模糊法则归纳法在市场调查分析中应用研究.docVIP

模糊法则归纳法在市场调查分析中应用研究 　　摘 要：模糊法则归纳法（Fuzzy Rule Induction using GMDH，简称FRI方法）是近年来兴起的非参数数据挖掘技术，它将模糊建模技术和自组织数据挖掘建模技术相结合，在金融、经济等领域已经得到了成功运用。文章分析了陕西省西安市和宝鸡市两地移动长话市场的消费者特征，在传统市场调查分析方法评述的基础上，进行了FRI方法运用于市场营销领域的尝试性研究。研究发现，FRI方法适用细分市场的特征，即适用于差异比较明显的细分市场特征的提取。 　　关键词：模糊法则归纳法；市场调查；数据分析 　　中图分类号：F272 　　文献标识码： A 　　文章编号：1003-7217(2007)03-0106-05 　　 　　一、引言 　　 　　市场调查的一个重要环节是调查数据分析。顾客感觉如何，怎样看待企业的竞争对手及其产品与服务，通过市场调查数据进行分析，有利于提升企业竞争力。???场调查数据分析常用统计方法，其中描述性分析是调查公司最常使用的方法，它操作简单，通过百分比计算比较分析以发现市场特征。由于得到的结果要借助于分析人员的相关专业理论知识和经验才能翻译成有信息价值的语言，该方法主观性较强。此外，其它统计分析方法，如参数检验、回归分析、因子分析和主成分分析等也常用于市场调查数据分析。这些方法各具特色，但使用它们或者需要假定数据总体符合一定的分布，或者要求数据有较强的相关性。由于市场调查多采用问卷调查形式，它的数据常呈现小样本、噪声大的特点，且定性数据多，难以找出数据的统计分布规律，因而使用这些统计方法的前提条件很难保证。 　　数据分组处理方法(Group Method of Data Handling，简称GMDH)是一种新兴的数据挖掘方法，它由乌克兰科学院A.G.Ivakhnenko院士于1969年提出［1］。GMDH建立在人类生存历史中最古老、最富有成效的试探法则选择学说基础之上，它将黑箱思想、生物神经元方法、归纳法和Gdel?的数理逻辑方法有机地结合起来。GMDH具有揭示经济对象构成因素的功能，能从众多对经济对象有影响的因素中筛选出有重要影响的因素；对于有噪声的小样本数据，它通过建立非物理模型，能给出较准确的拟??与过程预测。上世纪90年代，德国学者J.A.Mueller和软件专家L.Frank将GMDH的基本思想用于其它数据挖掘方法，建立了非参数GMDH，并编制了功能强大的Knowledge Miner软件，使GMDH从理论、方法和应用诸方面上了一个新的平台［2］。非参数GMDH由GMDH的思想运用于其它数据挖掘方法构成，它包括：自组织模糊规则归纳（Self-Fuzzy Rule Induction using GMDH ，简称FRI）、客观聚类分析（Objective Cluster Analysis，简称OCA）、相似体合成（Analog Complexing ，简称AC）［3］。非参数GMDH既保持了GMDH的适于有噪声的小样本数据分析建模预测的优点，又具有相应的数据挖掘方法的功能，它用于经济、金融、生态等复杂系统领域的建模分析已有许多成功实例，但未见有用于市场调查数据分析的研究。市场调查数据具有小样本、有噪声且定性数据多的特点，正好适宜使用非参数GMDH方法。因此，以下研究拟将FRI方法用于企业市场调查数据分析，以期给市场调查数据分析提供一条新的有效途径。 　　 　　二、FRI方法在市场调查中的运用 　　 　　FRI本质上是一种规则归纳的方法，应用对象特点是输入输出变量模糊化具有实际意义，其用于市场调查数据分析主要是通过算法提取市场中不同消费者的特征规则。用这一特征规则来作为??费者特征的描述，它的应用分为以下几个步骤： 　　１．数据的预处理。市场调查的数据一般是通过调查问卷的形式取得，原始数据都是问题的选项，不能直接用于建模，必须进行预处理。首先从调查问卷中选取企业关心的问题和因素，将这些问题转化为变量，并将每个消费者（样本）对于问题的选择转化为对应的变量值。调查问卷的问题一般包含三种形式：选择题（包括单选和多选）；填空题；打分和排序。对于单选题每一个选项转换为一个0-1二值变量。被调查者选择了哪一项，则对应的变量值为1，其余项对应的变量值均为0。如果多选和打分，则每个问题转化一个变量，前者的值是被调查者选项的序号，后者则是打分的值。对于填空题，则直接将所填数值作为变量值。 　　２． 消费者群体的划分和研究对象的选定。这由FRI算法本身的特点所决定的，FRI 算法是一种规则归纳的方法，它是通过不同群体的对比找出某一群体的主要特征，如果没有群体的划分，算法就不可能实现。在细分消费者群体后，可以根据实际情况选择感兴趣的群体进行研究。