決策樹在基于消費者外表的服裝營銷中的應用

表1消費者外表印象與消費行為評估指標體系指標選擇項性別(I1)A:男;B:女年齡(I2)A:12~17;B:18~24;C:25~34;D:35~49;E:50~64;F:65歲以上身高(I3)A:1.4米以下;B:1.4~1.5米;C:1.51~1.6米;D:1.61~1.7米;E:1.71~1.8米;F:1.8米以上體型(I4)A:很瘦;B:比較瘦;C:勻稱;D:比較豐滿;E:很豐滿衣褲(I5)A:高檔;B:有點檔次;C:大眾化;D:比較低檔;E:非常低檔服飾(I6)A:非常精致;B:比較淡雅;C:大眾化;D:比較有個性;E:非常獨特打扮(I7)A:很合體;B:比較合體;C:大眾化;D:比較有個性;E:非常獨特發型(I8)A:很流行;B:有修飾、簡潔;C:自然、普通;D:刻意、新潮;E:非常獨特文化(I9)A:很有知識;B:比較知識;C:大眾化;D:比較少文化;E:很少文化氣質(I10)A:高貴;B:文雅;C:大眾化;D:大方;E:急躁行動(I11)A:小心謹慎;B:有點保守;C:一般;D:比較隨意;E:率直臉譜(I12)A:很有活力;B:陽光;C:一般;D:刻板;E:低沉眼神(I13)A:非常靈活;B:比較靈活;C:一般;D:比較專注;E:非常專注言談(I14)A:喜歡交談;B:能交談;C:一般;D:少言語;E:沉默不語2.2數據預處理表2和表3是指定的女式長袖針織時尚衫的消費者消費行為統計表，銷售季節為8月底到12月初，其5折價為250元。廠家給此產品的定位為25~34歲、溫柔典雅型、中等收入的白領女性。

表2各特征各類別分布情況特征ABCDEF總計性別3402————405年齡965220821712405體型610518010212—405衣褲20143215270—405服飾12159177543—405打扮37156182300—405發405文化8222148270—405氣質01071879811—405行動156616514415—405臉譜42692431536—405眼405言談301501833111—405表3各特征各類別的購買分布情況特征ABCDEF總計性別378————81年齡31242156381體型02439153—81衣褲0334350—81服飾0244980—81打扮3363660—81發型0245160—81文化0393930—81氣質02136240—81行動71632170—81臉譜71844102—81眼神02441133—81言談72934130—81實驗中共記錄了405位女性的特征，未排除重復訪問的女性。表2為消費者特征分布表，表3為對應的購買情況分布表。405條消費行為記錄中購買記錄有81條，其他為未購買記錄。

2.3決策樹模型與分類實例經過上面的數據預處理后，可以利用信息熵來分析廠商產品營銷定位是否準確，也可通過最后規則的建立來為銷售人員提供推銷策略，以集中精力對付那些猶豫不決的人。下面分別給出面向“性別、年齡和打扮”的信息熵增益情形。可以看出，性別的增益最大，這說明，廠商首先必須按“性別”進行分類，其次是“年齡”，然后是“打扮”。這說明廠商的分類基本上是正確的。這樣可得到一條營銷規則:如果對象為女性，其年齡為25~34歲，打扮合體，則可能會購買該服裝。通常推銷人員會根據廠商的指導意見來進行營銷，但是還需要加入更多的元素。推銷人員可進一步根據上面的分類方法來進行分類，包括發型、氣質與眼神等特征，從而可鎖定對象，重點應對，在有限時間內推銷給更多合適的顧客，提高購買率(目前統計的結果未超過20%)。

分類屬性信息量與增益(“消費行為”信息總量I0=1.28750)如下。

1)基于“性別”的分類:“性別”A的信息量IA=0;“性別”B的信息量IB=1.27431;“性別”平均信息量I=1.26487;“性別”信息增益GI=I0-I=0.02263;2)基于“年齡”的分類:“年齡”A的信息量IA=0.918296;“年齡”B的信息量IB=1.494919;“年齡”C的信息量IC=1.249884;“年齡”D的信息量ID=1.486566;“年齡”E的信息量IE=1.584963;“年齡”平均信息量I=1.5;“年齡”信息增益GI=I0-I=0.2125;3)基于“打扮”的分類:“打扮”A的信息量IA=1.29574;“打扮”B的信息量IB=1.54302;“打扮”C的信息量IC=1.39605;“打扮”D的信息量ID=1.48548;“打扮”平均信息量I=1.44963;“打扮”信息增益GI=I0-I=0.16213。

3服裝消費的外表印象決策樹挖掘實例

第2章中的分類過程計算繁瑣，在大數據量情況下，必須借助于計算機技術。決策樹的程序化實現也比較簡單，目前各大數據庫提供商如微軟提供的AnalysisManager(數據分析與聯機分析器)里有決策樹工具，SPSS提供的強大的數據挖掘軟件Clementine也有決策樹工具。本研究利用Clementine10.1來進行基于消費者外表印象特征的消費行為挖掘，并給出分析結果。Clementine中的決策樹算法C5.0可生成樹圖和規則集。

圖2試穿行為規則集分析結果顯示了31條規則，包括只看或詢問(a)、比劃和試穿(b)、購買(c)等三種行為的分類規則。每一類規則包含若干子規則。圖2顯示了分析后生成有3類規則集，a類行為規則包含14個子規則，b類行為規則包含9個子規則，c類行為規則包含8個子規則。

下面給出a類行為規則的14個子規則。a類行為是“非購買”行為，只詢問或查看，營銷人員無需對這部分人群分出注意力。

基于顧客印象的“非購買”規則集如下:Rule1:ifI1=B∩I5=B∩I7=Athenaction=aRule2:ifI8=C∩I12=A∩I13=Bthenaction=aRule3:ifI9=A∩I11=Cthenaction=aRule4:ifI2=C∩I11=D∩I14=Ethenaction=aRule5:ifI2=C∩I8=B∩I11=D∩I13=Ethenaction=aRule6:ifI2=E∩I8=Bthenaction=aRule7:ifI8=Ethenaction=aRule8:ifI2=C∩I4=C∩I8=Bthenaction=a…c類行為是“購買”行為，這部分來到店鋪基本上有購買意向，取決于服裝對其吸引力。營銷人員的主要任務是培養其忠誠度。

基于顧客印象的“購買”規則集如下:Rule1:ifI8=B∩I12=Athenaction=cRule2:ifI4=C∩I6=C∩I12=C∩I14=Bthenaction=cRule3:ifI2=C∩I11=Athenaction=cRule4:ifI8=B∩I13=Dthenaction=cRule5:ifI8=C∩I14=Athenaction=cRule6:ifI2=B∩I14=D∩I8=Bthenaction=cRule7:ifI2=D∩I7=B∩I8=B∩I11=Dthenaction=cRule8:ifI8=C∩I12=Dthenaction=c對于營銷人員來說，最重要也最需要花時間精力應對的就是b類用戶，這部分用戶中有部分人有購買傾向，因此，營銷人員必須采用適當的手段，包括:價格或促銷性優惠、重點推薦、說服與對比以及其他策略。這些方法的應用必須根據具體的消費者特征來實施。圖2是對比劃、試穿行為規則的展開，顯示了4條規則。例如:規則3表示如果客戶的年齡在24~35歲，體型勻稱，而服飾比較淡雅，能交談，但行動比較隨便，則客戶的行為通常是比劃或試穿，不購買。比劃或試穿這說明客戶有需求意向，但最后未買。原因可能是價格問題，也可能是一些服裝特征如尺碼、款式風格、細節部件或者顏色等不符合消費者需求，如果是尺碼問題回旋余地小，但其他問題應該可能得到解決。

從數據挖掘的結果來看，對于該款服裝的分類應該從性別、年齡著手，然后是打扮、言談、臉譜，這說明廠商的分類大范圍內是恰當的，而銷售商還需要進一步細分才能提高銷售效率。4結語建立這種消費行為與客戶外表特征印象關聯模型的好處是為營銷人員提供一些經驗規則，以指導銷售人員在有限的時間內把握客戶，把b型客戶盡量轉化為c型客戶，從而創造更大的銷售量，供應鏈的上游成員也可因此獲得更大的訂單而獲利。從另一個角度來說，生產商可根據消費群體的喜好特征、群體密度來開發