相關(guān)性分析
我們希望一個(gè)項(xiàng)目?jī)?nèi)的客群是豐富的，而且店鋪之前是可以互相影響的，但如何判斷這個(gè)標(biāo)準(zhǔn)在以往的手段中是無(wú)法做到的。為此我們引入相關(guān)性分析作為分析手段。
相關(guān)性分析可以在眾多數(shù)據(jù)中找到兩個(gè)不同品牌、樓層的統(tǒng)一性，從而確定兩者是否存在強(qiáng)相關(guān)。舉例來(lái)說(shuō)，可以分析兩個(gè)位置不相關(guān)、品類(lèi)不相關(guān)的品牌，在銷(xiāo)售周期區(qū)間是否有同樣的銷(xiāo)售波動(dòng)曲線(xiàn)。
如圖中，在規(guī)定時(shí)段內(nèi)，某商場(chǎng)全部品牌和其余每一個(gè)品牌的相關(guān)性。分別展示了正向強(qiáng)相關(guān)的兩個(gè)品牌和負(fù)向相關(guān)的品牌。在單位時(shí)間內(nèi)，正相關(guān)品牌具備強(qiáng)烈的趨同銷(xiāo)售曲線(xiàn)趨勢(shì)，這可以判定該品牌組合即使不在同一樓層和品類(lèi)，仍可能享有同一客群。
用輪詢(xún)方式計(jì)算了規(guī)定時(shí)段內(nèi)，某商場(chǎng)全部品牌和其余每一個(gè)品牌的相關(guān)性。分別展示了正向強(qiáng)相關(guān)的兩個(gè)品牌和負(fù)向相關(guān)的品牌。在單位時(shí)間內(nèi)，正相關(guān)品牌具備強(qiáng)烈的趨同銷(xiāo)售曲線(xiàn)趨勢(shì)，這可以判定該品牌組合即使不在同一樓層和品類(lèi)，仍可能享有同一客群。
而存在負(fù)相關(guān)的品牌則說(shuō)明該品牌組合可能存在完全不同的客群，根據(jù)這個(gè)算法，可以計(jì)算出某一品類(lèi)與另一品類(lèi)之間的相關(guān)性和相互作用。
從上圖可以看出，餐飲則與其他業(yè)態(tài)關(guān)聯(lián)性不強(qiáng)，這可以判斷餐飲客人的消費(fèi)習(xí)慣并不和其他品牌相關(guān)；另一方面，配套業(yè)態(tài)品牌內(nèi)循環(huán)非常強(qiáng)烈，說(shuō)明該品類(lèi)客群內(nèi)部消化情況很重，同時(shí)對(duì)于其他品類(lèi)也有貢獻(xiàn)；最后零售業(yè)內(nèi)部關(guān)聯(lián)數(shù)量為0，則說(shuō)明這個(gè)品類(lèi)的客群有可能是非常不同的。綜上均需要進(jìn)一步分析，以便于得到更完整的結(jié)論。
品牌相關(guān)性分析算法相對(duì)簡(jiǎn)單，不用過(guò)多的數(shù)學(xué)計(jì)算，對(duì)于客群、店鋪銷(xiāo)售數(shù)據(jù)不完整的情況下，分析客群是非常有效的。但必須要確定數(shù)據(jù)的真實(shí)性和可靠性，且數(shù)據(jù)清洗過(guò)程必須嚴(yán)密，否則數(shù)據(jù)不能得到有效結(jié)果。最后相關(guān)性閥值一定要有所取舍，否則會(huì)得到一張非常繁雜的報(bào)表。
根據(jù)以上計(jì)算，配合每月分析，可以得到各品類(lèi)客群的流動(dòng)性分析，判斷企劃引流是否奏效。
時(shí)間序列分析
當(dāng)判斷一個(gè)品牌是否具備強(qiáng)勁交易能力，或者判斷生命周期時(shí)，應(yīng)該對(duì)其進(jìn)行時(shí)間序列分析。時(shí)間序列分析是指將原來(lái)的銷(xiāo)售分解為四部分來(lái)看——趨勢(shì)、周期、時(shí)期和不穩(wěn)定因素，然后綜合這些因素，提出銷(xiāo)售預(yù)測(cè)。強(qiáng)調(diào)的是通過(guò)對(duì)一個(gè)區(qū)域進(jìn)行一定時(shí)間段內(nèi)的連續(xù)遙感觀(guān)測(cè)，提取圖像有關(guān)特征，并分析其變化過(guò)程與發(fā)展規(guī)模。
通過(guò)時(shí)間序列分析，可以尋找到數(shù)據(jù)的長(zhǎng)期趨勢(shì)變化、季節(jié)性周期變化、循環(huán)變化、隨機(jī)性變化。一般在這個(gè)領(lǐng)域使用的模型有AR 、 MA、 ARMA等。
計(jì)算的過(guò)程，除了需要計(jì)算自相關(guān)性和偏自相關(guān)性，還需要在計(jì)算結(jié)果后以AIC BIC進(jìn)行驗(yàn)證，同時(shí)其中數(shù)學(xué)期望的指定非常重要，它會(huì)影響算法的準(zhǔn)確是否偏差過(guò)大。
某個(gè)品牌的銷(xiāo)售能力可以通過(guò)去除白噪聲的趨勢(shì)進(jìn)行預(yù)判，這是時(shí)間序列分析的最大益處。在沒(méi)有過(guò)多參考參數(shù)情況下，數(shù)據(jù)的同方差性、自相關(guān)性對(duì)于判斷自身銷(xiāo)售趨勢(shì)有著重要的影響。
如一個(gè)品牌的銷(xiāo)售，我們可以用移動(dòng)平均模型進(jìn)行預(yù)測(cè)：
但需要注意，時(shí)間序列模型無(wú)法判斷相對(duì)于樣本較長(zhǎng)期的數(shù)據(jù)預(yù)測(cè)，根據(jù)以往經(jīng)驗(yàn)，不得超過(guò)3倍q值或k值，否則會(huì)導(dǎo)致預(yù)測(cè)數(shù)據(jù)平穩(wěn)化，從而失去算法預(yù)測(cè)意義。且置信區(qū)間會(huì)隨著預(yù)測(cè)周期的延長(zhǎng)而變?yōu)槔葼?，預(yù)測(cè)方差檢驗(yàn)會(huì)越來(lái)越大，也就失去了判斷的標(biāo)準(zhǔn)。實(shí)際經(jīng)營(yíng)中，交易能力的判斷也許會(huì)影響商業(yè)調(diào)改、經(jīng)營(yíng)預(yù)警等等經(jīng)營(yíng)環(huán)節(jié)。
上面介紹了多維度和單維度的數(shù)據(jù)如何分析，但當(dāng)數(shù)據(jù)維度不足時(shí)，如何進(jìn)行分類(lèi)和劃分，以便于達(dá)到分析目的，這便要引用支持向量機(jī)作為分析手段
支持向量機(jī)
支持向量機(jī)最直觀(guān)的解釋是可以將低緯度數(shù)據(jù)映射為高維度，比如在只有2～3行會(huì)員參數(shù)的情況下（如只有年齡、性別、消費(fèi)金額），可能無(wú)法在已有算法內(nèi)進(jìn)行準(zhǔn)確分隔，支持向量機(jī)提供的理論可以將低緯度數(shù)據(jù)映射為多維度數(shù)據(jù)，這樣即可在映射后的數(shù)據(jù)中添加超平面，用來(lái)分隔數(shù)據(jù)，也就是可以基于支持向量機(jī)的方法進(jìn)行有效的數(shù)據(jù)回歸和分類(lèi)。這種算法可以更準(zhǔn)確的分析樣本屬性，更加準(zhǔn)確的分析對(duì)方價(jià)值。
依照此理論，我對(duì)某商業(yè)品牌的按月品牌銷(xiāo)售和國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)人均存款指數(shù)和消費(fèi)者價(jià)格指數(shù)進(jìn)行輔助，進(jìn)行了SVM回歸，使用高斯核函數(shù)，得到預(yù)測(cè)值與實(shí)際值殘差極小的結(jié)果。
支持向量機(jī)可以進(jìn)行分類(lèi)和回歸，最常用的分類(lèi)應(yīng)用對(duì)于顧客分類(lèi)是非常有效的，同時(shí)也可以對(duì)商家的經(jīng)營(yíng)情況預(yù)警進(jìn)行分類(lèi)。同時(shí)如上圖所示，SVM的回歸效果也相當(dāng)不錯(cuò)。
支持向量機(jī)的關(guān)鍵在于核函數(shù)的選擇，它對(duì)于最終結(jié)果起著決定性的作用，因此在核函數(shù)選擇的原則非常關(guān)鍵。有時(shí)往往需要多次試驗(yàn)，會(huì)發(fā)現(xiàn)不是所有的品牌都可以利用同一個(gè)核函數(shù)，這時(shí)可以對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化或正則化預(yù)處理
