一、項目描述

互聯(lián)網(wǎng)行業(yè)的快速發(fā)展已經(jīng)在各個方面改善了人們的生活。大眾點評作為知名的獨立第三方消費點評網(wǎng)站，為用戶提供了商戶信息、消費點評及消費優(yōu)惠等信息服務(wù)。
我從大眾點評網(wǎng)http://www.dianping.com/search/category/1/45/g147，爬取了752家健身中心的店名、位置、點評條數(shù)、人均消費額、設(shè)施評分（均分）、環(huán)境評分（均分）、服務(wù)評分（均分）、點評的均分、有無團購、有無停車位等數(shù)據(jù)（還可以采集標(biāo)簽等數(shù)據(jù)，這部分?jǐn)?shù)據(jù)可選，但有可能影響分析效果），采用數(shù)據(jù)挖掘中的分類、聚類、關(guān)聯(lián)或回歸等方法（算法），對如下的問題做深入分析：

• 1.探究影響健身房營業(yè)效果的因素，并以某家健身中心Fitplus運動加&Denny House為例，為其制定市場推廣策略。
• 2.某客戶住在中山公園附近，對設(shè)施、環(huán)境和服務(wù)要求很高，且希望建設(shè)中心能提供團購服務(wù)，請為其推薦適合的健身中心。

二、數(shù)據(jù)分析工具

IBM SPSS Modeler、IBM SPSS Statistics

三、數(shù)據(jù)預(yù)處理

3.1 缺失值分析

FIG.1.缺失值分析.PNG

FIG.2.人均消費.png

3.2 人均消費離散化

為了簡化數(shù)據(jù)結(jié)構(gòu)，使分析結(jié)果更加穩(wěn)定，需要將人均消費離散化，為了確定分割點，我做了描述統(tǒng)計并畫出箱線圖

FIG.3.人均消費統(tǒng)計描述.png

FIG.4.人均消費箱線圖.png

FIG.5.price導(dǎo)出.png

3.3 評論條數(shù)離散化

由下圖可知，評論條數(shù)的離散程度較高，異常值較多，所以我們將所有數(shù)據(jù)分成4個區(qū)間：20/50/100，把所有數(shù)據(jù)分為“評論少”、“評論較少”、“評論較多”和“評論多”四類（這里沒有處理異常值，而是通過合理確定分割點來弱化異常值對分析結(jié)果的影響）。
添加導(dǎo)出節(jié)點并命名為” ReviewNum”，編輯公式為：if 評論條數(shù)<20 then "評論少" elseif 評論條數(shù)<50 then "評論較少" elseif 評論條數(shù)<100 then "評論較多" else "評論多" endif。

FIG.6.評論條數(shù)統(tǒng)計描述.png

FIG.7.評論條數(shù)箱線圖.png

3.4 設(shè)施、環(huán)境、服務(wù)離散化

由下圖可知，這三項的分布差別不大，均以 7/8 為界，分別把所有記錄分為“一般”，“較好”，“好”三類。
添加三個導(dǎo)出節(jié)點，分別命名為 Facility，Environment 和 Service。編輯公式如下：
if 設(shè)施<7 then "設(shè)施一般" elseif 設(shè)施<8 then "設(shè)施較好" else "設(shè)施好" endif
if 環(huán)境<7 then "環(huán)境一般" elseif 環(huán)境<8 then "環(huán)境較好" else "環(huán)境好" endif
if 服務(wù)<7 then "服務(wù)一般" elseif 服務(wù)<8 then "服務(wù)較好" else "服務(wù)好" endif

FIG.8.設(shè)施服務(wù)環(huán)境統(tǒng)計描述.png

FIG.9.設(shè)施環(huán)境服務(wù)箱線圖.png

3.5 商戶評分離散化

我們爬取到的數(shù)據(jù)是商戶的星級，根據(jù)各星級的分布情況，按照星級將評分分為“評分一般”、“評分較高”和“評分高”。
添加導(dǎo)出節(jié)點并命名為” Score”，編輯公式為：if member(rankstars,['五星商戶','準(zhǔn)五星商戶']) then "評分高" elseif member(rankstars,['四星商戶','準(zhǔn)四星商戶']) then "評分較高" else "評分一般" endif。

FIG.10.商戶評分圖.png

3.6 數(shù)據(jù)預(yù)處理總結(jié)

我們總共添加了6個導(dǎo)出節(jié)點，數(shù)據(jù)預(yù)處理的流程如下：

FIG.11.預(yù)處理流.png

預(yù)處理后的數(shù)據(jù)如下圖所示，我們得到了經(jīng)過離散的各項數(shù)據(jù)。

FIG.12.預(yù)處理后.png

四、探究影響健身房營業(yè)效果的因素

健身房的營業(yè)效果可以從客流量和顧客的平均打分兩個方面來評估，而客流量與點評條數(shù)是基本成正比例的，因此我在本部分主要通過C5.0決策樹來分析其他影響因素對平均得分（Score）和點評條數(shù)(ReviewNum)的影響。

4.1 探究影響點評條數(shù)的因素

我把影響因素分為兩類：
（1）店家固有屬性：位置，Price，有無團購、有無促銷；
（2）用戶體驗：設(shè)施、服務(wù)、環(huán)境、點評分?jǐn)?shù)。

4.1.1 店家固有屬性

輸入：位置、Price，有無團購、有無促銷
目標(biāo)：ReviewNum
決策樹模型：添加一個C5.0節(jié)點，生成了一個三層決策樹，其中影響最大的是所在位置，其次是價格，如下圖所示：

FIG.13（a）.店家固有屬性對評論條數(shù)的影響結(jié)果.png

FIG.13（b）.店家固有屬性對評論條數(shù)的影響結(jié)果.png

從上圖可以看出，在市中心繁華地段的健身房評論數(shù)較多，而偏遠郊區(qū)評論數(shù)較少。Fitplus運動加&Denny House位于浦東新區(qū)，因此我們分析浦東新區(qū)的情況，其決策樹如下：

FIG.14浦東新區(qū).png

4.1.2 用戶體驗

輸入：Facility、Sevice、Environment、Score
目標(biāo)：ReviewNum
決策樹模型：按照上一節(jié)中提到的方法，這里生成了兩層決策樹。其中影響因素重要性最高的是點評分?jǐn)?shù)，達到了61%，然后是設(shè)施。（點評分?jǐn)?shù)的重要性高于設(shè)施，存疑）如下圖所示：

FIG.15（a）.用戶體驗對評論條數(shù)的影響.png

FIG.15（b）.用戶體驗對評論條數(shù)的影響.png

4.1.3 整體分析

輸入：位置、Price、Facility、Score
目標(biāo)：ReviewNum
決策樹模型：可見在所有因素中，位置是最重要的因素，然后是設(shè)施，最后是價格

FIG.16 .整體分析影響評論條數(shù)的因素.png

FIG.17 .浦東新區(qū)整體分析.png

結(jié)論：健身房需要評估商圈的位置和定位，這樣才能準(zhǔn)確把握并迎合消費者的心理，從而擁有更多的客戶。而對于Fitplus運動加&Denny House，可以提供較一般的健身設(shè)備提高針對普通用戶；或者提供好的設(shè)備主打高端市場。在價格方面，應(yīng)當(dāng)適中。

4.1.4 模型結(jié)構(gòu)

FIG.18.評論條數(shù)模型結(jié)構(gòu).png

4.2 探究影響點評分?jǐn)?shù)的因素

與上一部分一樣，將影響因素分為店家固有屬性和用戶體驗。

4.2.1 店家固有屬性

輸入：位置、Price，有無團購、有無促銷
目標(biāo)：Score
決策樹模型：生成了三層決策樹。影響因素最大的是有無特色團購，在有特色團購的商家中，評分高的店家占23.037%，而沒有特色團購商家的這個比例只有2.586%。次要的影響因素是位置，最后是價格，可以發(fā)現(xiàn)同種情況下價格實惠的健身房評分高的比例會更大。

FIG.19（a）.店家固有屬性對評分的影響.png

FIG.19（b）.店家固有屬性對評分的影響.png

4.2.2 用戶體驗

輸入：Facility、Sevice、Environment、ReviewNum
目標(biāo)：Score
決策樹模型：生成兩層決策樹模型，其中影響因素最大的是服務(wù)，在服務(wù)好的健身房中，評分高的健身房比例高達71.875%，而服務(wù)較好和一般的健身房的這個比例都不到1%。其次是環(huán)境。

FIG.20（a）.用戶體驗對評分的影響.png

FIG.20（b）.用戶體驗對評分的影響.png

4.2.3 整體分析

輸入：有無團購、位置、Sevice
目標(biāo)：Score
決策樹模型：生成一層決策樹模型，服務(wù)的重要性占到100%，

FIG.21（a） .整體分析影響評分的因素.png

FIG.21（b） .整體分析影響評分的因素.png

五、推薦合適的健身中心

為了能夠快速有效的為客戶推薦合適的健身中心，需要對健身中心進行聚類。在聚類之前，為了剔除強相關(guān)變量對結(jié)果的影響，需要先進行關(guān)聯(lián)分析，這里采用的是Apriori 算法。

5.1 Apriori算法關(guān)聯(lián)分析

我所做的關(guān)聯(lián)分析分別有以下幾組：
（1）店家固有屬性之間：位置、Price、有無團購、有無促銷；
（2）用戶體驗屬性之間：Facility、Sevice、Environment；
（3）Facility、Sevice、Environment、Price；
（4）Facility、Sevice、Environment、Score
這里，我設(shè)置最低條件支持度 10%，最小置信度 80%，最大前項數(shù) 5 項。

5.1.1 位置、Price、有無團購、有無促銷

FIG.22 .位置、Price、有無團購、有無促銷 關(guān)聯(lián)分析.png

分析：對于浦東新區(qū)，有特色團購的支持度為16.938%，置信度為100%，而價格適中的支持度為11.401%，置信度為100%
結(jié)論：位于浦東新區(qū)的健身房大多數(shù)都有特色團購并且價格適中，這個不難理解，浦東新區(qū)年輕人較多，消費能力中等，也更喜歡使用團購這種比較新穎的購買方式。

5.1.2 Facility、Sevice、Environment

FIG.23 .Facility、Sevice、Environment關(guān)聯(lián)分析.png

5.1.3 Facility、Sevice、Environment、Price

FIG.24 .Facility、Sevice、Environment、Price關(guān)聯(lián)分析.png

5.1.4 Facility、Sevice、Environment、Score

FIG.25 .Facility、Sevice、Environment、Score關(guān)聯(lián)分析.png

5.2 K-Means聚類

首先對預(yù)處理的參數(shù)進行篩選，考慮到用戶對健身房的要求，我們需要選取設(shè)施、環(huán)境和服務(wù)這三個參數(shù)。之所以沒有選擇健身房評分，是因為我們在前面的分析中看到健身房評分與設(shè)施、環(huán)境和服務(wù)兩個維度的數(shù)據(jù)有著很強的關(guān)聯(lián)性，另外還有有無團購這一屬性。除了這些，還需要有健身房所在的地區(qū)和健身房名稱，但均不作為算法的輸入?yún)?shù)
輸入?yún)?shù)：有無特色團購、設(shè)施、服務(wù)以及環(huán)境（根據(jù)客戶對健身房的要求來定）、Price
聚類類別數(shù)：3類（多次嘗試后）

FIG.26 .聚類結(jié)果（a）.png

FIG.26 .聚類結(jié)果（b）.png

FIG.26 .聚類結(jié)果（c）.png

分析：從結(jié)果中我們看出聚類的質(zhì)量還是比較好的，這三類中分別有79、115和113個健身中心。在聚類-1中，設(shè)施、服務(wù)和環(huán)境指標(biāo)都是很好的，屬于性價比高的健身房，聚類-2和聚類-3分別代表性價比一般的健身房和性價比低的健身房。
結(jié)論：很明顯，聚類-1就是用戶所希望的這一類健身房，為了在中山公園附近找到合適的健身中心，我們在這里添加了一個選擇節(jié)點用于篩選健身房，篩選條件為：region = "長寧區(qū)" and '$KM-K-Means' = "聚類-1"。最終得到的篩選結(jié)果如下：

FIG.27 .篩選結(jié)果.png

六、總結(jié)

• 本次項目使用C5.0決策樹分析了影響用戶評分和評論條數(shù)的因素，并以健身中心Fitplus運動加&Denny House為例，為其制訂了市場推廣策略。
• 使用關(guān)聯(lián)分析分析這些因素的內(nèi)在關(guān)系。
• 使用聚類分析為用戶推薦合適的健身房。
  這里的每個結(jié)果對商家和客戶都具有很重要的現(xiàn)實意義，其中蘊藏著巨大的商機。