决策树在大型百货商场会员画像描绘 中的应用

决策树在大型百货商场会员画像描绘 中的应用

解术霞  

淄博职业学院    邮编：255314

摘要：零售行业中，会员能持续不断地为零售运营商带来稳定的销售额和利润。本文用建立决策树模型法，对流失会员分类进行预测，可以为商场开展有针对性的促销活动，提供可靠的理论根据。

关键词：会员；消费；决策树

在零售行业中，会员价值体现在持续不断地为零售运营商带来稳定的销售额和利润。而电商的发展使商场会员不断流失，给零售运营商带来了严重损失。运营商若想加强与会员的良好关系，则需有针对性地实施营销策略来。因此，判断流失会员成为商场制定营销策略的关键一环。

一、问题分析

二、数据预处理

基于问题二中RMF模型的基础上得到关于每位会员R、M、F的相关数据，根据消费总额、消费频次及会员最近一次消费时间间距将其划分为4个区间，并对每一个区间在一定范围内进行赋值，如表1所示：

表 1M.F.R赋值表

计算所有会员MFR的平均值如表2

表 2MFR平均值表

对于MFR，超过其平均值的为高，不足平均值的为低。最后利用EXCEL的VLOOKUP函数将每位会员的性别与年龄导入。

三、定义会员的流失

会员是否流失根据R（会员最近一次消费时间间距）与M（消费频次）来作为指标，当R（会员最近一次消费时间间距）与M（消费频次）评价均为“低”时说明该会员给商场带来的价值已不足商场继续维持成本，可将此类会员视为“流失会员”。

四、建立决策树模型

在分类模型中,每个会员作为一个事例,会员的年龄、性别等特征作为输入列，所需预测的分类是会员是否流失。使用32115个会员的事例利用SPSS软件采用CHAID算法求得如下：

图 3SPSS决策树生成图

从图可以看出，决策树生成为一个深度为3的树，首先经过了一次性别的分类，从中可以看出女会员的流失人数为6842，男会员的流失人数为1524；紧接着又对男女会员的年龄进行了分类，从而可以看出男、女会员各年龄段的会员六十情况具体数据如表3：

表 3各年龄段男女会员流失表

通过该表格我们可看出虽然女会员的流失人数远高于男会员的流失人数但在流失会员人数占比上男会员远高于女会员。

五、模型的评估

指数(%)是指：节点包含指定类别样本的比例(响应%)是所有同类别样本占总样本比例的百分比,这个值也称为提升度(lift)，是数据挖掘中最重要且应用最广的模型评价指标，该值越大说明模型对t类样本所应具备的特征和“捕捉”能力越强,模型的收益越好。

本文所求的模型中，提升度均高于百分之五十，说明模型对t类样本所应具备的特征和“捕捉”能力较强,模型的收益越高。

该决策树的错判率为0.261,标准差为0.002.可以看出,该模型的错误概率很低在可接受的范围之内,可以应用该决策树模型对会员流失分类进行预测，可以为商场开展有针对性的促销活动，提供可靠的理论根据。

参考文献：

[1]2018年全国大学生数学建模大赛C题

[2]司守奎、刘玺菁，《数学建模算法与应用》，北京市：国防工业出版社,2011.8。P364 P366

作者简介：

解术霞(1965-),女,淄博职业学院教授,主要从事数学建模、高等数学教学研究