李楚贞 林剑添

（广东理工学院信息技术学院 广东省肇庆市 526100）

随着网络销售在企业销售占比的增长，众多企业对网络销售相关运营数据的关注度日益提高。网络销售的运营数据获取成本低，且和门店运营数据相比，有更多的指标去反映消费者的消费行为信息，如商品详情页跳出率、消费者平均停留时长等，这些指标是在门店销售的运营中无法低成本获得的。有效的数据挖掘工作一方面可以帮助企业深层次地挖掘消费者的消费情况，为消费者提供个性化服务，另一方面基于产品运营数据进行商品重分类，从而为企业制定运营策略提供决策指导[1]。

对于电商运营数据的聚类研究，传统研究视角是基于消费者行为数据进行聚类分析。韩利东基于消费者购买商品记录，通过聚类将相似的消费者归为同一类簇，从而实现个性化服务[2]。王越通过基于改进遗传算法的模糊聚类对电子商务用户数据进行聚类分析[3]。钱丹丹研究商业智能（BI）体系下的大数据应用于消费者行为预测，主要对顾客购买药片的频率、消费金额和消费者价值进行聚类分析，以此作为消费群体划分的依据[4]。电商产品数据特征更易获得，同时对产品的重分类问题的研究更有利于库存订货策略[5]。本文从电商服装产品的视角出发，采用基于熵值赋权的粒子群聚类方法对服装产品销售平台的支付转化率、访客数、详情页跳出率、平均停留时长、访客平均价值、客单价进行聚类，并以此为依据对产品进行销售预测划分。……