基于商品标签化与关联规则的电子商务商品关联推荐研究
王宝军 华南理工大学广州学院
摘 要：本文通过商品标签化与关联规则数据挖掘技术相结合的方法，建立多维度标签化交易数据集，利用关联规则挖掘算法构建多维度关联规则集，探索电子商务企业商品关联推荐的精准化与智能化应用研究。
关键词：关联规则;精准营销；电子商务
引言：随着大数据与人工智能技术的快速发展与成熟，电子商务领域也迎来了新的发展机遇与挑战，如何更加智能、精准、有效地向客户推送合适的商品，已然成为各大电子商务卖家极力提升的核心竞争力之一。电子商务企业面对海量的商品与多样化的客户需求，在商品关联推荐方面还缺少智能有效的方法与工具，虽然部分企业已经借助关联规则方法为企业进行关联商品推荐，但因未能考虑客户标签因素而精准度不足。因此，本文将通过商品标签化与关联规则挖掘技术结合的方法，探索千人千面背景下电子商务商品关联推荐的精准化与智能化。
一、关联规则及其传统应用方法中的不足
1.关联规则基本概念关联规则是通过对事务数据库进行关联性分析与挖掘，寻找事务之间的简单关联关系或者序列关联关系，其一般表现形式为：前项→后项（支持度（support）=s%, 置信度(confidence) =c%）,或简写为 X→Y(S=s%,C=c%)。假设在电商环境存在 X 和Y 两种商品，规则 X→Y 中，支持度表示 X 和 Y 同时被购买的概率 P（X∩Y），置信度表示 X 被购买的情况下，Y被购买的条件概率 P（Y|X）。2.关联规则在电子商务商品关联推荐应用中的不足通过“啤酒与尿布”的故事，我们了解了传统商超市场可以通过关联规则挖掘发现商品之间的相关性，并通过优化商品货架及橱窗摆放提升商品交易额。电子商务环境下，利用关联规则也能帮企业进行商品相关性的挖掘，为客户推送合适的关联商品，然而对比超市货架摆放的单一方式，电子商务平台的商品推荐可以因人而异，然而传统的关联规则方法应用缺少对客户因素的考虑，关联推荐缺乏差异化，不符合未来智能化、精准化的营销发展要求。
二、商品标签化与关联规则组合应用
鉴于传统关联规则方法未能结合客户因素，因人而异的个性化向客户推送关联商品，本文将结合电子商务实际，通过商品标签化与关联规则技术相结合的方法，面向多样的客户标签特征，探索智能化关联商品推荐策略。
1.商品标签化
商品标签化是指根据商品的属性特征和客户标签特征为商品进行打标的过程，通过不同标签维度的打标，实现商品标签与访客标签的有机结合，其过程分为产品归并、标签设计和标签填充，流程详见图1。
（1）商品归并依据商品上一级商品类目属性以及企业自身商品目录设计对商品进行归并，产生商品统称表，如表1为商品归并示例。
（2）商品标签设计企业根据消费者标签特征因素，进行不同维度的商品标签设计，商品标签的设计需要结合客户需求，选取对消费者影响较大的维度作为商品标签项，如果客户需求发生了重大变化，商品标签也需要做相应的更新。
商品标签项目设计，还需与客户资料数据库相匹配，能够在客户访问店铺过程中，从客户资料数据库中识别出相应的维度，如消费层级、客户年龄等标签。如果企业所设计商品标签，无法在客户数据库或者客户访问信息中提取到，那这个维度设计将缺乏实用性。例如客户心情标签，企业无法通过客户登录信息而判断客户的心情状况，因此这个标签缺乏实用性。（3）商品标签填充对于商品标签的填充不能机械完成，商品标签填充质量的好坏将直接影响到商品关联规则的挖掘，企业需对消费者进行
2.商品列表维度化根据业务需要，将商品统称与商品标签列表结合，形成不同维度的商品维度列表，商品维度化名称通过商品编号关联，如表3。5.多维度关联规则挖掘及应用在生成交易维度化列表后，企业拥有了来自不同标签维度视角的交易数据集，此时企业需要利用合适的关联规则算法，对不同维度的交易数据集进行关联规则挖掘，从不同的维度视角生成多维度关联规则集，然后再根据客户的标签信息（如：消费层级、性别等），从对应维度的关联规则集中提取关联商品进行推送，其应用流程见图3。