，有望取代國產(chǎn)車成為國內(nèi)市場的龍頭。 線上數(shù)據(jù)的研究基于汽車不同屬性的關(guān)聯(lián)規(guī)則分析描述性統(tǒng)計(jì)量1.數(shù)據(jù)來源：與可視化分析所用的數(shù)據(jù)一致（包含四個(gè)字段：擁有車原產(chǎn)地、關(guān)注車原產(chǎn)地、擁有車品牌、關(guān)注車品牌）。2.數(shù)據(jù)預(yù)處理：刪除同一粒度下同一種類之間的數(shù)據(jù)（此類數(shù)據(jù)關(guān)聯(lián)度很高，無研究意義）例如：關(guān)注寶馬車與擁有寶馬的關(guān)聯(lián)度采集到的數(shù)據(jù)不含缺失值，因此不需要考慮缺失值的處理。線上數(shù)據(jù)的研究基于汽車不

12、同屬性的關(guān)聯(lián)規(guī)則分析描述性統(tǒng)計(jì)量3.最終獲得的描述性統(tǒng)計(jì)量線上數(shù)據(jù)的研究基于汽車不同屬性的關(guān)聯(lián)規(guī)則分析對(duì)品牌屬性進(jìn)行關(guān)聯(lián)規(guī)則發(fā)現(xiàn)（最小支持度為0.02,置信度為0.1, 提升為1,數(shù)據(jù)量為100,）1. 擁有品牌關(guān)注品牌大眾汽車在國內(nèi)廣受歡迎，許多其他品牌的車主都有購買大眾汽車的可能性。而大眾車主則關(guān)注著奧迪、寶馬。 線上數(shù)據(jù)的研究基于汽車不同屬性的關(guān)聯(lián)規(guī)則分析對(duì)品牌屬性進(jìn)行關(guān)聯(lián)規(guī)則發(fā)現(xiàn)（最小支持度為0.001,置信度為0.1, 數(shù)據(jù)量為100）2. 關(guān)注品牌擁有品牌大眾車主對(duì)各種車都感興趣，并且更關(guān)注斯柯達(dá)、奧迪、奔馳、寶馬等品牌。另外豐田車主更關(guān)注雷克薩斯，寶馬車主關(guān)注保時(shí)捷。 線上數(shù)據(jù)的

13、研究基于汽車不同屬性的關(guān)聯(lián)規(guī)則分析對(duì)原產(chǎn)地屬性進(jìn)行關(guān)聯(lián)則發(fā)現(xiàn)（最小支持度為0.02,置信度為0.1, 提升為1,數(shù)據(jù)量為100）1. 擁有產(chǎn)地關(guān)注產(chǎn)地德國車受到各種車主的普遍關(guān)注。除此之外，國產(chǎn)車車主對(duì)日本車有很高的關(guān)注度，日本車的潛在客戶是國產(chǎn)車車主和德國車車主。 線上數(shù)據(jù)的研究基于線上數(shù)據(jù)研究的結(jié)果討論基于品牌屬性的結(jié)果A1:由已有車的品牌推導(dǎo)出關(guān)注車的品牌的規(guī)則； 應(yīng)用A1規(guī)則，我們可以根據(jù)用戶已擁有車的品牌來預(yù)測其關(guān)注某品牌高端車可能性，并判斷其是否是該品牌高端車的潛在用戶。A2:由關(guān)注車的品牌推導(dǎo)出已有車的品牌的規(guī)則； 應(yīng)用A2規(guī)則，同樣可以幫助汽車銷售商進(jìn)行高端用戶發(fā)現(xiàn)。線上數(shù)據(jù)的研究基于線上數(shù)據(jù)研究的結(jié)果討論A1規(guī)則的利用模型顯示：大眾車的品牌在最國內(nèi)最受歡迎，大都數(shù)品牌的車主都關(guān)注著大眾車，尤其是斯柯達(dá)的車主。啟示：大眾品牌的高端車的潛在高端用戶分布于各個(gè)品牌的車主，尤其是斯柯達(dá)的車主購買大眾品牌的高端車的可能性更大。A2規(guī)則的利用模型顯示：多品牌車的粉絲中都有大眾車主，尤其是斯柯達(dá)車和奧迪車更受大眾車主的喜