本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法及裝置。

背景技術：

1、在快消品市場競爭愈發(fā)激烈的大背景下，精準把握消費者需求已然是快消品品牌提升競爭力和擴大市場份額的關鍵所在。伴隨大數(shù)據(jù)技術迅猛發(fā)展，企業(yè)積極借助消費者的購買行為，深度分析挖掘快消品的潛在關聯(lián)性，以期制定出更精準高效的營銷策略。

2、目前，在確定快消品關聯(lián)性的數(shù)據(jù)采集階段，主要依賴品牌會員注冊、線下走訪調研、業(yè)務部門提報等傳統(tǒng)方式。在分析階段，結合歷史數(shù)據(jù)報表和個人經(jīng)驗，人工判斷快消品關聯(lián)性。最后應用于線下促銷場景，來推斷上述得到的快消品關聯(lián)性是否準確。然而，上述方式受采集范圍和時效性限制，數(shù)據(jù)常不完整，而且由于數(shù)據(jù)來源復雜，無法精準劃分消費者群體。并且，通過人工對快消品關聯(lián)性進行判斷，效率低且精準性差。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法及裝置，以解決高效、精準分析快消品關聯(lián)性的問題。

2、第一方面，本發(fā)明提供了一種基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，該方法包括：

3、對于任一快消品，獲取快消品的產(chǎn)品數(shù)據(jù)和多個會員消費者對快消品的消費掃碼數(shù)據(jù)，消費掃碼數(shù)據(jù)包括快消品種類；

4、基于消費掃碼數(shù)據(jù)和產(chǎn)品數(shù)據(jù)，對多個會員消費者購買的所有快消品的快消品種類進行聚類，得到多個快消品聚類結果，多個快消品聚類結果用于表示屬于同一快消品品牌的快消品之間的產(chǎn)品關聯(lián)性；

5、基于消費掃碼數(shù)據(jù)，對多個會員消費者進行聚類，得到多個消費者聚類結果，多個消費者聚類結果包括多元型消費者；

6、基于多元型消費者購買的快消品的快消品種類，確定多個關聯(lián)規(guī)則，并計算每個關聯(lián)規(guī)則對應的支持度和置信度，支持度和置信度用于通過多元型消費者的購買行為表示快消品之間的關聯(lián)性。

7、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過收集任一快消品的產(chǎn)品數(shù)據(jù)和會員消費者對該快消品的消費掃碼數(shù)據(jù)，涵蓋了不同消費者的購買行為，有助于發(fā)現(xiàn)更廣泛和多樣的關聯(lián)性，為后續(xù)的關聯(lián)性分析提供了豐富的數(shù)據(jù)來源，通過屬于同一快消品品牌的快消品進行聚類，可以發(fā)現(xiàn)同一品牌下快消品之間的產(chǎn)品關聯(lián)性，通過對消費者的聚類，可以精準劃分消費者群體，細分消費者類型，從而深入了解不同類型消費者的購買行為和偏好，并根據(jù)聚類結果中的多元型消費者確定多個關聯(lián)規(guī)則，計算每個關聯(lián)規(guī)則的支持度和置信度，能夠反映快消品與消費者的購買行為之間的關聯(lián)性，通過兩次關聯(lián)性分析有助于企業(yè)更精準地制定營銷策略和優(yōu)化產(chǎn)品組合。

8、在一種可選的實施方式中，基于消費掃碼數(shù)據(jù)和產(chǎn)品數(shù)據(jù)，對多個會員消費者購買的所有快消品的快消品種類進行聚類，得到多個快消品聚類結果，包括：

9、基于多個會員消費者購買的所有快消品的快消品種類快對應的產(chǎn)品數(shù)據(jù)，確定多個快消品產(chǎn)品特征；

10、基于多個快消品產(chǎn)品特征，對多個會員消費者購買的所有快消品的快消品種類進行聚類，得到多個快消品聚類結果。

11、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過根據(jù)產(chǎn)品數(shù)據(jù)確定多個快消品產(chǎn)品特征，從而基于快消品產(chǎn)品特征對快消品種類進行聚類，能夠發(fā)現(xiàn)不同快消品種類對應的快消品之間的產(chǎn)品關聯(lián)性。

12、在一種可選的實施方式中，基于消費掃碼數(shù)據(jù)，對多個會員消費者進行聚類，得到多個消費者聚類結果，包括：

13、基于消費掃碼數(shù)據(jù)，確定多個消費行為特征，并確定每一會員消費者對應的多個消費行為特征值；

14、采用肘部圖分析法，基于多個消費行為特征和每一會員消費者對應的多個消費行為特征值，確定目標數(shù)量；

15、基于消費掃碼數(shù)據(jù)和每一會員消費者對應的多個消費行為特征值，對多個會員消費者進行聚類，得到目標數(shù)量個消費者聚類結果。

16、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過根據(jù)消費掃碼數(shù)據(jù)確定多個消費行為特征，可以更細致地描繪消費者的畫像，并采用肘部圖分析法根據(jù)消費行為特征，確定最佳的聚類數(shù)量，確保聚類結果的合理性和有效性，然后對消費者進行聚類，可以將消費者劃分為不同的細分群體，每個聚類代表一類具有相似消費行為的消費者，使得根據(jù)不同的消費者聚類結果，企業(yè)可以制定更加精準的營銷策略。

17、在一種可選的實施方式中，基于消費掃碼數(shù)據(jù)和每一會員消費者對應的多個消費行為特征值，對多個會員消費者進行聚類，得到目標數(shù)量個消費者聚類結果，包括：

18、對于任一會員消費者，基于多個消費行為特征和會員消費者的消費掃碼數(shù)據(jù)，確定會員消費者的多個消費行為特征對應的消費行為特征值；

19、獲取上一次迭代得到的隸屬度矩陣；

20、對于任一會員消費者，基于上一次迭代得到的隸屬度矩陣，分別確定會員消費者對目標數(shù)量個聚類簇的上一次迭代的隸屬度；

21、對于任一聚類簇，基于多個會員消費者對聚類簇的上一次迭代的隸屬度以及多個會員消費者的消費行為特征值，確定聚類簇的本次迭代的簇中心；

22、基于每個會員消費者與每個聚類簇的本次迭代的簇中心之間的距離，更新上一次迭代得到的隸屬度矩陣，得到本次迭代的隸屬度矩陣；

23、基于本次迭代的隸屬度矩陣和多個會員消費者的消費行為特征值，確定本次迭代的目標函數(shù)，在本次迭代的目標函數(shù)大于預設閾值的情況下，重復上述更新隸屬度矩陣的過程，直至本次迭代的目標函數(shù)小于預設閾值，得到目標數(shù)量個聚類簇以及每個聚類簇中的會員消費者；

24、對于任一聚類簇，將聚類簇中所有會員消費者的數(shù)量和消費行為特征值的均值，作為聚類簇對應的消費者聚類結果。

25、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過確定每個會員消費者的消費行為特征值，可以更精確地量化每個消費者的購買行為，通過不斷更新隸屬度矩陣，確保每次迭代都能更準確地反映每個消費者對各個聚類簇的歸屬程度，以使聚類結果更加穩(wěn)定和可靠，設置目標函數(shù)和預設閾值，確保在達到一定精度后停止迭代，提高效率，每個聚類簇的中心是基于該簇內所有消費者的消費行為特征值計算得出，能夠更好地代表該簇內的消費者特征，每次迭代都會重新計算簇中心，確保簇中心始終反映最新的聚類結果，最終得到的目標數(shù)量個聚類簇，代表了不同類型的消費者群體，使得每個聚類簇的消費者具有相似的消費行為特征，有助于制定更加精準的營銷策略。

26、在一種可選的實施方式中，基于多元型消費者購買的快消品的快消品種類，確定多個關聯(lián)規(guī)則，包括：

27、基于多元型消費者購買的所有快消品的快消品種類，構建關聯(lián)矩陣；

28、對于任一多元型消費者，將多元型消費者購買的所有快消品種類作為消費記錄，得到所有多元型消費者對應的總消費記錄；

29、基于關聯(lián)矩陣和總消費記錄，確定多個關聯(lián)規(guī)則。

30、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過構建關聯(lián)矩陣將多元型消費者購買的快消品種類之間的關聯(lián)信息進行結構化表示，然后將每個多元型消費者購買的所有快消品種類作為一條消費記錄，匯總成總消費記錄，使得能夠基于關聯(lián)矩陣和總消費記錄，挖掘出頻繁出現(xiàn)的快消品組合，從而生成關聯(lián)規(guī)則，有助于優(yōu)化營銷策略和產(chǎn)品組合。

31、在一種可選的實施方式中，基于多元型消費者購買的所有快消品的快消品種類，構建關聯(lián)矩陣，包括：

32、基于多元型消費者購買的快消品種類對應的產(chǎn)品數(shù)據(jù)，確定多個快消品關聯(lián)特征；

33、對于多元型消費者購買的所有快消品種類中的任一快消品組合，基于產(chǎn)品數(shù)據(jù)和多個快消品關聯(lián)特征，確定快消品組合的關聯(lián)信息，快消品組合包括至少兩種快消品種類；

34、基于所有快消品組合對應的關聯(lián)信息，構建關聯(lián)矩陣。

35、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過對產(chǎn)品數(shù)據(jù)的分析，確定多個快消品關聯(lián)特征，對于任一快消品組合，從產(chǎn)品數(shù)據(jù)中確定包含多個快消品關聯(lián)特征的數(shù)據(jù)，以此確定快消品組合的關聯(lián)信息，從而生成關聯(lián)矩陣，有助于識別快消品組合之間的關聯(lián)性，為確定關聯(lián)規(guī)則提供支持。

36、在一種可選的實施方式中，對于任一快消品，獲取快消品的產(chǎn)品數(shù)據(jù)和多個會員消費者對快消品的消費掃碼數(shù)據(jù)之前，該方法還包括：

37、對于任一快消品，獲取快消品的初始產(chǎn)品數(shù)據(jù)；

38、從多個銷售渠道獲取多個會員消費者對快消品的初始消費掃碼數(shù)據(jù)；

39、對初始產(chǎn)品數(shù)據(jù)和初始消費掃碼數(shù)據(jù)分別進行預處理，得到產(chǎn)品數(shù)據(jù)和消費掃碼數(shù)據(jù)。

40、本發(fā)明實施例提供的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法，通過獲取任一快消品的初始產(chǎn)品數(shù)據(jù)和初始消費掃碼數(shù)據(jù)，確保了數(shù)據(jù)的完整性和準確性，并對初始數(shù)據(jù)進行預處理，提高了數(shù)據(jù)質量，以提高后續(xù)快消品關聯(lián)分析的精準度。

41、第二方面，本發(fā)明提供了一種基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析裝置，該裝置包括：

42、第一獲取模塊，用于對于任一快消品，獲取快消品的產(chǎn)品數(shù)據(jù)和多個會員消費者對快消品的消費掃碼數(shù)據(jù)，消費掃碼數(shù)據(jù)包括快消品種類；

43、第一聚類模塊，用于基于消費掃碼數(shù)據(jù)和產(chǎn)品數(shù)據(jù)，對多個會員消費者購買的所有快消品的快消品種類進行聚類，得到多個快消品聚類結果，多個快消品聚類結果用于表示屬于同一快消品品牌的快消品之間的產(chǎn)品關聯(lián)性；

44、第二聚類模塊，用于基于消費掃碼數(shù)據(jù)，對多個會員消費者進行聚類，得到多個消費者聚類結果，多個消費者聚類結果包括多元型消費者；

45、關聯(lián)分析模塊，用于基于多元型消費者購買的快消品的快消品種類，確定多個關聯(lián)規(guī)則，并計算每個關聯(lián)規(guī)則對應的支持度和置信度，支持度和置信度用于通過多元型消費者的購買行為表示快消品之間的關聯(lián)性。

46、第三方面，本發(fā)明提供了一種計算機設備，包括：存儲器和處理器，存儲器和處理器之間互相通信連接，存儲器中存儲有計算機指令，處理器通過執(zhí)行計算機指令，從而執(zhí)行上述第一方面或其對應的任一實施方式的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法。

47、第四方面，本發(fā)明提供了一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機指令，計算機指令用于使計算機執(zhí)行上述第一方面或其對應的任一實施方式的基于消費者購買數(shù)據(jù)的快消品關聯(lián)性分析方法。