開源數據挖掘軟件WEKA在市場營銷教學中的應用

郭德超+胡昌盛

【摘要】市場營銷學是經濟管理類學生的專業基礎課程，在授課過程中，不僅要教授學生理論知識，更有教會學生融入現實經濟管理活動中，為了激發學生的學習興趣，提升學生的實踐動手能力，本文探討了在課堂教學中引入開源數據挖掘軟件WEKA的教學方法，并給出了實訓教學實例，對提升市場營銷學課程的實訓質量進行了有益的嘗試，課堂效果良好。

【關鍵詞】WEKA 市場營銷學教學 Apriori關聯算法 購物籃分析

一、引言

市場營銷學是經濟管理類專業學生的專業基礎課，隨著信息技術的飛速發展，無論是商品信息還是客戶信息均是海量的，如何在大數據中挖掘有用的營銷信息然后應用到我們的營銷中去就是市場營銷專業學生需要解決的課題。計算機科學中的數據挖掘技術就是解決在大型數據庫中自動分析發現有用信息的技術，其中Apriori關聯算法主要用于發現隱藏在大型數據中的有意義聯系，本文試圖在市場營銷學中以開源軟件WEKA為例，講解Apriori關聯算法在超市數據分析中的應用，以此來引導學生用數據挖掘的方法來解決實際問題。

二、開源軟件WEKA簡介

WEKA[1]的全名是懷卡托智能分析環境（Waikato Environment for Knowledge Analysis），它的源代碼可通過http：//www.cs.waikato.ac.nz/ml/WEKA得到。在第11屆ACM SIGKDD國際會議上，懷卡托大學的WEKA小組榮獲了數據挖掘和知識探索領域的最高服務獎，WEKA系統得到了廣泛的認可，成為現今較完備的數據挖掘工具之一。WEKA作為一個開源的數據挖掘工作平臺，集合了大量能承擔數據挖掘任務的機器學習算法，包括對數據進行預處理、分類、回歸、聚類、關聯規則以及在新的交互式界面上的可視化[2]，在現代商業社會，企業的數據一般是海量的，如果學生在進行營銷數據管理中能借助于先進軟件WEKA進行分析，從海量數據中挖掘出其背后隱藏的種種關系，肯定對于營銷數據的挖掘利用、商機的發現大有好處。

三、開源軟件WEKA在市場營銷學教學的應用

在教學過程中我們選擇的是購物籃分析實驗，購物籃分析是將關聯技術用于交易過程，特別是分析超市收銀數據，找出那些以成組出現的商品。對于營銷者來說，這是主要的用于數據挖掘的銷售信息來源，比如自動分析收銀數據后發現：買啤酒的客戶也同時購買了薯片，對超市管理人員來說這個發現意義非常大，這些信息可以用于多種目的，比如規劃貨架的擺放位置、僅對會同時購買的商品中的一種進行打折銷售、提供與單獨銷售的產品相匹配的產品贈券等，商家還可以從顧客的購買行為中鑒別特殊客戶，不但可以分析其歷史購買模式，而且還能精確地針對潛在用戶提供特殊的極其可能感興趣的購買信息。

教學實驗中我們的實驗數據采用Weka自帶的一個超市購物籃分析數據集，文件名為supermarket.arff，這個數據集是從新西蘭的一個真實超市里搜集而來的，數據集屬性有217個，實例數量有4627個，很適合用來做購物籃分析實驗，首先使用Weka的Explorer界面的預處理面板，加載data目錄下的supermarket.arff文件，在Current relation子面板下，我們可以看到這個數據集的基本信息，由于數據集屬性比較多，數據量也比較大，因此此時會讓學生單擊預處理面板上部的Edit按鈕，打開數據集的Viewer窗口，查看數據文件，通過適當的講解讓學生理解數據的屬性和結構。然后切換至關聯面板，選擇Apriori算法，保持選項為默認值，單擊Start按鈕，啟動Apriori算法，運行結果如圖示。

運算結果得到的十條關聯規則中，多項商品多次出現，而且總金額都很高。我們從中可以分析出：第一，購買餅干、冷凍食品等速食的顧客，會順便采購水果、蔬菜，以補充身體所需的維生素；第二，購買餅干、冷凍食品以及水果、蔬菜的顧客，會順便購買面包和蛋糕；第三，購買上述食品的顧客，一次購買量都很大，總金額會很高；第四，總金額較高的交易，一般都會購買面包和蛋糕等等。這些信息如果提供給超市方面，可以根據挖掘到的知識重新安排貨架、重新布局超市、提供快速付款通道以及安排送貨等附加服務，以提升市場競爭力。

對以上結果進行分析以后，可以引導學生嘗試Apriori算法的不同參數，然后分析其運算結果，看能否得到一些有價值的營銷信息。

四、結論

為了激發出學生學習市場營銷學課程的興趣，我們嘗試在教學過程中應用了一個開源工具——WEKA，并借助它的可視化環境、典型算法，在課堂上為學生演示了一個實際問題的解決過程，通過這些教學步驟，讓學生循序漸進的做到了解開源軟件WEKA，掌握典型算法的使用，利用WEKA處理和分析商業數據，提高數據處理能力，挖掘出對市場營銷有價值的信息來。同時WEKA軟件是開源軟件，對于有編程基礎的同學可以分析其算法的原理，也可以通過自己編程來優化算法，進一步提升自己解決問題的能力。

參考文獻

[1]I.Witten，E.Frank.WEKA Machine Learning Algorithms in Java[D]. Data Mining：Practical Machine Learning Tools and Techniques with Java Implementations， Morgan Kaufmann Publishers， 2000.

[2]Kirkby R，Frank E.WEKA explorer user guide.[2007].http：//www.cs.waikato.ac.nz/ml/WEKA/2004.

作者簡介：郭德超（1978-），男，碩士，研究方向：信息管理。