张茜

【摘 要】本文从消费者的角度，探索网购物流服务因素与客户类别的关联性，构建一个研究框架。通过爬虫工具对天猫超市的在线客户评论数据挖掘，将语言转化为结构化数据，运用Rapidminer软件和FP-Growth算法挖掘出强关联规则。结果表明，该框架能够合理解释样本数据，并且发现不同类别的网购客户群体，对物流服务感知的侧重点具有显著差异。该结论为电商企业提供了物流服务盈利空间的切入点，具有重要的现实意义。

【关键词】在线评论；物流服务；FP-Growth算法；关联规则

一、引言

数据挖掘技术可以从大量的数据中提取出隐含的、以前不为人所知的、可信而有效的知识，能够对数据进行再分析，以期获得更加深入的了解，并且具有预测功能[1-2]。其中关联规则挖掘是数据挖掘知识模式中最活跃的一个分支，由Agrawal等于1993年首先提出，随即广泛应用在各个行业中[3]。尤其对于大型零售组织，在处理大规模数据，确定市场策略，提高决策支持能力方面。关联规则挖掘具有较大的价值，是从大规模数据中提取隐含信息的有效方法。

综上所述，为避免自建知识库的局限，本研究引入关联规则挖掘技术，对客观实时数据进行分析。在天猫超市购物网站上搜集大量在线客户评论，从中挖掘物流服务因素和网购顾客间影响关系，具有一定的理论创新性和技术可行性。

二、研究框架及关联规则

研究首先从B2C电子商务网站（如天猫超市，当当网等）的购买页面搜集大量在线客户评论，每条评论都包含着客户信息（用户名，会员级别，所在区域等）以及自由格式的文本式评论内容。……