在當(dāng)今互聯(lián)網(wǎng)經(jīng)濟(jì)時代，消費者的購物方式已從主動購買轉(zhuǎn)變?yōu)橐灾鲃铀阉鳌⒃诰�直播購物為主的新模式。為了提升用戶轉(zhuǎn)化率，銷售企業(yè)亟需針對不同商品制定精準(zhǔn)的營銷策略，而精確的商品細(xì)分在其中扮演著至關(guān)重要的角色。目前，零售行業(yè)廣泛采用聚類分析和關(guān)聯(lián)規(guī)則算法進(jìn)行商品細(xì)分與數(shù)據(jù)挖掘。

傳統(tǒng)的K-Means算法因其簡單、收斂快且適用于大規(guī)模數(shù)據(jù)集而被廣泛應(yīng)用。然而，它存在幾個顯著缺點：對初始聚類中心的選擇敏感，可能導(dǎo)致無法收斂到全局最優(yōu)解，造成結(jié)果不穩(wěn)定；其次，它專為純數(shù)值數(shù)據(jù)集設(shè)計，無法直接處理現(xiàn)實世界中常見的混合型（數(shù)值與分類）數(shù)據(jù)；最后，該算法僅從樣本點間的距離/密度角度進(jìn)行聚類，完全忽略了樣本屬性之間的內(nèi)在關(guān)聯(lián)。盡管關(guān)聯(lián)規(guī)則挖掘能有效發(fā)現(xiàn)屬性間關(guān)系，但它通常僅適用于分類或離散化數(shù)據(jù)，且可能生成過多的候選規(guī)則，計算復(fù)雜度高。

為克服這些挑戰(zhàn)，本文提出了一種名為AAP-KM的新型聚類算法。該算法的核心思想是巧妙地融合了關(guān)聯(lián)規(guī)則在發(fā)現(xiàn)屬性關(guān)系上的優(yōu)勢與K-Means在數(shù)值空間劃分上的效率。AAP-KM首先提出一種自適應(yīng)關(guān)聯(lián)規(guī)則算法。該算法通過自助采樣（Bootstrap Sampling）處理大規(guī)模數(shù)據(jù)以降低計算成本，通過多重排序（按置信度、規(guī)則前件長度和支持度）重定義了最優(yōu)關(guān)聯(lián)規(guī)則（BestRule）的選擇標(biāo)準(zhǔn)，并自適應(yīng)地更新最小支持度（MinS）和最小置信度（MinC）參數(shù)，從而解決了傳統(tǒng)Apriori算法規(guī)則集爆炸和結(jié)果不穩(wěn)定的問題。基于此，AAP利用自適應(yīng)規(guī)則對數(shù)據(jù)集進(jìn)行初始劃分。

對于混合型數(shù)據(jù)，AAP-KM采用了二次屬性轉(zhuǎn)換技術(shù)來增強其適應(yīng)性。具體流程分為三個階段：首先，在初始劃分階段，算法將數(shù)值變量按上下四分位數(shù)轉(zhuǎn)換為分類數(shù)據(jù)，形成數(shù)據(jù)集B，并利用上述AAP算法獲得初始劃分集合。接著，在生成初始聚類中心階段，將原始數(shù)據(jù)集A中的分類數(shù)據(jù)通過獨熱編碼轉(zhuǎn)換為數(shù)值數(shù)據(jù)，得到數(shù)據(jù)集C，并根據(jù)初始劃分計算各類別的均值作為初始聚類中心。最后，在K-Means聚類階段，利用這些更具代表性的初始中心對數(shù)據(jù)集C執(zhí)行標(biāo)準(zhǔn)K-Means聚類，獲得最終結(jié)果。

為了評估AAP-KM的有效性，研究在八個UCI數(shù)據(jù)集上進(jìn)行了數(shù)值實驗，并將其與K-Means、K-Means++、AP（關(guān)聯(lián)規(guī)則聚類）以及PSO-KM（粒子群優(yōu)化K-Means）等算法進(jìn)行對比。評價指標(biāo)包括分類準(zhǔn)確率（Accuracy）、精確率（Precision）、召回率（Recall）和F1-Score。實驗結(jié)果表明，在大多數(shù)數(shù)據(jù)集上，AAP-KM算法的性能優(yōu)于或與其他先進(jìn)算法持平。特別是在Iris、Adult、Heart Disease和Teaching Assistant Evaluation數(shù)據(jù)集上，AAP-KM展現(xiàn)出顯著更高的聚類精度。例如，在Adult數(shù)據(jù)集上，AAP-KM的準(zhǔn)確率達(dá)到0.7560，優(yōu)于K-Means的0.6779和PSO-KM的0.7546。統(tǒng)計分析（t檢驗）證實了AAP-KM與對比算法之間的性能差異具有統(tǒng)計顯著性。這證明了AAP-KM能夠選擇出更有效的初始聚類中心，從而提升聚類質(zhì)量。而對于Sonar、Credit Card和Vote等數(shù)據(jù)集，各算法性能相當(dāng)，表明這些數(shù)據(jù)集對初始中心的選擇不敏感。值得注意的是，AP算法在處理不平衡數(shù)據(jù)集（如Credit和Adult）時表現(xiàn)出一定優(yōu)勢，而AAP-KM在繼承其挖掘?qū)傩躁P(guān)系能力的同時，通過改進(jìn)獲得了更穩(wěn)定可靠的性能。

最后，研究將AAP-KM算法應(yīng)用于一個真實的Online Retail數(shù)據(jù)集進(jìn)行商品細(xì)分實踐。在完成數(shù)據(jù)探索、異常值處理（如剔除負(fù)數(shù)量和零單價記錄）及特征提取（包括商品總銷量、總銷售額、退貨率、購買人數(shù)、平均購買次數(shù)、銷售天數(shù)等）后，利用AAP-KM進(jìn)行聚類分析。算法自動確定聚類數(shù)k=4，二維可視化結(jié)果顯示各類別樣本區(qū)分度良好。

對聚類中心的深入分析揭示了有意義的商業(yè)洞察：第一類商品（共108種）平均銷售額最高，消費者粘性強（年銷售天數(shù)達(dá)222天），被定義為高利潤、暢銷的“優(yōu)質(zhì)核心商品”。第二類商品（92種）平均銷量低但退貨率極高（42.4%），屬于“高退貨率低價值商品”。第三類商品（734種）具有中等銷量和銷售額。數(shù)量最多的第四類商品（2689種）各項指標(biāo)均處于較低水平。這種細(xì)分有助于企業(yè)識別核心盈利產(chǎn)品，優(yōu)化庫存和營銷資源分配，例如對高價值商品進(jìn)行重點推廣，同時審查并改善高退貨率商品的品質(zhì)或銷售策略。

綜上所述，本研究提出的AAP-KM算法通過自適應(yīng)關(guān)聯(lián)規(guī)則與K-Means的有效結(jié)合，不僅降低了K-Means對初始中心的依賴，還能自適應(yīng)估計聚類數(shù)目，并成功應(yīng)用于混合型數(shù)據(jù)的聚類分析。在商品細(xì)分場景下的應(yīng)用驗證了其實際價值，為銷售企業(yè)進(jìn)行數(shù)據(jù)驅(qū)動的精細(xì)化運營提供了有力的工具。未來的研究可進(jìn)一步探索該算法在更復(fù)雜數(shù)據(jù)場景（如流數(shù)據(jù)、高維數(shù)據(jù)）下的應(yīng)用與優(yōu)化。