基于熵值賦權的粒子群聚類方法研究

李楚貞 林劍添

（廣東理工學院信息技術學院 廣東省肇慶市 526100）

隨著網絡銷售在企業銷售占比的增長，眾多企業對網絡銷售相關運營數據的關注度日益提高。網絡銷售的運營數據獲取成本低，且和門店運營數據相比，有更多的指標去反映消費者的消費行為信息，如商品詳情頁跳出率、消費者平均停留時長等，這些指標是在門店銷售的運營中無法低成本獲得的。有效的數據挖掘工作一方面可以幫助企業深層次地挖掘消費者的消費情況，為消費者提供個性化服務，另一方面基于產品運營數據進行商品重分類，從而為企業制定運營策略提供決策指導[1]。

對于電商運營數據的聚類研究，傳統研究視角是基于消費者行為數據進行聚類分析。韓利東基于消費者購買商品記錄，通過聚類將相似的消費者歸為同一類簇，從而實現個性化服務[2]。王越通過基于改進遺傳算法的模糊聚類對電子商務用戶數據進行聚類分析[3]。錢丹丹研究商業智能（BI）體系下的大數據應用于消費者行為預測，主要對顧客購買藥片的頻率、消費金額和消費者價值進行聚類分析，以此作為消費群體劃分的依據[4]。電商產品數據特征更易獲得，同時對產品的重分類問題的研究更有利于庫存訂貨策略[5]。本文從電商服裝產品的視角出發，采用基于熵值賦權的粒子群聚類方法對服裝產品銷售平臺的支付轉化率、訪客數、詳情頁跳出率、平均停留時長、訪客平均價值、客單價進行聚類，并以此為依據對產品進行銷售預測劃分。……