电子商务中商品交叉销售效果分析及其在促销决策中的应用研究

电子商务中商品交叉销售效果分析及其在促销决策中的应用研究MANAGEMENTREVIEWVOL24NO10（2012）引言本文研究电子商务网页中促销商品的优化配置问题。商品促销是对既有和潜在的顾客运用各种积极的营销方式，吸引他们，进而刺激其购买需求，以提高商品的销售业绩。ANTONY等在上世纪860年代的实验结果就表明提高商品展示（DISPLAY）水平是一种非常有效的促销手段1。在电子商务中，网站首页、商品类别中排序靠前的网页、搜索列表排序在前的网页等更容易被客户关注，因而具有更高的营销价值。本文统称这些具有高度展示水平的网页为促销网页。一个电子商务零售网站中，促销网页非常有限，为了充分利用这些网页的促销能力，零售商需要了解各种商品的收益能力，将收益能力高的商品配置在这些网页中。由于商品间存在功能互补关系，一种商品的畅销往往会提升其它商品的销售业绩。所谓商品的交叉销售效果是指一种商品的销售在多大程度上促进了其它商品的销售。商品的收益能力既表现为商品本身的销售所带来的直接收益，也体现在该商品通过交叉销售而获得的间接收益。为制定科学的促销策略，零售商必须全面了解商品的直接收益能力和间接收益能力2。目前还没有关于电子商务网页中促销商品配置决策的专门研究，但是，传统零售业中有关产品配置计划（PRODUCTSASSORTMENTPLAN,PAP）问题的研究成果对本文具有一定的借鉴意义。PAP问题也需要综合分析商品的直接收益能力和间接收益能力，从而为自动售货机或零售货架确定最优的产品集合。BRIJS等最早从交叉销售效果分析的角度对商品配置问题进行了研究，并提出了PROFSET模型3，4。PROFSET模型利用频繁项目集来分析商品间的交叉销售效果，并通过求解01规划模型来解决商品选择问题。但正如WANG等所指出的那样“PROFSET模型仅仅适用于类似自动售货机那样商品种类比较少的零售环境”5。对此，WANG等用WEB页间的关联强度来类比商品间的交叉销售效果，提出用“HUBAUTHORITY”算法（一种网络搜索引擎中解决WEB页排序问题的算法）来分析商品间的交叉销售效果，但是，这种方法局限于商品间一对一的关联关系。WONG等提出利用关联规则技术来测量商品间的交叉销售效果6，但是，WONG对两组商品间关联关系的信任度进行了简电子商务中商品交叉销售效果分析及其在促销决策中的应用研究程岩（华东理工大学商学院，上海200237）摘要电子商务零售中经常会选择多种商品进行促销以提高零售收益。选择哪些商品进行促销需要考察不同商品间的交叉销售效果。本文分别提出了计算交叉销售即时效果与延时效果的方法，在此基础上设计出促销商品选择的遗传算法。模拟实验结果表明，本文所提出的方法可以充分利用电子商务的网页资源，确保促销活动取得最大收益。关键词电子商务；交叉销售效果；遗传算法收稿日期20100607基金项目国家自然科学基金项目（70871039）。作者简介程岩，华东理工大学商学院副教授，博士。电子商务与信息管理59管理评论VOL24NO10（2012）化处理，从而忽略了商品间关联关系的复杂性，当商品种类比较多时，WONG的方法不能准确计算出两组商品间的交叉销售效果。YANG将PAP问题映射为背包问题，并在优化模型中综合考察了交叉销售效果，由于背包问题所具有的高度计算复杂性难题，YANG仅仅给出了启发式求解算法7。CHEN和LIN扩展了BRIJS所提出的PROFSET模型，提出用多层关联规则技术来进一步发现不同类别商品间的交叉销售效果8，MARYAM等则在PAP问题中考察了商品价格与交叉销售效果之间相互作用的关系9，但他们的算法仍然不能适应商品种类很多的零售环境。综合来看，目前的研究还存在以下不足（1）交叉销售效果有时体现为客户一次购买行为中，即交叉销售的即时效果；有时体现在多次采购活动中，即交叉销售的延时效果。目前的研究仅仅考察了商品间交叉销售的即时效果，没有对延时效果提出分析方法；（2）目前商品交叉销售效果的分析方法往往强调商品间一对一的促销关系，还缺乏对多种商品间复杂的交叉促销效果进行分析的手段；（3）目前的研究没有将价格促销和非价格促销策略综合起来考察促销商品的优化配置。在电子商务环境下，系统自动记载了每个客户的历史交易记录，这为交叉销售效果分析提供了便利。对此，本文首先提出了商品交叉销售即时效果和延时效果的计算方法，在此基础上，提出用遗传算法来求解促销网页中的产品配置问题，最后，本文提出了一种基于交易模拟的实验方法来验证方法的科学性。实验结果表明，本文设计的方法能够充分发挥商品间的交叉销售效果，从而为促销网页确定合理的商品组合，充分发挥这些网页的促销能力。问题的描述设电子商务零售商经营的商品集合为IX1，X2，XN，系统从集合I中挑选出M种商品放置在促销网页中，这M种商品构成集合D，并令VID表示其它商品的集合。正如BANDYOPADHYAY近来所指出的那样，为了提高促销效果，零售商往往对一组商品同时采用基于价格的促销策略和非价格促销策略2。例如，零售商往往会将一些价格折扣幅度大的商品放置在营销空间的显著位置，这是因为（1）通过对这些商品的关注，顾客对零售商的价格印象可以大为改善，从而保持客户忠诚度；（2）尽管这些商品本身的直接收益可能并不是很高，但是，在交叉销售效果的作用下，这些商品的热销往往会促进其它商品的销售，从而带来整体收益的提高。因此，在产品集D的选择决策中，零售商需要综合考察集合D的直接收益能力R（D）、间接收益能力RC（D）、以及对价格印象的贡献水平P（D）。令函数F表示集合D的总体贡献水平，零售商希望将有限的促销网页用于贡献水平高的商品，为此，所研究的问题描述为从集合I中挑选出M种商品构成最优解集D，使得F（D）最大，即有DARG（MAXD奂I（F（R（D），RC（D），P（D）（1）公式中ARG（F）表示取F的反函数。公式中商品的直接收益和价格印象贡献水平是比较容易分析计算的，问题的难点主要表现在交叉销售效果的计算方面。（1）交叉销售效果的时态复杂性商品间的交叉销售效果表现为客户在选择了一种商品后感知到对另一种商品的需求，从而促进了他购买另一种商品的决策。但是，这种交叉销售效果有时体现为客户一次购买行为中，即交叉销售的即时效果；有时体现在多次采购活动中，即交叉销售的延时效果。目前还没有研究成果可以用来完整地测量商品间的交叉销售效果。（2）交叉销售效果的网络复杂性例如，图1表示的是三种商品间的交叉销售关系，商品集A，B对商品C有交叉销售效果RCA，B，C，商品C对商品A有交叉销售效果RCC，A。如果仅仅将商品A放置在促销网页中，该促销网页就会损失交叉销售效果RCA，B，C。当经营的商品种类很多时，各种商品间的交叉销售效果构成非常复杂的关系网络，这决定了本文所研究的商品集划分问题是个NP难题6。交叉销售效果分析商品间之所以存在交叉销售效果，是因为不同商品间存在功能互补关系。但商品间的功能互补关系不仅存在强度上的差别，也存在时间上的差异性（1）有些商品具有即时性功能互补关系，例如，一些客户需要在咖图1三种商品间的交叉销售关系电子商务与信息管理60MANAGEMENTREVIEWVOL24NO10（2012）啡中添加咖啡伴侣；（2）有些商品间存在基于序列关系的延时性功能互补，即只有当客户购买并使用了某一商品后才能逐渐感知到其对另一种商品的需求。这种功能互补的时间差异性导致商品的交叉销售效果也具有时间差异性。为了更好地发挥促销网页的营销作用，不仅要分析商品间的交叉销售即时效果，还要从时间差异性的角度分析商品间的交叉销售延时效果。电子商务系统不仅记载了客户在一次采购中购买了哪些商品，也能够记载同一客户在不同的采购活动中购买了哪些商品，利用数据挖掘技术可以分析商品被一次采购的关联模式和不同采购中的序列模式，利用这些模式可以综合分析出商品间的交叉销售效果。在本文中，我们不针对每一种商品分析其交叉销售效果，而是综合考察集合D对集合V的交叉销售效果。不失一般性，我们假设所有商品为单件购买的商品。1、交叉销售即时效果分析为了分析交叉销售的即时效果，我们需要从交易数据库中分析多种商品被客户同时购买的关联模式。交易数据库中的每一笔交易数据记录了客户一次采购的所有商品，每一交易数据又称为项目集数据。利用数据挖掘技术可以从交易数据库中发现对决策有帮助的关联规则。一条关联规则可以表示为X圯Y（S）（C），规则中X被称为规则的前件，Y被称为规则的后件，且有XY覫。规则的含义是如果在某个交易中出现商品集X，那么该交易也会包含商品集Y。关联规则是否成立需要用支持度（S）和信任度（C两个指标进行判断。支持度S是指所有包含X和Y的交易记录数占总交易数的比例，它反映了规则在交易中的普遍程度或重要程度；信任度C是指客户在一次采购活动中，如果购买了商品集X，那么他还会购买商品集Y的概率10。令U表示交易数据库，交易数据库中的第I笔交易记为项目集UI，AA1，9A2，AM表示从交易数据库U中挖掘出的所有关联规则。规则库A中的第I条规则AI表示为XI圯YI（SI）（CI。假设有产品集D、交易项目集UI和规则AJ满足（UID）勐XJ和（UIV）勐YJ；这时如果有商品Y满足YUI和YYJ，那么，根据关联规则的定义可知在交易UI中，客户之所以购买商品Y有CJ的概率是因为客户购买了商品集XJ。令RINSTANTCXJ，Y（UI）表示在交易UI中商品集XJ通过商品Y所产生的交叉销售即时效果，RY表示商品Y的边际利润，RINSTANTCXJ，Y（UI）可按如下公式计算RINSTANTCXJ，Y（UI）RYCJ（2）项目集UI中之所以包含商品Y，可能是同时受到多种交叉销售效果的作用，为此，令AYUIAJ|AJA，XJ哿（UID），YJ哿（UIV），YYJ表示在规则集A中所有通过集合D中的商品对UI中的商品Y产生交叉销售效果的关联规则。根据关联规则的定义，规则的支持度S反映的是规则发挥作用的重要程度，因此，我们用如下公式计算AYUI中每个规则发挥交叉销售作用的重要性权重JJSJAJAYUISJ（3）在交易UI中，商品集合D通过商品Y所体现的交叉销售即时效果的期望值为R軃INSTANTCD，Y（UI）AJAYUIRINSTANTCXJ，Y（UI）JAJAYUIRYCJJ（4）根据上述原理，我们可以计算出全部交易U所反映出的交叉销售即时效果RINSTANTCD，V（U）。2、交叉销售延时效果分析为了分析商品间交叉销售的延时效果，我们需要从序列数据库中分析客户在不同采购活动中购买各种商品的序列规则。交易数据库U记载了客户每一次购买的商品集，令UIJ表示客户I的第J笔交易，TIJ表示该笔交易发生的时间。将客户I的所有交易记录按购买时间进行有序排列，构成该客户的交易序列集WI（UI1，TI1）（UI2，TI2）（UIM，TIM），假设交易数据库U中记载了N个客户的交易数据，这N个客户的商品交易序列集构成商品交易的序列数据库WW1，W2，WN。我们称第I个客户的交易序列集WI中的任意两个交易UIK，UIH（HK）为一个交易序列，记为UIKUIH。利用MASSEGLIA等提出的基于时间约束的序列规则挖掘算法可以从序列数据库W中挖掘出带有时间特征的序列规则11。一条带有时间约束的序列规则可以表示为X圯YT，T（S）（C）。规则的含义是如果客户电子商务与信息管理61管理评论VOL24NO10（2012）购买了商品集X，那么他在之后的时间段T，T里购买商品集Y的概率为C，且所有交易序列中有S的交易序列符合该规则。令BB1，B2，BM表示从序列数据库W中挖掘出的所有序列规则，其中第I个序列规则BI记为XI圯YITI，TI（SI）（CI）。我们仅仅考察集合D对集合V的交叉销售延时效果。假设有集合D，交易序列（UIKUIH）和规则BJ满足（UIKD）勐XJ和（UIHV）勐YJ和TI（TJHTJK）TI，如果有商品Y满足YUIH和YYJ，那么，根据序列规则的定义可知在交易UIH中，客户之所以购买商品Y，有CJ的概率是因为客户购买过商品集XJ从而进一步感知到他对商品Y的需求。令RDELAYCXJ，Y（UIH）表示在交易UIH中商品集XJ通过商品Y所产生的交叉销售延时效果，（01）为收益的时间折扣系数，TITITI2，RDELAYCXJ，Y（UIH）可按如下公式计算RDELAYCXJ，Y（UIH）RYCJT軃J（5）项目集UIH中之所以包含商品Y，可能是同时受到多种交叉销售延时效果的作用，为此，令BYUIHBJ|BJB，XJ哿（UIKD），YJ哿（UIHV），YYJ，HK，TJ（TIHTIK）TJ表示规则集合B中所有通过集合D中的商品对UIH中的商品Y产生交叉销售延时效果的序列规则。BYUIH中每个规则发挥交叉销售作用的重要性权重为JSJBJBYUIHSJ（6）那么在交易UIH中，商品集D通过商品Y所体现的交叉销售延时效果的期望值为R軃DELAYCD，Y（UIH）BJBYUIHRYCJT軃JJ（7）根据上述原理，我们可以计算出全部序列数据库所反映出的交叉销售延时效果RDELAYCD，V（W）。促销网页中的商品候选集根据零售商的先验知识，很多商品根本不可能被放置在促销网页中。对此，本文提出首先根据零售商的先验知识从商品集I中挑选出有可能进入产品集D的候选商品，构成候选商品集合L，执行决策分析任务的智能代理只能从集合L中挑选出若干商品构成集合D。我们采用以下两类先验知识（1）价格折扣水平越高的商品对客户的价格印象贡献度也越大；（2）购买强度和边际收益越高的商品对零售商的整体收益贡献也越大。根据上述先验知识，候选集L可以按如下步骤确定（1）令P（X）（0P（X）1，XI）表示商品X的价格印象贡献系数。通常，电子商务零售商品的价格会低于商品的市场价，为提高电子商务网站在客户中的价格印象，许多零售商在商品信息中明确标识出商品原价以及电子商务零售价，例如，当当网在商品信息中同时给出商品的市场价和当当价。令P（X）表示商品X在网站的出售价格，P（X）表示商品X的市场价，那么，商品X的价格折扣率为（X）P（X）P（X）P（X）。商品X的价格印象贡献系数P（X）可按如下公式计算P（X）（X）MINYI（Y）MAXYI（Y）MINYI（Y）（8）（2）令V（X）（0V（X）1，XI）表示商品X的直接收益贡献系数，RX表示商品X的边际收益，SX表示商品X的在单位时间里的平均销售量，那么商品X在单位时间里的收益贡献为V（X）RXSX。V（X）可按如下公式计算V（X）V（X）MINYI（V（Y）MAXYI（V（Y）MINYI（V（Y）（9）（3）令P和V（0B，P1）分别为价格印象贡献系数和收益贡献系数的经验阈值，首页集合的商品候选集L可限定为LX|P（X）P，V（X）V，XI（10）电子商务与信息管理62MANAGEMENTREVIEWVOL24NO10（2012）求解促销网页商品选择问题的遗传算法为充分利用促销网页的营销潜力，本文需要将集合I划分为子集D和V，显然这是一个集合的最优划分问题，当商品集的规模很大时，该划分问题的计算复杂度非常高。对此，我们利用遗传算法对问题求解，遗传算法中初始解群的确定、基于交叉销售效果分析的适应度计算、以及交叉变异操作原理等如后文所示。1、初始解群假设候选集LX1，X2，XN中有N种商品，我们对L中的商品按顺序排列，然后按此顺序将每个待选商品作为染色体的一个基因，当基因值为1时，表示相应的商品被选入集合D中，如果基因值为0，表示相应的商品被划分到集合VID中。从直观来看，价格印象贡献系数和收益贡献系数高的商品对零售业绩贡献会较大，为尽量提高初始解群的质量，商品XI被选择进入初始解群的概率可按如下公式计算PR（XI）P（XI）V（XI）XJLP（XJ）V（XJ）（11）根据概率分布PR（XI），我们从L中随机选择M个商品，即构成一个初始解。假设我们需要K个初始解，那么反复进行上述随机选择过程，获得K个不同的染色体，即构成初始解群。2、适应度函数假设有交易数据库U和序列数据库W。令PI为商品I的价格，QI为统计出的数据库U中商品I的销售量，那么集合D中商品的直接收益为R（D）IDPIQI；通过运行算法ICSEA和DCSEA可以获得集合D的即时交叉销售效果RINSTANTCD，V（U）和延时交叉销售效果RDELAYCD，V（W），那么，集合D通过交叉销售所获得的间接收益为RC（D）RINSTANTCD，VRDELAYCD，V。集合D的价格印象贡献系数的平均值计算公式为P（D）IDP（XI）M。由于指标R（D），RC（D）与价格印象贡献系数P（D）的量纲截然不同。我们按如下步骤将各个指标的量纲一致化（1）将候选集L中的商品按指标P（XI）V（XI）排序，取前M种商品构成基准解D0；（2）假设有某个解D，令R（D）R（D）R（D0），RC（D）RC（D）RC（D0），（D）軈P（D）軈P（D0）分别表示解D与基准解D0在上述三个指标的比值；（3）通过函数E1R（D），E1RC（D）和E1（D），将上述三个指标标准化为0，1间的数值。据此，适应度函数F（R（D），RC（D），P（D）可按如下公式计算F（R（D），R（D），（D）1（E1R（D）E1RC（D）2E1（D）（12）公式中01，21且121，这些权重系数为主观设定的经验值，反映了零售商的决策偏好，例如，如果有21，那么说明零售商在集合决策中更看重商品的价格印象。3、交叉和变异操作令SD1，D2，DK表示当代染色体的集合，适应度函数值越大的染色体被选为双亲染色体的概率也越大。根据每个染色体的选择概率，随机选择两个染色体作为双亲染色体，反复进行双亲选择，从而形成了若干双亲对。选择概率按如下公式计算PR（DI）F（R（DI），RC（DI），P（DI）DJSF（R（DJ），RC（DJ），P（DJ）（13）（1）交叉继承操作比较两个双亲染色体的基因编码，将两个染色体中相同的基因片段直接遗传给子代染色体。这时子代染色体上还有一些基因的值为空，为了保证子代染色体中刚好有M个值为1的基因，算法随机地从基因值为空的位置号中挑选出若干位，将其基因值置为1，确保有M个值为1的基因，同时将其它基因值为空的位的值置为0。电子商务与信息管理63管理评论VOL24NO10（2012）（2）变异操作通过交叉继承操作，从前代染色体中遗传出了一些子代染色体。以一个较小的概率（例如05）从子代染色体中随机选择一个染色体进行变异操作，对该染色体，以等概率从值为0的基因中挑选出一个基因，将其值变为1，同时，以等概率从值为1的基因中挑选出一个基因，将其值变为0。模拟实验结果1、实验设计本文设计了一个交易数据生成器，通过改变交易数据生成器的各种参数可以模拟出各种市场状态，从而检验本文方法在各种市场状态下的应用效果。交易数据生成器中的相关市场参数由以下几个方面组成（1）在交易数据生成器中，我们假设电子商务零售经营500种商品；在时间T中有1000个客户至少登录网站一次；（2）每种商品在交易期内不存在缺货现象；客户每次最多购买5种商品。（3）我们根据客户的保留价格向量将客户划分为20个类别。令向量I（I1，I2，IJ，I500）表示第I类客户对商品的保留价格向量，其中IJ表示第I类客户对第J种商品的保留价格；客户不可能对所有商品都感兴趣，我们规定对于每类客户来说，其保留价格IJ0的商品数量不超过50个，客户对不感兴趣的商品的保留价格为0。（4）令向量（1，2，20）表示各类别客户占总客户数量的比例，其中01，2，201，且有12501。（5）不同商品之间往往存在功能互补关系，为了确保模拟出的交易数据中存在关联规则和序列规则，我们预先规定如图2所示的商品间的关联矩阵，矩阵中IJ（0IJ1）表示商品I与商品J间的关联强度。在进行模拟前，我们需要确定如下参数（1）客户到达强度我们将时间T划分为N个足够小的单位时间段，确保每个单位时间段内最多有一位客户到达。通常零售商可以预测出未来时间段T中有客户登录网站的数量，那么，单位时间段内第I类客户到达的概率为IIN。（2）产品间关联关系对保留价格的影响产品间的关联关系往往会提高客户对商品组合的保留价格，从而提高客户购买这些商品组合的概率。令为一个经验数值，表示关联关系对保留价格的影响程度，在本文的实验中，我们令001。产品间的关联关系对保留价格的影响会通过两种方式体现出来延时影响和即时影响。A延时影响效果令J表示客户已经购买过的商品的集合。商品间的关联关系会导致客户提高他对商品XJ的保留价格，我们假设两种商品购买时间的间隔越长，对保留价格的影响也越小。令为保留价格影响程度的时间折扣系数，本文规定09。如果客户购买过商品I，其对商品XJ的保留价格修正为JJ（1IJIJ（TJTI）。B即时影响效果令集合K表示客户可能同时购买的一个商品组合，我们可以将这K个商品视为一个复合商品。如果集合K中商品间的关联强度很大，那么客户同时购买这K个商品的概率也会很大。令K表示客户对复合商品K的保留价格，则在商品间关联关系的影响下，KIKI（1I，JKRIJ）。（3）购买概率商品价格越低，客户的购买概率也越大；同样，客户的保留价格越大，购买概率也越大。我们采用目前学术界大多采用的购买概率计算公式，令PRIJ表示第I类客户购买商品J的概率，PJ表示商品J的价格，那么有PRIJEPJ/IJ。同理，我们可以计算出客户同时购买多个商品的概率，令PKIKPI表示复合商品K的价格，第I类客户对复合商品K的商品保留价格记为IK，那么，第I类客户购买复合商品K的概率为PRIKEPK/IK。2、实验结果分析我们按客户到达概率和各种可能的购买行为的发生概率模拟交易数据，形成交易数据库U和交易序列1007IJ0701X1X2XIX500X1X1XJX500图2产品间关联矩阵电子商务与信息管理64MANAGEMENTREVIEWVOL24NO10（2012）图3收益分析图数据库W，并按文献10，11所提出的算法挖掘出关联规则和序列规则，并通过改变产品间关联矩阵中的关联范围和关联强度，分别获得不同数量的关联规则和序列规则。图3描述了决策偏好参数为105，205时，促销商品集合在规则数量不同时的总收益以及间接收益占促销商品集合总收益的比例。从图中我们可以发现当规则数量很少时，集合的间接收益占列表产品总收益的比例很低，但是，随着规则数量的增加，间接收益占列表产品总收益的比例急剧增加，这说明利用本文的方法可以有效地挑选出交叉销售效果大的商品。图4反映了规则数量不同时，决策的适应度函数值和促销商品集合的价格印象贡献度。从中可以发现随着规则数量的增加，促销商品集合的价格印象贡献度也同时变大，这说明本文的方法可以充分发挥产品的交叉销售效果，挑选出收益贡献大且价格印象贡献度也大的商品进入促销商品集合。图5反映了促销商品集合中商品数量不同时本文方法所需要的计算量，从中可以看出计算量的递增曲线并不是指数型增长曲线，本文所设计的算法可以在合理的计算花销下优化促销商品的类别配置。图4适应度函数曲线与价格印象贡献度曲线图5计算量分析结论本文将交叉销售效果细分为即时效果和延时效果，这不仅符合电子商务零售的实际情况，也弥补了目前相关研究的不足。在所提出的遗传算法中综合考察了商品的收益能力和价格折扣水平，可以使零售商在商品促销实践中同时发挥价格促销和非价格促销策略的各自优势。在实验论证环节，本文提出在需求预测的基础上，通过对未来客户交易行为的模拟来确定集合中商品的优化配置，因此，这种方法适用于需求状态经常出现变化的市场。目前有大量关于需求预测、客户细分、客户行为模拟方面的研究，在此基础上，对未来客户的交易行为进行模拟是现实可行的。当然，电子商务网站各个促销网页的展示格式也是多种多样的，例如，网站首页需要按商品类别对各种促销商品进行区间划分，而某一类别的商品促销网页仅仅列出该类别的促销商品，受篇幅所限，本文没有从商品类别属性的角度对促销商品的选择决策做更细致的讨论。参考文献1ANTONYC,NORMANJCONSUMERREACTIONTORETAILPRICEANDDISPLAYCHANGESJEUROPEANJOURNALOFMARKETING,1968,221471492BANDYOPADHYAYSADYNAMICMODELOFCROSSCATEGORYCOMPETITIONTHEORY,TESTSANDAPPLICATIONSJJOURNALOFRETAILING,2009,8544684793BRIJST,SWINNENG,VANHOOF,KUSINGASSOCIATIONRULESFORPRODUCTASSORTMENTDECISIONSACASESTUDYA/FAYYADUEDSPROCEEDINGSOFTHEFIFTHACMSIGKDDINTERNATIONALCONFERENCEONKNOWLEDGEDISCOVERYANDDATAMININGCNEWYORK,ACM,19992542604BRIJST,GOETHALSB,SWINNENG,ETALADATAMININGFRAMEWORKFOROPTIMALPRODUCTSELECTIONINRETAILSUPERMARKETDATATHEGENERALIZEDPROFSETMODELA/RAMAKRISHNANREDSPROCEEDINGSOFTHESIXTHACMSIGKDDINTERNATIONALCONFERENCEONKNOWLEDGE电子商务与信息管理65管理评论VOL24NO10（2012）DISCOVERYANDDATAMININGCNEWYORK,ACM,20003003045WANGK,YENM,SUTITEMSELECTIONBY“HUBAUTHORITY”PROFITRANKINGA/ZA觙ANEOREDSPROCEEDINGSOFTHEEIGHTHACMSIGKDDINTERNATIONALCONFERENCEONKNOWLEDGEDISCOVERYANDDATAMININGCNEWYORK,ACM,20026526576WONGR,FUAWDATAMININGFORINVENTORYITEMSELECTIONWITHCROSSSELLINGCONSIDERATIONSJDATAMININGANDKNOWLEDGEDISCOVERY,2005,111811127YANGMHANEFFICIENTALGORITHMTOALLOCATESHELFSPACEJEUROPEANJOURNALOFOPERATIONALRESEARCH,2001HENMC,LINCPADATAMININGAPPROACHTOPRODUCTASSORTMENTANDSHELFSPACEALLOCATIONJEXPERTSYSTEMSWITHAPPLICATIONS,2007,3249769869MARYAMN,JAMALSATEMPORALDATAMININGAPPROACHFORSHELFSPACEALLOCATIONWITHCONSIDERATIONOFPRODUCTPRICEJEXPERTSYSTEMSWITHAPPLICATIONS,2010,3764066407210CHENMS,HANJW,YUPSDATAMININGANOVERVIEWFROMADATABASEPERSPECTIVEJIEEETRANSACTIONSONKNOWLEDGEANDDATAENGINEERING,1996,8686688311MASSEGLIAF,PONCELETP,TEISSEIREMEFFICIENTMININGOFSEQUENTIALPATTERNSWITHTIMECONSTRAINTSREDUCINGTHECOMBINATIONSJEXPERTSYSTEMSWITHAPPLICATIONS,2009,36226772690GOVERNMENTINTERVENTION,INSTITUTIONALOWNERSHIPANDFIRMPERFORMANCEWUXIANCONGMANAGEMENTSCHOOL,SOUTHWESTUNIVERSITYOFPOLITICALSCIENCEANDLAW,CHONGQING401120ABSTRACTTOEFFECTIVELYPROTECTTHEINTERESTSOFMINORITYSHAREHOLDERS,THESPLITSHARESTRUCTUREREFORMSSSRISINEVITABLETOTHEREFORMOFCHINASLISTEDCOMPANIESWITHDUALOWNERSHIPSTRUCTURETHISPAPERSTUDIESTHEDIFFERENTIMPACTSOFINSTITUTIONALINVESTORSONBEHALFOFMINORITYSHAREHOLDERSONTHEPERFORMANCEBEFORETHESSSRANDINTHEPROCESSATFIRST,THEASSOCIATIONSBETWEENFIRMPERFORMANCEANDTHENUMBEROFINSTITUTIONALINVESTORS,ANDBETWEENFIRMPERFORMANCEANDINSTITUTIONALOWNERSHIPAREINVESTIGATEDTHERESULTSINDICATETHATWHENTHEPROPORTIONOFINSTITUTIONALOWNERSHIPISHIGH,THELARGERTHENUMBEROFINSTITUTIONALINVESTORSIS,THEBETTERTHEFIRMPERFORMANCEWILLBEBUTWHENTHEPROPORTIONOFINSTITUTIONALOWNERSHIPISLOW,THELARGERTHENUMBEROFINSTITUTIONALINVESTORSIS,THEWORSETHEP