简单数据分析
图表显示的一个趋势：从5月到7月，行为次数总的在增加。 5月开始天气炎热了之后，人们对夏天用的产品需求增加了。 比如防晒类 的产品，护肤品，遮阳伞等。消暑类的电器， 空调，电扇等。因为天气的渐热，导致需求的增加，行为次 数也增加了。
数据处理
在sas中user_id与新增加的brand_type进行一个关联分析
天猫用户对其品牌的行为 分析
组长：沈哲培 组员：郑旭琴 徐鸿嘉 黄政橙 陆佳明 李叶宽 翁天奇
目录
数据的来源 数据属性 为什么选？ 数据展示 分析及明确目标 论文展示
目录
选用工具 挖掘工具及方法 简单数据分析 sas功能运用 初步修改 待定……
数据的来源
阿里巴巴大数据竞赛 （天猫用户在4个月对于 天猫各品牌的行为日志）
在做研究的时候， 可以借鉴文献的 思路，先具体提 出一个明确的研 究课题。
论文展示
文献中的主要算法
在《关联规则分 析在网络购物行 为影响因素分析 中的应用》这一 章节主要介绍了 Apriori算法。
在《聚类分析在 网络购物行为结 果分析中的应用》 这一章节主要应 用了K-Means算 法和Twostep算 法。
网址： http://102.alibaba.co m/competition/addDi scovery/index.htm
数据属性
用户ID 品牌ID 行为类型
行为时间
为什么选？
阿里巴巴是中国最大和世界第二大网 络公司，在2013年的双十一节日中， 1小时67亿，6小时不到突破100亿； 13小时实现191亿，追平去年成绩； 21小时达到300亿，超过阿里官方预 期……如此大的交易数据正是我们分 析的最好对象。
sas功能运用
源数据集 关联分析
sas功能运用
经过这个处理 之后，数据量 总共达8342个。
支持度
关联数 置信度
sas功能运用
对应品牌 1（购买） 2（收藏）3（购物车） 操作的一个统计表
sas关联分析的结果
置信度 关联规则
支持度
sas关联分析的结果
75%
4479 29099
4479-1 ==》29099-1
阿里巴巴如此大的交易，肯定会 有不小的回头客，而我们做数据 挖掘可以挖掘潜在客户，以及做 出一定的预测，在一定的时期或 者时间段，进行促销活动，达到 更大的收益。
数据展示
研究课题
用户角度 分析品牌及行为类型 （用户id）的关系，对 用户进行一个关联分析， 比较一件商品购买的条 件，购买另一件的可能 性。
在《分类/预测方 法在网络购物潜 在客户挖掘中的 应用》这一章节 主要介绍C5.0、 CHAID、 QUEST、C&RT 算法。
挖掘工具及方法
挖掘工具：sas，excel
进行了一些简单的筛选，统计，绘图。
运用了抽样，聚类，关联分析，神经 网络等算法
简单数据分析
在所给的数据中，天猫购物消费者的点击次数是非常多的。 说明这些消费者对天猫是比较关注的。 天猫是他们消费的一个场所。 购物的次数明显比收藏和放进购物车的次数多，说明大家在网上看到喜欢的东西，购 买的欲望比较强烈，特备是淘宝的一些活动，比如聚划算……。 消费者看到喜欢的，购买的速度会快一点。
论文展示
参考论文来源：《基于数 据挖掘的网络购物行为的 分析》中国期刊网 /kns/brief /default_result.aspx
寻找类似问题关于算法的论文
论文展示
该文献和我们研究主题的相似处和不同处
通过对用户网络购物行为的分析， 寻找消费者网络购物行为中一些潜在的规律或现象。
相似处
研究对象不同 我们做的研究对象是天猫用户 文献是问卷调查了淘宝和拍拍网的用户。
不同处
数据来源不同 利用问卷调查得到，第一手资料
不同处
论文展示
对数据的处理有借鉴之处
不同的数据处理
数据价值利用 到最大化
算法不唯一
可以得出不同的 实验结论。文献 中通过关联分析 或者聚类不同的 属性分析不同的 问题。 该文献在做不同 的研究的时候所 用的研究方法是 不一样的，或者 在同一方法中用 到好几个算法。
最终修改及结果
这是初始设定的 一些参改及结果
结果导出到excel中，用公式提取关联规则中最后一 个数字。
最终修改及结果
谢谢 [3]阿里巴巴大数据竞赛网 [4]彭剑芳 中国期刊网-《基于数据挖掘的网络购物行为 的分析》 2011（5） [5]《华尔街见闻》报道关于淘宝天猫“双十一”销量 2013 [6]sas人大教程视频 [7]曹韧 大学生购物心理及调查研究 2013
既达到了商家插入广告提 高效益的需求，也满足了 消费者的购物心理。
初步修改
用户品牌-行为
行为重复次数
初步修改
源数据经过处理取了有购买及收藏操作的记录 只要分析，购买-》购买，收藏-》购买
初步修改
分析两个品牌之间的关系
最小置信度
sas关联分析结果
一系列相关规则
待改进
最终修改及结果
源数据经过处理后分析所有操作记录 主要分析，点击-》购买