主因素分析在购买行为分析中的应用.pdfVIP

主因素分析在购买行为分析中的应用 翟月霞，冯娜 辽宁工程技术大学管理系，辽宁葫芦岛 （125105 ） E-mail ：fengna0528@ 摘 要：随着市场的日益丰富，客户的信息和产品的信息越来越多，消费者的购买行为也难 以预测，巨大的数据量已达到采用传统的方法已经难以胜任的地步。数据挖掘技术可以为企 业提供一个深刻了解、全面管理顾客价值的窗口。本文提出了运用统计类数据挖掘技术中的 主因素分析法来研究消费者购买行为。 关键词：购买行为，主因素分析，数据挖掘 1 前言 购买行为分析是客户关系管理的重要组成部分，是指消费者为获取、使用消费物品或服 务所采取的各种行为。顾客购买行为的确定受到很多因素的影响，如消费者的心理活动过程、 消费者的个性心理特征、消费者周围的社会因素、商品因素等等[1] 。对购买行为的分析就是 了解客户需求的过程，如果能抓住消费者的行为特征和购买倾向就能留住老客户，达到客户 关系管理的。消费者购买行为是一门应用性很强的综合性学科，常常借鉴社会学、心理学、 经济学等学科的研究方法。常用的研究方法主要有观察法、调查法、实验法、投射法。 然而这些方法仅停留在强调对表像的记录和反映，缺少深层次的分析。对于哪些因素是 影响消费者的的主要因素，这些因素中有哪些对不同的消费群体有很强的相关性？从而达到 节省成本，寻找潜在客户，应该提升产品的那些方面已满足不同消费者的需求。这是企业所 关心、所迫切需要解决的问题。本文从衡量消费者的可度量指标入手，将主因素分析和相关 分析方法用于消费者购买行为的定量分析研究，实证研究结果证实这种方法简洁有效。 2 统计类数据挖掘的基本原理与模型建立 在所有数据挖掘技术中，统计类数据挖掘工具是数据挖掘技术中最成熟的一种，已经在 数据挖掘中得到广泛的应用。统计类数据挖掘技术主要有回归分析、聚类分析、主成分分析、 判别分析等技术。利用这些技术可以检查那些异常形式的数据，然后利用各种统计模型和数 学模型解释这些数据，解释隐藏在这些数据背后的流程改进的机会[2] 。例如，可以使用统计 分析工具寻找最佳商业机会，增加市场份额和利润;提高产品和服务的质量，使客户更加满 意;通过统计数据挖掘调整或企业业务过程的重整，增加利润。 主成分分析法：主成分分析是将研究对象的多个相关变量化为少数几个不相关的变量的 一种多元统计方法。一般情况，设某过程有P 个变量，若过程的差异能由P 个变量的m 个 主成分(m P)来概括，那么我们就可以用这m 个主成分来代替原P 个过程变量。主成分分 析往往不是目的，而是达到某种目的的一种手段，在过程监测算法中应用主成分分析提取少 数几个能体现原过程绝大多数信息的新变量，通过监视新变量的变化来判断生产流程是否正 常，或产品质量是否合格。主成分的降维思想是从简化方差、协方差的结构来考虑的，而求 取主成分的各种算法就是通过求取原始数据协方差阵的特征根和特征向量来实现[3] 。 设过程数据有P 个变量。主成分分析的过程实质上是对原坐标系进行平移和旋转变换， 使得新坐标系的原点与样本点集合的重心重合，新坐标系的选取的第一轴与数据变异的最大 方向对应，新坐标系的第二轴与第一轴标准正交，并且对应于数据变异的第二大方向，依次 - 1 - 类推。这些新轴分别被称为第一主轴、第二主轴等，若经舍弃少量信息后，由主轴p ,p …p 1 2 m 构成的子空间能够十分有效的表示原数据的变异情况，则原来的P 维空间就被降至m 维， 这个新生成的m 维子空间被称为m 维主超平面。当m=2 时，就称其为主平面。可以用原样 本点集合在主超平面上的投影来近似地表示原样本点集合。 原样本点集合在主超平面的第h 主轴上的投影构成综合变量th ∈Rm ，称为第h 主成 分h=1,2,…,m