CN119494671A 一种卷烟消费者的分析方法 （广东烟草汕头市有限责任公司）

号以及兼顾细分群体内部消费者偏好的最优关联2根据消费数据集中的卷烟属性，对消费者进行聚类分群，将具有针对聚类得到的各个消费者细分群体，分别构建该群体的卷在各个细分群体的卷烟属性关联图谱的基础上，发现不同细分根据高烟碱量偏好群体和低焦油量偏好群体的关联规则，进行关联规则的优化组合，将细分群体画像模型应用到实际的卷烟产品研发和营销决策中，通获取消费者的价格敏感度和品牌忠诚度及购买频次数据，采用K_means聚类算法对消根据所述口味偏好特征向量，从卷烟外观偏好风格数据中提取颜色和纹理等视觉特若支持向量机分类完成，则采用基于内容的推荐算法为每个获取地理位置分布数据和季节性消费趋势，运用ARIMA时间序列分析方法对各地区卷根据销量预测结果及促销活动响应度数据，构建随机森林模型3基于所述群体特征描述矩阵，采用决策树算法构建消费者分类模将所述新增消费者数据输入所述消费者分类模型，通过比较属性值与决策节点的阈4.根据权利要求1所述的方法，其特征在于，所述针对聚类得到的各个消费者细分群采用最大生成树算法构建卷烟属性关联图谱，通过计算属性之间根据所述卷烟属性关联图谱应用node2vec算法进行图嵌入，得若所述相关性得分矩阵已获取，则采用层次聚类算法对属性进还包括：针对构建消费者细分群体的卷烟属性关联图谱，为每个细分群采用Neo4j图数据库存储卷烟属性集合的关联图谱，将所述卷烟属性集合中的每个属利用Node2Vec算法将属性关联图谱中的4通过Gephi软件对所述属性关联图谱进行可视化处理，生成所述属性关联图谱的可视述最小支持度阈值用于筛选出现频率大于预设阈值的属足条件的强关联规则；针对高烟碱量偏好群体和低焦油量偏好群体，从所述强关联规若二进制特征维度过高，则采用主成分分析对二进制特征采用K_means算法对所述降维后的特征向量进行聚类，通过计算不同聚类数量的轮廓根据标准化后的属性数据集，利用SMOTE算法对高烟碱量偏好群体和低焦油量偏好群5针对筛选出的有效关联模式，采用十折交叉验证评估其稳定性和证集上表现稳定的规则。采用加权平均法计算规则权重，其中支持度、置信度和提升度分别根据所述加权后的关联规则集，利用邻接矩阵表示法构建关联规则针对所述多维特征向量，使用敏感度分析方法，通过采用轮廓系数评估画像模型的聚类效果，通过比较不同权重组合根据所述重要性权重构建卷烟产品属性评分函数，所述评分函数采用网格搜索方法优化产品配方，所述网格搜索方法以最大化目获取目标群体的人口统计学属性分布，将最优产品属性组合和目标群体特征作为输针对所述营销推广策略建议进行敏感性分析，判断不同属6然能更好地表达属性关系，但如何在此基础上高效挖掘不同细分群体的属性偏好关联规7[0011]本发明公开了一种卷烟消费者的分析方法。该方法首先随机森林模型量化促销活动对销量的非线性影响，通过特征重要性确定最优促销策略组89树的深度设为4，最小叶节点样本数为50。使用多重插补法处理新增消费者数据中的缺失分群体之一。采用5折交叉验证法计算分类准确率，得到平均准确率为85.7标准差为个群体的卷烟属性关联图谱，通过计算属性之间的互信息值确定属性节点间的连接关系。使用五折交叉验证确定最优互信息阈值，将互信息值高于该阈值的属性节点间建立边连[0026]针对构建消费者细分群体的卷烟属性关联图谱，为每个细分群体定义其卷烟属数据库存储卷烟属性集合的关联图谱，将所述卷烟属性集合中的每个属性作为图中的节通过计算属性值的Pearson相关系数确定边的权重。利用Node2Vec算法将属性关联图谱中[0032]针对某卷烟消费者群体的属性关联图谱，应用Apriori算法提取高频属性组[0039]对高烟碱量偏好群体的100条关联规则和低焦油量偏好群体的80条关联规则进行度格敏感度提高10相似度变化3赋予权重0.3。使用这些权重对30维特征向量进行加