基于K-means聚类与空间相关性的零售户销售行为分析

doi:10.13474/j.cnki.11-2246.2019.0284

测绘通报 ›› 2019, Vol. 0 ›› Issue (9): 51-54.doi: 10.13474/j.cnki.11-2246.2019.0284

基于K-means聚类与空间相关性的零售户销售行为分析

王路遥¹, 高山², 李俊², 樊红¹

1. 武汉大学测绘遥感信息工程国家重点实验室, 湖北武汉 441000;
2. 贵州省烟草公司贵阳市公司, 贵州贵阳 550000

收稿日期:2018-04-29 修回日期:2019-07-12 出版日期:2019-09-25 发布日期:2019-09-28
通讯作者: 樊红。E-mail:hfan3@whu.edu.cn E-mail:hfan3@whu.edu.cn
作者简介:王路遥(1993-),博士生,研究方向为地理经济、空间认知。E-mail:wangluyao@whu.edu.cn
基金资助:
国家自然科学基金（41471323；91746206）

The sales character analysis of retails based on K-means method and spatial correlation

WANG Luyao¹, GAO Shan², LI Jun², FAN Hong¹

1. State Key Lab for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 441000, China;
2. Guizhou Tobacco Company Guiyang Company, Guiyang 550000, China

Received:2018-04-29 Revised:2019-07-12 Online:2019-09-25 Published:2019-09-28

摘要/Abstract

摘要： 零售活动作为城市商业活动的核心之一，对于城市经济水平的反映、消费者行为的把握具有重要作用。为了获取微观的消费者特征，本文基于贵阳零售店的营销数据，提出了更加微观的销售特征提取方式，利用K-means进行店铺分类和特征提取，验证了销售特征与实际销量之间的相关关系，并且在此基础上，开展了针对零售店的精准配货方式推荐，得到了可靠的试验结果。本文的研究能够对当前企业的控制型决策过程进行转变，能够根据市场表现实时的调整营销方案，有效提高社会经济效益。

关键词: 零售户, 微观, 销售特征, K-means

Abstract: Retail activities, as one of the cores of urban commercial activities, can efficiently reflect the city's economic level and consumer's consumption habits. To obtain consumer characteristics in micro-scale, this study makes use of the sales data of retail shops in Guiyang and propose the sales feature extraction methods to extract information through sales performance. The key characteristics of each store is found out existing fitting relationship with actual sale performance, based on which optimized allocation strategy for retail shops are carried out. The research in this paper can change the decision-making process of the current enterprise and improve the social-economic benefits.

Key words: retails, micro-scale, sales characteristics, K-means

中图分类号:

P208

王路遥, 高山, 李俊, 樊红. 基于K-means聚类与空间相关性的零售户销售行为分析[J]. 测绘通报, 2019, 0(9): 51-54.

WANG Luyao, GAO Shan, LI Jun, FAN Hong. The sales character analysis of retails based on K-means method and spatial correlation[J]. 测绘通报, 2019, 0(9): 51-54.

参考文献

[1] 陈涵,任力.体验营销在服装品牌终端店铺的应用[J].经营与管理,2018(5):127-130.
[2] 何永达,赵志田.我国零售业空间分布特征及动力机制的实证分析[J]. 经济地理, 2012(10):77-82.
[3] OPPEWAL H, HOLYOAKE B.Bundling and retail agglomera-tion effects on shopping behavior[J]. Journal of Retailing and Consumer Services,2004,11(2):61-74.
[4] DEHNAD K. Density estimation for statistics and data analysis[J].Technometrics,1986, 29(4):495-495.
[5] HUFF D L. Defining and estimating a trading area[J]. Journal of Marketing,1964,28(3):34-38.
[6] 陈蔚珊,柳林,梁育填.基于POI数据的广州零售商业中心热点识别与业态集聚特征分析[J]. 地理研究,2016,35(4):703-716.
[7] 甄峰,余洋,汪侠,等.城市汽车服务业空间集聚特征研究:以南京市为例[J].地理科学,2012,32(10):1200-1208.
[8] 刘庆新,史兵,雷欢欢,等.城市体育用品销售中心空间分布研究——以西安市为例[J].西安体育学院学报,2010,27(2):129-132,153.
[9] 薛东前,石宁,公晓晓.西安市生产者服务业空间布局特征与集聚模式研究[J].地理科学,2011(10):1195-1201
[10] 任林,樊红,龚天任. 基于面板模型的贵州省卷烟价格对卷烟销售的影响分析[J]. 商业经济,2016,(7):103-104.
[11] 盛剑,樊红,龚天任,等.K-means算法及其在卷烟零售门店库存聚类分析中的应用[J]. 商业经济,2017,(3):128-129.
[12] 潘泽华,樊红. 基于三步KMEANS模型的卷烟零售门店分类[J]. 经济研究导刊,2016,(19):52-54,74.
[13] 王千,王成,冯振元,等. K-means聚类算法研究综述[J]. 电子设计工程,2012,20(7):21-24.
[14] HANSEN P, NGAI E. Analysis of global K-means,an incremental heuristic for minimum sum-of-squares clustering[J].Journal of Classification, 2005,22(2):287-310.
[15] ANSELIN L, BERA A K, FLORAX R,et al. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 1995,26(1):77-104.

基于K-means聚类与空间相关性的零售户销售行为分析

The sales character analysis of retails based on K-means method and spatial correlation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 9

编辑推荐

Metrics

本文评价

[1]	张强, 白征东, 辛浩浩, 程宇航, 郭锦萍. 基于共享单车时空大数据的细粒度聚类[J]. 测绘通报, 2021, 0(5): 15-19,29.
[2]	韩建平. 基于遥感影像的青海省环境变化监测[J]. 测绘通报, 2021, 0(10): 123-126,145.
[3]	张勇, 朱大明, 冯宇, 代德成. 用户GPS轨迹数据支持下的出行安全分析[J]. 测绘通报, 2020, 0(5): 73-79.
[4]	王哲奇, 徐柳华, 俞志强. 倾斜摄影实景模型悬空地物处理方法[J]. 测绘通报, 2020, 0(5): 111-114.
[5]	吕洪林, 尹青山. 大规模数据集Spark并行优化谱聚类[J]. 测绘通报, 2019, 0(12): 96-100.
[6]	杨波, 王继周, 毛曦, 马维军. 基于K-means算法的突发事件地理信息空间化研究[J]. 测绘通报, 2018, 0(7): 112-115.
[7]	刘旭, 陈云波, 施昆, 黄强. 结合Canopy-K-means算法和出租车轨迹数据的公交车站预测方法[J]. 测绘通报, 2018, 0(11): 63-68.
[8]	金海, 张劲松, 吴睿. 一种基于抽样改进加权核K-means的大数据谱聚类算法[J]. 测绘通报, 2018, 0(11): 78-82.
[9]	孙佳龙崔旭升郭淑艳. 基于K-means聚类分析的球冠谐函数拟合高程异常方法[J]. 测绘通报, 2014, 0(2): 20-22.