基于CART決策樹算法的服裝可持續消費者畫像構建

魏山森, 梁建芳, 雷欽淵

(西安工程大學 服裝與藝術設計學院,西安 710048)

紡織服裝產業的綠色轉型與重塑是近年來的熱點話題。目前,盡管中國紡織服裝產業在供應鏈上游和中游環節具備了一定的可持續發展競爭力[1],但在消費端仍存在諸多不可持續的現象,尚未形成良好的循環再利用體系[2]。有研究指出[3],對綠色可持續消費觀念的引導,能有效實現“綠色低碳全民行動”的碳達峰目標,助力中國“碳中和”發展。

在實踐操作層面,中國服裝市場消費群體基數大、范圍廣,觀念引導需要有針對性地了解消費者的基本特征。消費者畫像作為大數據時代下精準營銷的產物,能夠很好地依據客觀標志區分不同消費者群體,從而實現多元化的精準服務,其主要包括人口統計變量、生活行為模式等基本特征[4]。目前,關于消費者畫像的研究多以固定人群為主體,通過對畫像特點的分析,提升該類人群的服務體驗[5]。消費者畫像的應用領域廣泛,可拓展到不同學科的研究中。盡管如此,目前在服裝可持續消費的研究領域,多數成果仍為現狀調查[6]、概念界定[2]及影響機理分析[7],鮮有對消費群體特點的深入探討。為此,本文以服裝可持續消費行為數字量表為依據,對消費者進行群體劃分,進一步地構建群體畫像,結合畫像特征的分析,深入理解服裝可持續消費行為踐行的內在機理,并有針對性地提出引導策略。

1 研究方案設計

1.1 服裝可持續消費行為測量量表設計

服裝可持續消費行為依照再利用、減量化等綠色意識可分為購買、使用及處置3個階段[2],以此作為量表設計依據。為保證量表符合中國服裝消費者的特征,避免出現無效題項,此次設計在閱讀相關文獻的基礎上,結合目前服裝可持續消費推動的困境,如協作消費較難推進等,對題項進行了刪減,最終確定4項題目對服裝可持續消費行為進行測量,如表1所示。題項采用Likert 5點數字量表進行答案設置,1表示“從未做到”,5表示“每次做到”。

表1 量表測量題項及參考文獻Tab.1 Measurement items and references of the scale

1.2 消費者畫像指標設計

消費者畫像指標應依據不同的研究對象及研究內容進行設計。以往研究的畫像指標設計內容一般包括人口統計變量及與研究內容緊密相關的研究對象的其余屬性,研究對象群體越精準,其相關屬性指標的覆蓋面越廣泛。但另一方面,以往研究多按照指標特征進行簡單的畫像描述,缺少對影響畫像構建的指標進行結構關系或重要程度的深度研究,這為本研究提供了理論探索契機。

參照文獻[4,10]范式和經驗,本文的消費者畫像指標擬包含人口統計變量及可持續生活習慣兩大維度。在根據指標對服裝可持續消費者進行畫像描述的基礎上,還對影響畫像構建的指標進行篩選及重要度排序。具體地,人口統計變量包括性別、代際、居住地、城鄉、職業、學歷、婚姻、子女及月收入,可持續生活習慣指除服裝可持續消費外的其他綠色行為,包括是否進行過垃圾分類、是否進行過舊物改造或再利用、是否購買過綠色食品、是否購買過新能源汽車/低碳住宅。

1.3 研究方法及研究思路設計

決策樹作為機器學習中一種典型高效的分類算法,對于數據量大、分散性高的特征數據有很好的歸納能力,包括ID3、C4.5、CART等算法。相比其他算法,首先,CART算法運算結果更為精準,既能對數據進行分類問題處理,也能解決連續變量的回歸問題;其次,CART算法能夠直觀地解釋各變量間的結構關系,有利于厘清各變量間的主次關系并剔除次要變量[11]。因此,CART算法將被用于本研究之中。

根據CART算法原理,首先以服裝可持續消費行為4項測量量表為依據,通過K-means算法對樣本進行聚類,確定聚類個數并命名;其次,通過卡方檢驗與回歸檢驗篩選影響畫像構建的指標,即借助RC列聯表對指標進行單因素統計學意義檢驗,將p<0.05的變量納入無序多元Logistic模型中進行回歸檢驗,確定影響服裝可持續消費者畫像屬性的指標因素;最后,將指標因素輸入CART算法中進行屬性歸類,構建服裝可持續消費者畫像。

2 群體聚類與變量檢驗

2.1 問卷回收與樣本描述

本文的調研對象為中國服裝消費者,通過線上線下相結合的方式進行調研,調研時間為2021年3—6月,共收集問卷2 486份,其中有效樣本1 835份。有效樣本的人口統計信息如表2所示。為保證有效樣本中4道量表題項的相關性及獨立性,使用SPSS 23.0軟件對其進行信度及KMO和Bartlett球狀檢驗。檢驗結果α系數為0.797>0.65,KMO值0.739>0.6,Bartlett顯著性水平Sig.=0.000<0.05,表明測量題項有較高的一致性及區分性,可以進行進一步聚類分析。

表2 調研對象主要人口統計信息Tab.2 Main demographic information of survey subjects

2.2 K-means消費者聚類

K-means聚類算法通過衡量歐式距離來確定樣本間相似性,從而對樣本進行劃分,常用于大規模數據的聚類。使用K-means算法對1 835名服裝可持續消費者進行聚類,聚類指標為4項服裝可持續消費行為5點數字量表數值的總和。

K-means聚類分析常用簇內誤差平方和(SSE)作為類簇數量的評價標準,簇內誤差平方和即在總樣本為k個類簇時將各類簇中全部樣本x與類簇中心ci距離的平方相加后,各類簇相加結果之和,計算公式如下:

通過設置不同的k值進行數據迭代,并計算簇內誤差平方和。將1 835名服裝可持續消費者分為2～8類時,SSE值分別為8 745.362、3 581.917、2 420.659、1 567.134、1 175.233、895.212、807.345,且各簇數量下p值均小于0.05,說明聚類簇數結果均顯著,故將各簇數下的SSE值繪制為點線圖,如圖1所示。

由圖1可知,簇數量為2時,簇內誤方差最大,簇內誤方差隨著簇數量的增多遞減;簇數量從3開始,線段趨于平緩。因此,服裝可持續消費者聚類為3類時是最合適的。

圖1 不同簇數量下簇內誤差平方和Fig.1 SSE value under different numbers of clusters

通過聚類分析,確定將1 835名服裝可持續消費者分為3類,將每一類簇服裝可持續消費評價量表值的平均值作為依據,類簇的平均值越高,表明該類簇的消費者越容易踐行可持續行為。分值由低到高分別命名為“低迷型服裝可持續消費者”“能動型服裝可持續消費者”及“活躍型服裝可持續消費者”,如表3所示。

表3 各類簇樣本狀況及命名Tab.3 Status and naming of various cluster samples

2.3 消費者屬性RC列聯表卡方檢驗

卡方檢驗用于判斷不同群體在單個變量上是否存在顯著差異,以便對研究變量進行初步篩選。本次檢驗樣本量大于40且各單元理論數均大于5,故可進行RC列聯表卡方檢驗,SPSS 23.0軟件輸出結果如表4所示。

表4 服裝可持續消費者屬性卡方檢驗結果Tab.4 Chi-square test results of the attributes of sustainable clothing consumers

由表4可知,最小期望值均大于5,表明本次卡方檢驗結果成立,p值均小于0.05,說明3類服裝可持續消費群體在13項單因素方面的差異均存在統計學意義。因此,13項單因素變量均可納入Logistic回歸模型,通過回歸分析對變量進一步篩選。

2.4 消費者屬性無序多元Logistic回歸檢驗

無序多元Logistic回歸檢驗適用于數量在2項以上且不存在數量級關系的分類變量,以1項變量作為參照組,構建其余變量模型。為檢驗能動型與活躍型服裝可持續消費者屬性的影響因素的顯著性,本文將低迷型服裝可持續消費者作為對照組。將卡方分析中p值小于0.05的13項單因素變量分別代入能動型與活躍型的回歸模型,并使用后退法進行變量篩選,排除標準為α=0.1[12],SPSS 23.0軟件輸出結果如表5所示。

表5 服裝可持續消費者屬性Logistic回歸檢驗結果Tab.5 Logistic regression test results of the attributes of sustainable clothing consumers

續表5

由表5可見,城鄉差異、婚姻狀況不會影響能動型與活躍型服裝可持續消費者的屬性,最終納入能動型服裝可持續消費者模型的變量有性別、代際、進行垃圾分類情況、購買綠色食品情況,該模型擬合信息中Sig.=0.000<0.05,具有顯著性;最終納入活躍型服裝可持續消費者模型的變量有居住地、職業、學歷、子女情況、月收入、進行舊物改造或再利用情況、購買新能源汽車/低碳住宅情況,該模型擬合信息中Sig.=0.000<0.05,具有顯著性。

通過RC列聯表卡方檢驗及Logistic回歸檢驗,分別將影響能動型與活躍型服裝可持續消費者屬性的影響因素進行篩選,最終確定4項能動型消費者屬性影響因素及7項活躍型消費者屬性影響因素,分別使用CART算法對其進行畫像構建。

3 CART決策樹分類算法畫像構建

3.1 CART算法結果輸出及評價

CART算法是以最小分割Gini系數的屬性作為劃分依據的二分遞歸算法,可以避免數據過分擬合,有效提高預測精度。其主要計算步驟如下:

1) 計算初始Gini系數值。針對樣本訓練集Q,在此訓練集中的屬性為A,根據每一屬性A,計算此時的初始Gini系數,計算公式如下:

式中:n為訓練集中類別個數,Pi為樣本點屬于第n類的概率。

2) 計算分割Gini系數值。針對訓練集中的每一屬性A,以閾值a作為屬性A的分割依據,將訓練集Q分為Q1和Q2兩個子集,分別計算兩個子集的分割Gini系數值,數值越大,表示分割后集合出錯的概率越大,計算公式如下:

式中:Gini(Q,A)為屬性A的分割閾值為a時,訓練集Q分割子集的錯誤概率。

3) 確定最佳屬性及分割閾值。對于每一屬性A,選擇最小分割Gini系數的屬性及其閾值作為最佳劃分依據,生成兩個子節點,并進行樣本劃分。

依據上述步驟,以低迷型(R)服裝可持續消費者為對照組,分別對能動型(M)與活躍型(N)服裝可持續消費者進行畫像構建,運行軟件為Matlab R2021a。

影響能動型服裝可持續消費者的屬性有X1(X1a～X1b)、X2(X2a～X2d)、X10、X12,“1(≥0.5)”代表具備該屬性,“0(<0.5)”代表不具備該屬性。低迷型與能動型群體共計1 260個樣本,將1 008個樣本作為訓練集,252個樣本作為測試集,發現葉子節點含有最小樣本數為28時,交叉驗證誤差最小,為0.312 5,生成的決策樹如圖2所示。由圖2可知,影響畫像構建的拆分點有4個,分別是是否購買綠色食品、是否為1995年后出生、是否為女性、是否進行垃圾分類。

圖2 能動型服裝可持續消費者決策樹分類Fig.2 Decision tree classification result map of sustainableclothing consumers of mid-active type

影響活躍型服裝可持續消費者的屬性有X3(X3a～X3d)、X5(X5a～X5f)、X6(X6a～X6d)、X8(X8a～X8c)、X9(X9a～X9e)、X11、X13,“1(≥0.5)”代表具備該屬性,“0(<0.5)”代表不具備該屬性。低迷型與活躍型群體共計1 008個樣本,將807個樣本作為訓練集、201個樣本作為測試集,發現葉子節點含有最小樣本數為17時,交叉驗證誤差最小,為0.314 7,生成的決策樹如圖3所示。由圖3可知,影響畫像構建的拆分點有5個,分別是是否購買新能源汽車/低碳住宅、是否有2個以上的子女、是否為小學及以下學歷、是否居住在東部地區、是否有子女。

圖3 活躍型服裝可持續消費者決策樹分類Fig.3 Decision tree classification result map of sustainableclothing consumers of active type

本次實驗結果可通過測試集樣本預測的準確率進行評價,在CART算法下,能動型群體測試集識別數為165,正確預測數為160,識別率為96.97%;活躍型群體測試集識別數為116,正確預測數為98,識別率為84.48%。由此可見,識別率均在80%以上且總識別率達90.73%,表明本次試驗結果有較高的可信度。

3.2 畫像構建結果分析

3.2.1 能動型服裝可持續消費者

決策樹中越靠近末端的拆分點,在模型構建中發揮的實際作用越小,對于畫像構建的影響也較小[11]。由圖2可知,能動型服裝可持續消費者畫像構建指標重要性排序為生活習慣(X10、X12)>代際(X2)>性別(X1)。通過畫像邏輯描述可知,在生活習慣上,購買過綠色食品或踐行垃圾分類的人群易成為能動型服裝可持續消費者;在代際上,“95后”易成為能動型服裝可持續消費者;在性別上,女性易成為能動型服裝可持續消費者。

在生活習慣上,進行垃圾分類及購買綠色食品屬于受到宏觀及微觀因素共同影響的可持續行為,同時具有利己及利環境屬性[13-14],相比舊物再利用等較難踐行的可持續生活習慣,其行為驅動機理較易,且容易獲得個體利益及環境保護層面的滿足感[13],因此,在生活中踐行垃圾分類及購買綠色食品的消費者在服裝可持續消費行為層面被劃分為能動型較為合理。在代際方面,“95后”一代的價值觀形成于綜合國力快速上升時期,飛速的經濟發展、穩定的社會基礎及高漲的民族自信與其成長歷程緊密相連,巨大的發展福利使“95后”一代對保障國力提升的方針政策等保有較強的擁護意愿[15],因此更愿意踐行國家所倡導的低碳綠色生活方式;但同時,深受消費主義文化影響的“95后”一代也帶來了較大的服裝消費與浪費[15-16],因此,雖然“95后”相比其他代際群體更愿意踐行服裝可持續消費行為,但其仍屬于能動型。在性別上,已有許多研究表明環境行為存在性別差異,男性對泛化環境問題和公共領域的環境問題表現出更多的關心,女性則對具體環境問題和私人或家庭領域的環境問題表現出更多的行為意向[17]。作為常見消費品,服裝本身的屬性使其與個體生活息息相關,服裝可持續消費行為也屬于與個人與家庭密切關聯的具體的環境行為,因此從理論上,女性相比男性更愿意踐行服裝可持續消費行為,本文結論與之相契合,但同時,與“95后”一代類似,女性在服裝上的高消費特性決定了其屬于能動型群體。

3.2.2 活躍型服裝可持續消費者

由圖3可知,活躍型服裝可持續消費者畫像構建指標重要性排序為生活習慣(X13)>子女狀況(X8)>學歷(X6),其余指標在決策樹模型中未發揮實際作用或發揮作用較小。通過畫像邏輯描述可知,在生活習慣上,購買過新能源汽車/低碳住宅的人群易成為活躍型服裝可持續消費者;在子女狀況上,子女數量較多或有子女的人群易成為活躍型服裝可持續消費者;在學歷上,低學歷人群更容易成為活躍型服裝可持續消費者。

在生活習慣上,新能源汽車與低碳住宅都屬于具有高環保價值的新興消費品,而較高的溢價支出及使用功能的可替代性導致其市場競爭力較低,因此,購買新能源汽車或低碳住宅的消費者多數看中其“綠色”的商品屬性,該類人群往往具有更強的環境意識與社會責任感,在生活各方面會積極踐行環境行為[18-19]。對照本研究結論,認為購買過新能源汽車或低碳住宅的消費者在服裝購買和使用方面也具有更強的可持續意識,故將此類消費者劃分為活躍型。在子女狀況上,家庭的環境行為引導作為將個體環境意識上升至公共環境關心的有效路徑,對子女有著深遠的影響,通常出于對子女良好的教育與子女未來福祉等因素的考量,擁有子女的家庭通常更加關心環境問題并積極踐行環境行為[20]。對照本文研究,認為子女數量較多或有子女的人群有較強的服裝可持續消費意識。此外,服裝較強的再利用屬性導致其會在多子女家庭群體中進行代際內的多次使用,有效延長了其使用壽命,故將此類群體劃分為活躍型。在學歷上,已有許多研究表明學歷水平與可持續行為的踐行程度呈正相關性,而本文發現低學歷群體易踐行服裝可持續消費行為,這一結論表明服裝的可持續行為與其他層面的可持續行為存在一定的差異。服裝生命周期各階段的環境行為與大眾生活環境的改善間存在“感知鴻溝”,例如新能源汽車帶來的大氣環境改善、垃圾分類帶來的空間環境改善等,都能在生活中進行直觀地感受,而就目前消費者在服裝購買、使用、處理等階段可持續行為認知的模糊性[2],導致其對于服裝的可持續行為對提升環境水平的感知并不強烈;同時,不同學歷人群所處社會階層的差異間接導致了服裝購買與使用等行為的差異,低學歷人群的服裝消費水平往往較低,在購買及使用服裝時更多注重其實用性,而較長的使用時間則延長了服裝的使用壽命,導致服裝可持續消費行為量化分數較高,成為活躍型群體。

4 對策建議

通過聚類分析,發現目前中國消費者在服裝可持續消費踐行程度方面可被劃分為低中高3個層次的群體,即低迷型、能動型與活躍型。通過卡方檢驗、回歸檢驗及CART算法分析,發現影響能動型群體畫像構建的指標按照重要程度排序為生活習慣、代際及性別,購買過綠色食品或進行垃圾分類的人群,“95后”及女性是能動型服裝可持續消費者的主要組成;影響活躍型群體畫像構建的指標按照重要程度排序為生活習慣、子女狀況及學歷,購買過新能源汽車/低碳住宅的人群,子女較多或有子女的人群,低學歷人群是活躍型服裝可持續消費者的主要組成。據此,提出踐行服裝可持續消費行為的對策。

1) 規避單一宣傳服裝方面的可持續行為,著眼全渠道環境行為宣傳。研究表明,不論對于能動型還是活躍型服裝可持續消費者,生活習慣均是畫像構建最重要的影響指標,說明具有可持續生活習慣的消費者同樣會在服裝上踐行可持續行為。目前,服裝可持續消費行為相比其他環境行為來講,存在意識不足、效力欠缺等推進困境,其踐行不能一蹴而就,需要從消費者環境感知較為清晰的公共環境領域切入,在環境意識提升后逐漸過渡,避免僅宣傳服裝可持續行為造成環境利益感知不足。在碳達峰全民行動的背景下,充分利用新媒體優勢,通過多種渠道對生活中常見的環境行為進行宣傳教育,在利用傳統媒介的同時,著重利用移動互聯網、手機客戶端等新媒體,通過微博、公眾號等移動社交應用對常見環境行為進行宣傳;此外,定期通過學校、單位、社區等進行宣傳教育,通過群體效應來提升總體環境意識,進而達到各方面可持續行為的提升。

2) 注重家庭層面環境意識與行為的培養,提倡理論教育與實踐并行。研究表明,多子女或有子女家庭、“95后”及女性均是構建服裝可持續消費者畫像的重要影響指標,這3項特征均指向了家庭這一重要教育途徑。女性母親身份的特殊性奠定了其對子女教育的重要地位,同時“95后”群體父母一代普遍接受過一定的教育,“95后”較高的可持續意識也與良好的家庭教育有著緊密的聯系。由于服裝可持續行為屬于典型的私域環境行為,家庭成為其教育的重要陣地。家庭環境行為教育應首先歸正家長的可持續意識,宣傳應以親子教育、未來環境福祉等為切入點,將可持續理念逐漸滲入到宣傳教育當中,使家長意識到家庭環境行為教育與學校教育同等重要;同時要將可持續意識應用到實踐中,利用學校、社區、社會團體等組織的親子環保活動,共同踐行諸如舊衣改造等可持續行為,將環保教育納入到國民日常生活及教育體系中。

3) 加強國家政府及龍頭企業的引導作用,增強政策的彈性與靈活性。研究表明,低學歷群體是構建服裝可持續消費者畫像的重要指標,這與較低的服裝消費水平及較長的使用周期等有著直接關系,造成一種“假綠”的現象,而這種“假綠”現象也恰恰反映出服裝可持續消費行為推進的艱難性。從源頭來看,環保健康的綠色服裝市場競爭力較差,同其他行業環保企業類似,政府應適當對綠色服裝生產企業施行經濟減稅政策,使綠色服裝形成一定的價格優勢,并根據不同地區經濟、社會的差異實施差異化激勵政策,鼓勵消費者購買綠色服裝;在服裝購后階段,服裝相關的環保事務不同于其他環保事業可以得到政府的有力監管,龍頭企業應肩負起一定的社會責任,如在線下零售店建立相關回收設施,鼓勵消費者積極參與到服裝回收的可持續行為中,優化服裝回收體系,形成政府引導、行業協助、民眾參與等多位一體的環境協同模式。

5 結 語

目前,中國服裝可持續消費者按照可持續行為踐行程度可分為高中低3個層次,影響服裝可持續消費者畫像構建的指標有生活習慣、代際、性別、家庭子女狀況及學歷。在“雙碳”政策背景下,實現服裝可持續消費行為的途徑主要有重視總體環境行為宣傳、提升家庭環境意識并注重服裝可持續行為教育、實行綠色服裝經濟補貼等。本文以1 835份問卷數據為研究基礎,通過聚類分析、回歸分析、CART算法分析等構建中國服裝可持續消費者畫像,為服裝可持續消費的消費者細分及“雙碳”政策下服裝可持續消費的踐行提供理論支撐。與此同時,本次研究針對所有的服裝消費者,沒有群體或角色的限制,因此畫像指標僅從人口統計變量與可持續生活習慣兩方面進行了設計,在設計維度上存在一定的局限性。在后續服裝消費者畫像的研究中,需進一步細化研究對象:在群體上,可根據性別、代際等屬性將研究群體清晰化;在內容上,可聚焦在某一消費階段,如回收階段,從而豐富與細化畫像構建的指標,以得到更有針對性的研究結論。

《絲綢》官網下載

中國知網下載