基于Apriori算法的四川省卷烟市场的研究

四川大学工商管理学院 周欣胤 何跃

四川省拥有众多的吸烟人口，但国内卷烟企业众多，生产集中度低；产品同类不同质，功能单一缺少差异化，相互间替代性较强，使得卷烟市场竞争激烈。只有掌握卷烟消费群体的特征，才能提高卷烟企业在市场上的占有率，提高经济效益。以往卷烟市场的分析只是对市场统计数据进行单项分析，忽略了数据之间可能存在的关联性，而这些关联模型对卷烟企业提高经济效益具有更重要的实际意义。

文章使用clementine软件建立Apriori关联规则挖掘模型，对四川省2007年卷烟市场数据进行研究，找出其中的关联规则。

1 Apriori 算法简介

Agrawal等在1993年设计了关联规则挖掘的基本算法Apriori[1]。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。

该算法的基本思想：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。

2 提取四川省卷烟市场关联规则

四川省2007年卷烟市场数据来源是四川省卷烟市场调查问卷数据。在四川省境内不同地州市共发出4000份调查问卷，收回2743份有效问卷。问卷数据不能直接作为数据源使用，因为clementine软件的Apriori 算法只能处理布尔型的数据。因此，需要将问卷中的数据转换成布尔型的数据。具体做法是每个问题的每个选择项都作为一维数据，选择该项则值为1，否则为0[2]。

2.1 收入水平与客户购买卷烟价位

将转换好的客户收入水平与客户购买卷烟价位数据存入EXCEL文件并作为数据源在clementine软件中输入，将客户收入水平设定为“输入”，购买卷烟价位设定为“输出”，支持度设为10%以上，置信度20%以上，建立Apriori 关联规则挖掘模型得到输出结果如表1所示。由表1可知，收入水平在1000以下购买卷烟价位在4到5元的支持度在27.436%，说明了前项收入水平在1000以下的客户在所有客户中所占的比例是27.436%，置信度是51.402，说明了收入水平在1000以下的客户有51.402的概率购买4到5元价位的卷烟。可以看出随着收入水平的增加，用户会购买更多不同价位的卷烟。客户在购买这些不同价位的卷烟的概率差别不大。也就说明了收入增加，卷烟价格对决定客户购买价位的作用就越来越小。卷烟厂为了吸引更多高收入的客户群体不能只从卷烟的价格考虑，而要从香烟的品质、包装等多方面去考虑。

表1 收入水平与购买价位关联规则

表2 收入水平与常吸烟种关联规则

2.2 收入水平与常吸烟种关联规则

将转换好的客户收入水平与常吸烟种数据存入EXCEL文件并作为数据源在clementine软件输入，将客户收入水平设定为“输入”，常吸烟种设定为“输出”，支持度设为5%以上，置信度10%以上，结果如表2所示。可以看出收入1500元以下的客户更偏爱软红梅、盖红梅与盖红河这三种烟，收入在3000到5000的客户更偏爱红娇。卷烟厂需要大量生产这几种烟以保证其产量能满足客户的需求。

2.3 收入水平与购买途径关联规则

将转换好的客户收入水平与购买途径数据存入EXCEL文件并作为数据源在clementine软件输入，将客户收入水平设定为“输入”，购买途径设定为“输出”，支持度设为10%以上，置信度20%以上，结果如表3所示。

表3 收入水平与购买途径关联规则

可以看出客户的收入水平在1500以下时，置信度都非常高，说明了这些客户都是有80%左右的概率完全自己购买香烟。当收入水平增加到1500以上时，就会出现客户有20%左右的概率“自己买部分、别人送部分”。当收入水平增加到2000到3000时，客户“自己买部分、别人送部分”的概率会更高。可以总结出客户的收入水平越高，“自己买部分、别人送部分”的概率就会越高。卷烟厂为了增加高收入的客户的购买量，就可以考虑生产礼品烟或者包装较好的卷烟，提高销量。

3 结语

文章采用了数据挖掘方法研究四川省卷烟市场数据，在clementine 中建立关联规则数据挖掘模型，旨在通过数据挖掘的关联规则算法，将购烟客户的群体特征与购买特征组成模式，在一定的模式出现显著程度的基础上，从数据集整体中分离出这部分显著程度较高的模式，并以直观的方法展示出来，提取其中的规则，供卷烟厂参考。

在四川省卷烟市场数据中运用Apriori算法还可以挖掘出更多的规则，比如：低收入客户偏爱软硬红梅、盖红河的原因，客户职业与年龄对每日吸烟量的影响等。

[1]R.Agrawal etal.Database mining:A Performance Perspective IEEET ransactions on knowledge and Data Engineering,1993,(5):914～925.

[2]Mehmed Kantardzic.数据挖掘－概念、模型、方法和算法[M].北京:清华大学出版社,2002.