基于数据挖掘方法下的大众点评网美食类商家评分研究上海立信会计学院曾晨、张瑾、张瑞
目录
一、引言 (2)
二、研究方法综述 (3)
(一）数据来源 (3)
（二）变量选择 (3)
（三）理论简介 (3)
三、数据分析 (8)
（一）各省份受欢迎的美食即当地饮食习惯的关联分析 (8)
（二）探究商家是否连锁与其星级的关系 (13)
（三）聚类分析 (15)
（四）利用决策树建立消费者选择模型 (18)
四、结论和建议 (22)
参考文献 (23)
附录 (24)
图目录
图1决策树树形结构 (7)
图2各个省、直辖市餐饮类商家数目 (9)
图3不同美食种类的商家数目 (9)
图4第1到22项关联规则 (10)
图5第23到44项关联规则 (11)
图6辽宁省与其饮食习惯的关联规则 (11)
图7上海市与其饮食习惯的关联规则 (12)
图8广东省与其饮食习惯的关联规则 (12)
图9四川省与其饮食习惯的关联规则 (13)
图10连锁店与非连锁店比例 (13)
图11非连锁店商家的星级频数分布图 (14)
图12连锁店商家的星级频数分布图 (15)
图13餐饮类商家星级系谱图 (16)
图14餐饮类商家聚类数目 (16)
图15第一类餐饮商家星级 (17)
图16第二类餐饮商家星级 (17)
图17第三类餐饮商家星级 (17)
图18第四类餐饮商家星级 (18)
图19好评与非好评的商家数量条形图 (19)
图20决策树模型的基本信息 (20)
图21各节点的重要性 (21)
图22决策树 (21)
图23决策树模型预测效果 (22)
表目录
表1连锁与非连锁商家的总体情况 (13)
摘要
随着互联网的飞速发展与智能手机的普及，人们的生活方式发生了巨大的变化。手机APP作为互联网发展的重要产物，为人们的日常生活，例如交通、购物、饮食、住宿、教育等提供了极大的便利。大众点评作为人们日常使用率最高、商家覆盖面最广的手机软体之一，极大地影响了人们的日常生活，不仅方便了人们的休闲娱乐，还满足了人们对衣食住行的多样性需求。“民以食为天”，消费者在选择餐厅时往往会通过点评网站去浏览相关餐厅的用户评价、商家评分以及是否具有优惠，并以此作为参考来做出选择。因此，研究影响消费者选择商家的因素，不仅对消费者本身做出决策有意义，对创业者选择投资方向和商家改善自身管理同样提供了参考依据和有效信息。
本文根据数据堂(https://www.doczj.com/doc/2f7259878.html,)提供的大众点评2014年4月更新后的1000家美食类商家数据，筛选出15个变量进行关联分析、聚类分析、决策树等数据挖掘方法探索地域与饮食偏好的关联度，为对消费者和创业者都提供了良好的经营决策方向；通过对所有商家进行系统聚类来探索每类商家与商家星级的关系，让消费者在选择餐厅时注意星级标准，以满足自身的用餐需求；最后利用决策树建立消费者选择模型，让消费者浏览餐厅信息时理性做出就餐选择，同时根据消费者市场的需求，餐厅经营者可以做出相应的营销策略的调整，改善餐厅服务质量，迎合消费者心理，在纷繁复杂的餐饮业增强竞争力，赢得自己的市场份额。在模型的建立和数据分析过程中，本文采用R.3.2.1和Microsoft Excel 2010软件。
关键字：大众点评关联分析聚类分析决策树饮食习惯消费者选择模型一、引言
互联网改善了人们的沟通方式，学习方式，也改变了商务的方式。随着互联网的普及，网络技术和电商平台也日趋完善。如今，消费者不止满足于电商带来的便捷，更对电商平台的口碑评价越来越关注，也使得电商平台口碑评价成为打造电商品牌的重要途径。大数据时代下，客户洞察、营销规划、物流管理、流程规划、风险控制等，都将受益于大数据相关技术。相比于线下零售，电子商务网站具备非常丰富的客户历史数据。通过这些数据的分析，能够进一步了解客户的购物习惯、兴趣爱好和购买意愿，并可以对客户群体进行细分，从而正对不同的用户对服务经行调整和优化，进行有针对性的广告营销和推送，实现个性化服务。
智能手机和手机APP同样也是电商中不可缺少的重要组成部分，随着智能手
机的普及与APP的蓬勃发展，人们将生活重心转移到手机软体中，手机APP有很多，涵盖了一切人们所需，包括购物、旅行、健身等等，此次我们选择大众点评这一手机软体的数据来进行分析有两个原因。首先，大众点评是中国领先的本地生活信息及交易平台，也是全球最早建立的独立第三方消费点评网站，它不仅为网友提供商户信息、消费点评及消费优惠等信息服务，同时亦提供团购及餐厅预订等O2O（Online To Offline）交易服务。其次，大众点评属于较早的软件，使用人群广，受众人群普遍，没有特别明显的年龄差距，并且大众点评涵盖了日常的衣食住行等，数据齐全，可以反映较为精准的有效信息。由于大众点评涵盖门类过多，本文我们具体选择“食”这一大类进行数据挖掘。根据1000家餐饮类商家的数据，我们挑选出消费者浏览餐饮类商家信息时最关注的指标，然后对这些指标进行分析，分别研究了美食种类与地域分布的关系即当地饮食习惯的研究、餐饮类商家连锁与否是否与其评分星级有对应关系以及建立消费者选择模型为创业者确立投资目标、消费者理性选择餐厅和餐厅经营者营销策略的调整提供理论依据。
二、研究方法综述
（一）数据来源
本文采用的数据来自数据堂(https://www.doczj.com/doc/2f7259878.html,/data/46472)的大众点评网2014年4月份数据（样例），数据集共有2014年4月大众点评1000家美食类商家的样本，共1001行45列，主要包括商家店名、地理位置、主营食物、联系方式、商家评分等信息。
（二）变量选择
样本包含45个变量，本文主要选取了消费者关心的信息指标以及直接影响消费者决策判断的变量，分别是：商家店名(name)、商家所在省份(province)、商家经营的美食种类(small_cate)、商家星级(stars)、人均价格(avg_price)、菜品质量评分(product_rating)、环境评分(environment_rating)、服务评分(service_rating)、所有评价(all_remarks)、非常好评(very_good_remarks)、好评(good_remarks)、一般评价(common_remarks)、差评(bad_remarks)、极差评(very_bad_remarks)、是否连锁(is_chains)15个变量，剔除掉与分析过程无关的30个变量。
（三）理论简介
数据挖掘（Data mining），又译为资料探勘、数据采矿。就是从大量数据中
获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。广义的数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database,KDD)，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下步骤组成：（1）数据清理（2）数据集成（3）数据选择（4）数据变换（5）数据挖掘6）模式评估（7）知识表示。
数据挖掘的4个发展阶段：
第一阶段：电子邮件阶段。这个阶段可以认为是从70年代开始。
第二阶段：信息发布阶段。从1995年起，以Web技术为代表的信息发布系统，爆炸式地成长起来，成为目前Internet的主要应用。
第三阶段：EC(Electronic Commerce），即电子商务阶段。
第四阶段：全程电子商务阶段。随着SaaS（Software as a service）软件服务模式的出现，软件纷纷登陆互联网，延长了电子商务链条，形成了当下最新的“全程电子商务”概念模式。
数据挖掘的本质就是数学建模，其涵义与统计分析建模方法一致。因而数据挖掘也称为现代统计。传统的统计分析建模方法的基础是经典数理统计方法。已有结论多基于“大样本，少变量，多输入，单输出”的条件。对当前海量数据中出现的“大样本，多变量”，“少样本，多变量”，“多输入，多输出”以及“离散型输出”等类型能较好地解决。
数据挖掘常用的技术有关联分析、聚类分析、决策树、人工神经网络、遗传算法、随机森林等，各种方法都有自身的功能特点以及应用领域。本文我们使用关联分析来探究美食分类与各省份之间的关联或相互关系，聚类分析则是根据事物的特征对其进行聚类或分类，即所谓物以类聚，以期从中发现规律和典型模式，本文利用product_rating(菜品质量评分)、environment_rating(环境评分)、service_rating(服务评分)三个变量对商家进行聚类，探索每类商家与商家星级的关系，最后我们对商家好评率建立决策树，为消费者进行选择时提供参考依据。
1.关联分析
1.1背景介绍
关联规则最初提出的动机是针对购物篮分析(Market Basket Analysis)问题提出的。假设分店经理想更多地了解顾客的购物习惯。特别是，想知道哪些商品顾客可能会在一次购物时同时购买？为回答该问题，可以对商店的顾客事物零售数
量进行购物篮分析。该过程通过发现顾客放入“购物篮”中的不同商品之间的关联，分析顾客的购物习惯。这种关联的发现可以帮助零售商了解哪些商品频繁的被顾客同时购买，从而帮助他们开发更好的营销策略。
1993年，Agrawal 等人在首先提出关联规则概念，同时给出了相应的挖掘算法AIS ，但是性能较差。1994年，他们建立了项目集格空间理论，并依据上述两个定理，提出了著名的Apriori 算法，至今Apriori 仍然作为关联规则挖掘的经典算法被广泛讨论，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。1.2定义
关联分析是一种简单、实用的分析技术，也是数据挖掘的核心技术之一，用来查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构，简单来说就是发现存在于大量数据集中的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式。以下引入几个基本概念来对关联分析进行简要阐述。1.2.1项集：
既是集合的概念。例如一篮子物品中一件为一项(Item)，若干项的集合为项集。
1.2.2关联规则：
一般记为X →Y 的形式，左侧的项集x 为先决条件，右侧项集y 为相应的关联结果，用于表现出数据内隐含的关联性。例如：关联规则项尿布→啤酒成立则表示购买了尿布的消费者也会购买啤酒这一商品，即这两个购买行为之间具有一定关联性。
至于关联性的强度如何，我们引入三个核心概念——支持度、置信度、提升度来控制和评价。1.2.3关联强度：
a.支持度(Support)——是指在所有项集中某项集｛X,Y ｝出现的可能性，即项集中同时含有X 和Y 的概率。
),()(Y X P Y X Support =→公式(1)
该指标作为建立强关联规则的第一门槛，衡量了所有考察关联规则在“量”上的多少。其意义在于通过最小阈值（minsup,Minimun Support ）的设定，来剔
除那些“出镜率”较低的无意义规则，而相应的保留下出现比较频繁的项集所隐含的规则。上述过程用公式表示，即是筛选出满足：
minsup
)(>=Z Support 公式(2)
的项集Z,被称为频繁项集（Frequent Itemset ）.
b.置信度(Confidence)——在关联规则的先决条件X 发生的条件下，关联结果Y 发生的概率，即含有X 的项集中，同时含有Y 的可能性.
Co nfid e nce (X →Y )=P (Y |X )=P (X ,Y )/P (X )公式(3)
这是生成强关联规则的第二个门槛，衡量了所有考察关联规则在“质”上的可靠性。相似的，我们需要对置信度设定最小阈值（mincon,Minimum Confidence ）来实现进一步筛选，从而最终生成满足需要的强关联规则。因此，继筛选出频繁项集后，需从中进而选取满足：
Co nfid e nce (X →Y )≥min co n
公式(4)
的规则，至此完成所需关联规则的生成。
c.提升度(lift)——提升度表示在含有X 的条件下同时含有Y 的可能性与没有这个条件下项集中含有Y 的可能性之比，即在Y 自身出现可能性P(Y)的基础上，X 的出现对于Y 的“出镜率”的提升程度.
Lift (X →Y )=P (Y |X )/P (Y )=Co nfid e nce (X →Y )/P (Y )公式(5)
该指标与置信度同样用于衡量规则的可靠性，可以看作是置信度的一种互补指标。2.聚类分析
聚类分析是指将物理或者抽象对象的集合组合为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类。主要应用于商业（发现不同的客户群体，可以通过购买模式刻画不同的客户群特征）、生物（动植物和对基因进行分类，获取对种群固有结构的认识）、地理（能够帮助属于地球的数据库发现相似性）、保险行业等等,现已成为数据挖掘研究中的一个热点。聚类算法种类繁多，其中普及性最广、最实用、最具代表性的五种聚类算法是：
·K-均值聚类(K-means)
·K－中心点聚类(K-Medoids)
·密度聚类(Densit-based Spatial Clustering of Application with Noise,DBSCAN)
·系谱聚类(Hierarchical Clustering,HC)
·期望最大化聚类(Expectation Maximization,EM)
本文主要以系谱聚类(Hierarchical Clustering,HC)进行分析。
系谱聚类：因其过程可以通过类似于系谱图的形式呈现出来，所以名为系谱聚类。特点：不需要事先设定类别书k，这是因为它的每一次迭代过程仅将距离最近的两个样本聚为一类，其运作过程自然而然的得到k＝1至k＝n个类别的聚类结果。
3.决策树
决策树是经典的数据挖掘方法之一，建立决策树的目的既是根据若干输入变量的值构造出一个相适应的模型来预测出输出目标的值，然后以树形结构将分类过程展现出来。其优点是简单直观、解读性强。决策树呈现倒置的树形，即最上端为树的根，最下端为树的叶，有根节点(Root)、节点(Node)、叶节点(Leaf)等，形如：
图1决策树树形结构
决策树构建步骤：
a.决策树的生成：将包含大量信息的数据集按照一定的划分层次分类至不可再分或不需要再分的情形，充分生成树。
b.生成树的剪枝：由于上一个过程是没有停止的，所以生成的树可能会非常的大，对训练集很可能存在过度拟合，即对训练数据有非常高的分类准确率，但是对于新数据的分类准确率较差。因此，为了保证生成树的推广能力，需要通过剪枝过程对复杂树的节点进行删减，控制树的复杂度，并由树的叶节点树来衡量复杂度。
决策树的优点：
a.决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。
b.对于决策树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。
c.易于通过静态测试来对模型进行评测，可以测定模型可信度；如果给定一个观察的模型，那么根据所产生的决策树很容易推出相应的逻辑表达式。
决策树的缺点
a.对连续性的字段比较难预测。
b.对有时间顺序的数据，需要很多预处理的工作。
c.当类别太多时，错误可能就会增加的比较快。
d.一般的算法分类的时候，只是根据一个字段来分类。
三、数据分析
（一）美食种类与地域分布的关联分析
根据大众点评网上店铺提供的美食种类来研究各省份受欢迎的美食，从而的可以得出该省份的饮食习惯。假设一个想要创业的人想更多的了解当地的饮食习惯。特别是，想知道哪些品种的美食当地人经常吃？这个创业者可以事先对当地的餐饮店经营的食物类型进行分析。该过程通过探究不同食物类型与地域之间的
关联，分析当地消费者的饮食习惯。这种关联的发现可以帮助创业者了解哪些食物更被当地人接受，并且能吸引更多的消费者，从而帮助他们成功创业。
1.数据描述
对各省和直辖市的美食种类进行关联性分析，用到省和直辖市的数据以及省
dq_，新数据集里只包括两个变量，份对应的美食种类，建立一个新的数据集cy
即省市(province)和美食种类(small_cate)，。下面两幅图是对各省、直辖市和美食种类的简单描述：
图2各个省、直辖市餐饮类商家数目
上图横轴是大众点评网中选取的某些省、直辖市，纵轴是相对应省、直辖市的餐饮类商家数目。从上图可看出上海餐饮类商家数目最多，其次是江苏、北京、广东；甘肃、广西、海南等省、直辖市的餐饮类商家数目较少。
图3不同美食种类的商家数目
上图的横轴是商家的餐饮分类，主要包括北京菜、海鲜、小吃快餐等，纵轴是餐饮类商家数。从图中可以看出经营小吃快餐、面包甜点、火锅、其他、西餐、川菜的商家较多，说明这些种类的美食是中国餐饮市场上主流的美食品种，也可看出中国人的饮食偏好。与此同时，我们还可以猜想一下小吃快餐类最受欢迎的原因，可能是因为小吃快餐方便快捷，与快节奏的城市生活相适应，尤其是洋快餐。
2.模型建立及结果分析
选择数据集cy dq _建立各省、直辖市和餐饮类别的关联分析，该关联分析模型命名：1__rules cy dq ，选择支持度的最小阈值为0.01，置信度最小阈值
5.0 confidence 。所得结果如下：
图4第1到22项关联规则
图5第23到44项关联规则
关联分析结果显示一共生成44条关联规则，综上两图我们可以看出，餐饮类别以及口味偏好有明显的地域特征。我们知道提升度是筛选关联规则最可靠的指标，且得到的结论最有说服力。提升度最高的关联规则为：{province=江西}→{small_cate 江西菜}。河南的豫菜也足以体现口味偏好与地域有着密不可分的联系。其中提升度较高的关联规则有{province=甘肃}→{small_cate=清真菜}，从地域上看，甘肃毗邻宁夏回族自治区，省内的回民较多，这条关联规则是符合常理的。
为深入研究当地的饮食习惯，从而为打算从事餐饮业的创业者提供较为可靠的本地市场调查反馈，我们选取了辽宁、上海、广东、四川四个囊括了我国南北饮食特点的代表性城市，做了如下4个关联分析，分别建立关联规则：
2__rules cy dq ，3__rules cy dq ，4__rules cy dq ，5__rules cy dq 。
图6辽宁省与其饮食习惯的关联规则
如上图，提升度较高的对应的关联规则有{small_cate=朝韩料理}→{province=辽宁}，{small_cate=大连海鲜}→{province=辽宁}，{small_cate=东北菜/家常菜}→{province=辽宁}，辽宁离朝鲜韩国较近，彼此间的饮食有相近之处；大连是辽宁
省省会，大连海鲜应该是辽宁省内不可缺少的饮食；辽宁位于东三省，东北菜/家常菜应当也是辽宁的主打菜系。
图7上海市与其饮食习惯的关联规则
上海汇聚了来自各地的人，同样也汇聚了来自五湖四海的饮食文化，包含了本帮江浙菜，川菜、西北菜、日本料理、韩国料理等，其关联规则的置信度较高，体现了上海国际性大都市的特点，包容性很强。
图8广东省与其饮食习惯的关联规则
提到广东，一定会想到那里遍布的茶餐厅。上图中的关联规则充分验证了人们对广东的普遍印象。关联规则{small_cate=茶餐厅}→{province=广东}，{small_cate=小吃}→{province=广东}，{small_cate=粤菜}→{province=广东}对应的提升度较高，所以广东人的口味确实是偏向粤菜菜系。
图9四川省与其饮食习惯的关联规则
上图是四川省与食物的关联规则，可以明确看出{small_cate=串串香}→{province=四川}的提升度、支持度和置信度都较高，这也正符合四川人的饮食习惯。
每个省、直辖市都有自己的特色菜品，地方菜系不止体现了地域风情，也向外省人展现本地的饮食文化。例如：云南省以云南菜为主，山东省以鲁菜为主，广东就以茶餐厅为主，这些很好的体现了地域文化和差异。从如上关联分析中，我们可以明确看出地域和餐饮有着密切的关系。所以当在一个新的地域找到符合心意的饮食，一定要选择当地最著名的本帮菜。
（二）探究餐饮类商家是否连锁与其星级的关系
普遍认为，连锁型餐厅以其过硬的品牌知名度、标准的食材质量与服务水平优于非连锁餐厅。为了验证这一猜想，我们对数据中连锁与非连锁餐饮商家进行分析，探究是否连锁影响其星级评价。。
连锁店与非连锁店比例
非连锁 :61%
连锁 :39%
图10连锁店与非连锁店比例
表1连锁与非连锁商家的总体情况
商家数占总体比例星级均值星级方差
非连锁60761% 2.554 2.386
Histogram of sappy1[, 1]
F r e q u e n c y
01234
5
50
100150
144
0050
171
97
107
35
2
图11非连锁店商家的星级频数分布图
连锁39339% 3.281 1.295
合计
1000
100%
F r e q u e n c y
01234
5
20
40
6080
100
30
0022
102
89
10142
7
图12连锁店商家的星级频数分布图
由图9、10、11和表1可以得出以下结论：①商家还是以非连锁店居多；②星级代表该商家的综合评分，非连锁店商家的星级大多集中在3颗星，其次依次是0颗星和4颗星，由表1中星级的均值和方差可以看出（由于星级的最大值最小值均为5和0，此均值能代表总体平均水平），非连锁店商家的综合评分总体偏低且参差不齐，商家之间的差异较大；③连锁店商家的星级集中在3星到4星之间，商家间的差异较小，综合指数较高较可靠，因此我们可以推断出连锁店商家更容易得到消费者的好评和认可。以上结论与我们的生活常识大致相符，从总体上看连锁店上优于非连锁店。
（三）聚类分析
相对于其他聚类方法，系谱聚类不需要事先设定类别数k，这是因为它每次迭代过程仅将距离最近的两个样本具为一类，自然得到k=1至k=n（n 为待分类样本数）个类别的聚类结果，因此我们选择系谱聚类进行分析。1.数据预处理
由于product_rating、environment_rating、service_rating 这三个变量中存在缺失值，我们假设它们相应的评分为0，因为存在缺失值说明该商家可能无人评论，故没有相应评分。2.模型建立及结果分析
首先用欧式距离生成product_rating 、environment_rating 、
service_rating 的距离矩阵，然后进行系谱聚类生成系谱图，继续用剪枝函数
将聚类结果分为四类。如下图红线横向穿过的四支，即为聚类的最终结果。系谱
图如下：
9
9507625434138921902787608653495834210219779687642327701698582669541728125605749635043265049184852370657493465221400847066347938302987466543592281017519498867161508742323191015928787456154387226971552105340398965396908151127517025152769447448814278123539705345744620656880635194551982633008965147415232832031245477783265809025276794950949147291540227167453598943617448152055178730896612444021779358413994287578021268094309276475312712593763462184809284259253224577807967366140537729085291853329568731717994700233846328243265377711906277458050551717618843854222779071864104623228973458899007203211455783615198543578802647690047847816319223493164189514878897955254774693660219312875423535766567893722278241633854977193002611572795045394658868721132795679044280496121875153632267368785842911567174669335852985014166477966145583013245276578012252595401662617046483728992996162145084635560621379948282364757774155007986365825948569111083918672458869864631267910005193112794363535296844253367670759468871258081392234043413774690136102853554177266915484899655741770999228336534544737616917257933540350886294434575103252007212793470732381285116998604383976074115378052183625781624905726564167715393969037468215816436196073162023847508792155793401892489126637150275332047886458942662980349868332490458174995633475141702998488107166195305872089245989128368504549281254966840931668342259541256393876037845512930535418636896773379191485810342769652390913559098735192468413487725816252630109499153856286140137701251936634794455323697977352003108297386729922141293563856759811738891315817219368596076146740917582913752386675419964389128386185913643317715920488214584339762851066511562159479090967485669858114876221557662473191088334027032814949208758291243401132082956394401
051015
H e i g h t
图13
餐饮类商家星级系谱图
如上图所示，图的最下端每个餐饮类商家各占一个分支分为一类，越往上看，
每一条分支的餐饮类商家数越多，直至最上端所有的店家聚为一类。
下图是以列表形式显示聚类结果的个数：
图14
餐饮类商家聚类数目
如图13可知，第一类有406个餐饮类商家，第二类有341个餐饮类商家，
第三类有79个餐饮类商家，第四类有174个餐饮类商家。
查看聚类结果中餐饮类商家的星级：
图15第一类餐饮商家星级
上图显示：第一类含有406个餐饮类商家，它们的总评分stars（星级）为2.0~3.0。
图16第二类餐饮商家星级
上图显示：第二类含有341个餐饮类商家，他们的总评分stars（星级）为3.5~4.0。
图17第三类餐饮商家星级
上图显示：第三类含有79个餐饮类商家，他们的总评分stars（星级）为4.5~5.0。
图18第四类餐饮商家星级
上图显示：第四类含174个餐饮类商家，他们的总评分stars（星级）为0。
通过product_rating、environment_rating、service_rating三个变量对餐饮类商家进行的聚类分析结果与已知餐饮类商家的星级基本相符。第一类为中下等餐饮类商家、第二类为中上等餐饮类商家、第三类为优质餐饮类商家、第四类为低等餐饮类商家。如上图聚类结果可以看出，餐饮类商家的stars（星级）基本大于3.0，大部分餐饮类商家属于中上等餐饮类商家，它们的菜品质量、环境、服务较好，顾客选择那些餐饮类商家时可以关注它们的星级标准，以保证用餐质量。
（四）利用决策树建立消费者选择模型
决策树是最经典的数据挖掘方法之一，它以树形结构将决策或分类过程展现出来，简单直观、解读性强。下面我们根据数据中存在的因子变量的值，即餐厅的环境等级、菜品质量和服务等级来预测并分类，构造出一个相适应的模型，以树形结构呈现，为新用户在选择是否光顾某家餐厅时提供决策依据。
1.数据预处理
我们将所有评价(all_remarks)、非常好评(very_good_remarks)、好评(good_remarks)、一般评价(common_remarks)、这四个变量的数值进行数据处理，数据处理公式如下：
公式(6)
如果该店铺的好评率大于0.85，说明该餐厅受顾客欢迎，值得新顾客选择，生成的新变量好评(good_rate)取值为1；反之，该餐厅的好评率低于0.85，老顾客的推荐率不高，我们认为这些餐厅不值得选择，生成新变量的取值为0。新变量好评(good_rate)作为该餐厅是否值得新顾客选择的一个重要指标，然后再对好评(good_rate)变量建立决策树。
整理后的数据：product_rating、environment_rating、service_rating、good_rate
图19好评与非好评的商家数量条形图
从上图可以看出，好评率高于85%的商家数目大约是好评率低于85%商家数目的三倍，证明大部分的店铺比较受顾客欢迎。
将原数据进行分层抽样，在好评率高于85%的数据和好评率低于85%的数据中各随机抽取四分之一来合成测试集test_dazhong ，剩余四分之三的数据组成训练集train_dazhong，测试集的数据量为250，训练集的数据量为750。训练集的数据用于建立模型，之后我们用构建的分类树对测试集中的好评(good_rate)变量进行预测并对预测结果进行评价。2.模型建立及结果分析
顾客在选择餐厅时更注重的是该餐厅的食物是否美味健康，服务态度是否良好和就餐环境是否干净优雅。因此我们将通过分析数据中的预测因子变量，拟合新变量来建立决策树，为广大新用户选择某家就餐店铺时提供决策依据。建立的模型如下：
rating
service rating t environmen rating product rate good dazhong formula ___~__++=其中rate good _表示餐厅的好评，rating product _表示顾客对餐厅菜品质量的评分情况，rating t environmen _表示顾客对餐厅就餐环境的评分情况，
大众点评网 介绍： 一。"首创并领导了消费者点评模式，以餐饮为切入点，全面覆盖购物、休闲娱乐、生活服务、活动优惠等城市消费领域。 编辑本段产品及服务 *运营xx： 业务、餐饮业合作等领域。 编辑本段运营理念 大众点评网一直致力于城市消费体验的沟通和聚合。 大众点评网首创并领导的第三方评论模式已成为互联网的一个新热点。 在这里，几乎所有的信息都来源于大众，服务于大众；在这里，每个人都可以自由发表对商家的评论，好则誉之，差则贬之； 在这里，每个人都可以向大家分享自己的消费心得，同时分享大家集体的智慧。 编辑本段盈利模式 二、线下服务把网友评论结集出版为《餐馆指南》，目前分为北京、上海、杭州、南京四个版本，每本售价为 19."8元。 每本盈利5元，就上海就发行量达到10万。
三、无线增值大众点评网作为CP与一家大SP合作，为用户提供手机搜索内容，比如用户发送短信“小肥羊、徐家汇”，就可以获得餐馆地图、订餐电话、网友点评等信息。 四、网络广告使用AdWords广告平台，利用谷歌的定向投放技术，大众点评网开始根据不同地区的用户喜好，在不同的城市投放有针对性的广告，甚至定位精确到用户上网的不同时间段。 五、电子商务整合电子商务模式[3]，进行网上订餐，也是营收来源之一，大众点评网可以凭借为会员提供订餐服务向餐馆收取费用。目前这部分收入占总收入的80%以上。 编辑本段发展简史 这四家风险投资机构分别是： 挚信资本、红杉资本、启明创投、光速创投。此次融资是大众点评网第三次融资。2010年1月“食尚盛典2009”评选活动在北京、上海、杭州、南京、广州五大城市成功完成，2009年度五大城市餐饮业市场发展报告同时发布。北京、上海、广州三地举办的盛大落地颁奖活动，引发业界巨大反响。4月8日大众点评网深圳站正式落地，成为大众点评网第6个落地城市。2009年1月发布北京、上海、广州、南京、杭州2008年食尚盛典榜单，同时发布这个5个城市2008年度餐饮业市场发展报告，引起媒体及行业再次高度关注。 2008年6月启动广州市场，首批与当地400家餐饮商户合作推出美食打折卡服务。 4月启动南京市场，首批与当地300家餐饮商户合作推出美食打折卡服务。 1月在北京举办食尚盛典活动，100多家北京餐饮企业获选2007—2008年度的大众美食评选最受欢迎餐饮企业。 同时发布2007年北京餐饮业市场发展报告，引起大众、媒体、行业类高度关注。2007年 6月大众点评网上海总部乔迁新址，公司发展迈上新的台阶。
大众点评网 介绍：大众点评网是中国最大的本地搜索和城市消费门户网站，也是国内最典型的web2.0网站之一。首创并领导了消费者点评模式，以餐饮为切入点，全面覆盖购物、休闲娱乐、生活服务、活动优惠等城市消费领域。 编辑本段产品及服务 * 运营范畴：网站、出版、手机增值 业务、餐饮业合作等领域。 编辑本段运营理念 大众点评网一直致力于城市消费体验的沟通和聚合。 大众点评网首创并领导的第三方评论模式已成为互联网的一个新热点。 在这里，几乎所有的信息都来源于大众，服务于大众； 在这里，每个人都可以自由发表对商家的评论，好则誉之，差则贬之； 在这里，每个人都可以向大家分享自己的消费心得，同时分享大家集体的智慧。 编辑本段盈利模式
一、佣金收入借鉴携程的模式[2]，推出积分卡业务。会员凭积分卡到餐馆用餐时可享优惠并获积分，积分可折算现金、礼品或折扣。大众点评网凭借其渠道平台的优势，向餐馆收取佣金，以积分形式返还给会员一部分后，剩下部分就是网站收入； 二、线下服务把网友评论结集出版为《餐馆指南》，目前分为北京、上海、杭州、南京四个版本，每本售价为19.8元。每本盈利5元，就上海就发行量达到10万。 三、无线增值大众点评网作为CP与一家大SP合作，为用户提供手机搜索内容，比如用户发送短信“小肥羊、徐家汇”，就可以获得餐馆地图、订餐电话、网友点评等信息。 四、网络广告使用AdWords广告平台，利用谷歌的定向投放技术，大众点评网开始根据不同地区的用户喜好，在不同的城市投放有针对性的广告，甚至定位精确到用户上网的不同时间段。 五、电子商务整合电子商务模式[3]，进行网上订餐，也是营收来源之一，大众点评网可以凭借为会员提供订餐服务向餐馆收取费用。目前这部分收入占总收入的80%以上。 编辑本段发展简史 2011年大众点评网获第三轮超1亿美元融资主攻团购。4月26日，国内领先的城市生活信息指南网站大众点评网正式对
关于大众点评网的分析报告 大众点评网（https://www.doczj.com/doc/2f7259878.html,/）于2003年4月成立于上海，是中国领先的城市生活消费指南网站，也是全球最早建立的独立第三方消费点评网站之一，致力于为网友提供餐饮、购物、休闲娱乐及生活服务等领域的商户信息、消费优惠以及发布消费评价的互动平台；同时，大众点评网亦为中小商户提供一站式精准营销解决方案，包括电子优惠券、关键词搜索、团购及会员卡服务等。另继网站之后，大众点评网已经成功在移动互联网布局这一模式。是中国最大的本地搜索和城市消费门户网站，也是国内最典型的web2.0网站之一，由国际顶尖风险基金投资。网站覆盖上海、北京、广州等全国30多个主要城市，首创并领导了消费者点评模式，以餐饮为切入点，全面覆盖购物、休闲娱乐、生活服务、活动优惠等城市消费领域。 截止到2011年第二季度，大众点评网每月的活跃用户数超过4200万，点评数量近2000万条，收录的商户数量超过150万家，覆盖全国近2300多个城市。 截止到2011年第二季度，大众点评网每月浏览量超过5亿，其中手机客户端的月浏览量已经占到网站月浏览量的50%以上，手机独立用户数超过1000万。 目前，大众点评网已经在上海、北京、广州、天津、杭州、南京、深圳、苏州、无锡、宁波、成都、重庆、武汉、西安、郑州、济南、青岛、沈阳、大连、长沙等二十余个城市设立分支机构。 从2005年，凭借着会员卡业务大众点评终于获得了红杉资本领投的200万美元融资到2011年4月获得1亿美元融资，大众点评网已融资三次（三次金额分别大概是：200万，1000万-3000万，1亿（美元））。 网站普遍遵循“起步—融资—烧钱—达到规模点—盈利”的发展轨迹。
大众点评网的五大盈利模式大众点评网的五大盈利模式 大众点评网成立5年后，从一个个人网站成为国内著名的商业网站，并且去年获得了500万的盈利，在大众点评网成立之初，很多人多此模式并不看好，任何赚钱模式比较模糊。而现今看来大众点评网的盈利模式已经发展到多个领域，比如电子商务，增值服务，线下服务，佣金收入等。 以下为您一一发掘和分析这些具体的盈利模式： 一、佣金收入 借鉴携程的模式，推出积分卡业务。会员凭积分卡到餐馆用餐时可享优惠并获积分，积分可折算现金、礼品或折扣。大众点评网凭借其渠道平台的优势，向餐馆收取佣金，以积分形式返还给会员一部分后，剩下部分就是网站收入； 二、电子商务 整合电子商务模式，进行网上订餐，也是营收来源之一，大众点评网可以凭借为会员提供订餐服务向餐馆收取费用。目前这部分收入占总收入的80%以上。 三、线下服务 把网友评论结集出版为《餐馆指南》，目前分为北京、上海、杭州、南京四个版本，每本售价为19.8元。每本盈利5元，就上海就发行量达到10万。 四、无线增值 大众点评网作为CP与一家大SP合作，为用户提供手机搜索内容，比如用户发送短信“小肥羊、徐家汇”，就可以获得餐馆地图、订餐电话、网友点评等信息。 五、网络广告 使用AdWords广告平台，利用谷歌的定向投放技术，大众点评网开始根据不同地区的用户喜好，在不同的城市投放有针对性的广告，甚至定位精确到用户上网的不同时间段。 由于网站的独特定位，在未来可以肯定预测大众点评网在盈利模式上一定还会有创新。 对于大众点评网这几年的发展，其实一直都有一种感慨，是否印证了当初朋友说的生活消费是未来几年的趋势，现在也似乎印证了。互联网这事儿，能想到的会有不少人，但会去做的就没多少人，再次会去做的，能成功的更是寥寥可数。但是，如果你不做，别人做了，而且别人成功了，那你就得眼红。大众点评网作为一个web2.0概念的新兴网站，目前已经走出了盈利的瓶颈，而且更与电子商务结合，成为众多死在泥潭里web2.0艳羡的对象。
大众点评网赢利模式分析 佣金模式 佣金收入是大众点评网目前的主要营收来源。 一方面，大众点评网为餐馆提供了有效的口碑宣传载体。随着餐饮业的竞争日趋激烈，商家对于宣传的重视度日益提升，然而受地域、规模等限制，往往缺乏有效的宣传载体，网络餐饮业便应运而生。大众点评网汇聚的点评信息，对于众多“好则褒之”餐馆来说，是一个低成本、辐射广的口碑载体。另一方面，口碑带来消费力。大众点评网的社区化，能够将分散的用户汇集起来，变成有消费力的团队。基于此，大众点评网在与相对分散的餐饮企业博弈中，形成了影响力。 具备影响力后，大众点评网在用户与餐馆之间搭建起消费平台，佣金模式得以实现。大众点评网通过积分卡（会员卡）实现佣金的收取：第一步，签约餐馆，达成合作意向。第二步，持卡消费。用户注册后，可以免费申请积分卡，用户凭积分卡到签约餐馆用餐可享优惠并获积分，积分可折算现金、礼品或折扣。第三步，收取佣金。大众点评网按照持卡用户的实际消费额的一定比例，向餐馆收取佣金，以积分形式返还给会员一部分后，剩下部分就是网站收入。大众点评网收取的佣金率为实际消费额的2-5%左右，并据媒体报道，2007年人气最高的前5家餐馆中，其中一家给大众点评网的佣金超过100万元。 下游用户付费模式 得益于不断丰富的餐馆信息，大众点评网的无线增值业务和数据库营销业务应运而生。 大众点评网的无线增值业务有二：一是作为内容提供商（CP），与中国移动、中国联通、中国电信、空中网、诺基亚、掌上通等渠道服务商（SP）合作，推出基于短信、WAP等无线技术平台的信息服务，为中国近5亿手机用户提供随时、随地、随身的餐馆等商户资讯；二是在GPS 领域与新科电子展开合作，为汽车导航系统用户精确定位自己的美食目的地。 数据库营销业务是无心插柳之获。随着餐馆信息的不断填充和更新，大众点评网的数据库愈发庞大。目前已有食品类企业如李锦记，找到大众点评网，要求分享各地餐馆名、地址、电话、菜系、人均消费、简介等信息，从而将这些信息应用在其内部的销售系统，以便提高销售效率。 大众点评网的下游用户付费模式尚处于起步阶段，对盈利贡献非常有限，但是，由于该服务基于现成的信息库（数据库），提供服务的成本几乎为零，因此，随着服务规模的扩大，其对利润贡献的力度也可能随之上升。
WFF-qh-w-2014-51 大众点评网活动实施方案 一、活动背景介绍 1、大众点评网： （1）城市消费人群挑选餐饮相关产品及场所的一个重要信息来源； （2）中国最大的城市消费指南网站和社区； （3）有效到达城市白领人群； （4）网络覆盖全国31个主要城市的800万余家商户，有近3000万份消费者点评，在全国的每月活跃用户超过9000万，在贵阳地区每天也有几十万的流量。 2、黔五福希望通过大众点评网： （1）在贵阳市受众目标中推广品牌； （2）增加客流，提高营业额。 二、活动目的 通过大众点评网与线下专卖店结合： 1、提升企业在贵阳地区的品牌知名度/影响力； 2、提高企业的品牌关注度和好感度； 3、通过点评网的用户向线下专卖店引流： 1）提升用户体验：通过线上，提升新老客户对我们产品和服务的消费体验； 2）增加高质量客流：把以前不是我们的客户引流到专卖店，促进销售。 三、活动时间 1、整体活动时间：2014年11月20日至 2015年11月30日（一年）； 2、同时，在各阶段将细分设计不同的促销组合，实行阶段性推广活动。 3、第一阶段活动周期：3个月，即2014年11月21日-2015年2月20日。 四、活动具体内容 1、即烹速冻食品组合套餐优惠：
2014年11月20日-12月7日止，消费者一次性购买5包产品（老贵阳火锅肉圆2包+老贵阳酥肉3包），原价39元/套，促销价26.80元/套； 12月8日起-2015年2月19日止，调整为消费者一次性购买5包产品（老贵阳火锅肉圆2包+老贵阳酥肉3包），原价39元/套，促销价29.80元/套。 2、软包装、休闲品套餐组合： 2014年11月20日-12月25日止，消费者一次性购买：300g辣子鸡+380g板栗红烧肉+180g蔬菜猪肉干（醇香、葱香、麻辣、香辣可任选其一），“三件套”。原价79.5元/套，促销价59.80元/套。 3、电子券优惠： 2014年11月26日-12月25日止，消费者可购买黔五福专卖店消费电子代金券50元/张（每人限购4张），促销价39.5元/张。 电子券可在贵阳市“黔五福专卖店”（不含冷鲜肉专卖店），购买非打折产品（另冷鲜肉不参加），且50元/张电子券必须一次性使用，金额剩余不找零不补现，购物金额超出部分须现金补回。电子券使用有效期2015年1月5日前。 五、部门要求 1、销售一部：负责门店系统支持——包括门店人员验码操作，严谨规范，热情服务，以及促进二次销售的技巧掌握。（活动启动前将针对专卖店人员进行培训。） 2、财务部门：负责与大众点评网的财务对接，促销活动财务监管要求2014年11月18日前，拟定针对大众点评网开展促销活动的财务管理办法，并发布实施。（活动启动前将针对专卖店人员进行培训。） 3、综合部：提供ERP系统的支持，网络支持。 4、企划部：负责与大众点评网落实活动策划案和活动执行过程的协调、服务，（包括组织在活动启动前的针对性培训。） 批准人：
盈利模式 一、佣金收入 借鉴携程的模式，推出积分卡业务。会员凭积分卡到餐馆用餐时可享优惠并获积分，积分可折算现金、礼品或折扣。大众点评网凭借其渠道平台的优势，向餐馆收取佣金，以积分形式返还给会员一部分后，剩下部分就是网站收入； 二、线下服务 把网友评论结集出版为《餐馆指南》，目前分为北京、上海、杭州、南京四个版本，每本售价为19.8元。每本盈利5元，就上海就发行量达到10万。 （这个书在书店的确有卖的，呵呵） 三、无线增值 大众点评网作为CP与一家大SP合作，为用户提供手机搜索内容，比如用户发送短信“小肥羊、徐家汇”，就可以获得餐馆地图、订餐电话、网友点评等信息。 四、网络广告 使用AdWords广告平台，利用谷歌的定向投放技术，大众点评网开始根据不同地区的用户喜好，在不同的城市投放有针对性的广告，甚至定位精确到用户上网的不同时间段。产品及服务 * 运营范畴：网站、出版、手机增值业务、餐饮业合作等领域。 * 由全球顶尖投资机构—美国红杉基金投资（曾投资雅虎，google 等） * 荣获2006年互联网最具价值项目奖（《计算机世界》评选） * 荣获2006最具投资价值企业10强（清科投资评选） * 荣获2006中国互联网web2.0企业20强（中国互联网协会评选） * 市场合作伙伴包括中国移动、新浪、雪碧、中国国际航空公司，中国联通等国内外知名企业。 运营理念 大众点评网一直致力于城市消费体验的沟通和聚合。 大众点评网首创并领导的第三方评论模式已成为互联网的一个新热点。 在这里，几乎所有的信息都来源于大众，服务于大众； 在这里，每个人都可以自由发表对商家的评论，好则誉之，差则贬之； 在这里，每个人都可以向大家分享自己的消费心得，同时分享大家集体的智慧。 发展简史 1。2003年4月大众点评网创立于上海； 2。2003年11月《2003/2004上海餐馆指南》出版； 3。2004年4月北京、杭州等分站上线； 4。2004年12月单独立站城市普及到22个； 5。2005年4月《2005北京餐馆指南》出版； 6。2005年5月会员卡在上海投入使用； 7。2005年11月会员卡业务拓展到北京； 8。2006年4月内容拓展到餐饮外的购物、休闲娱乐、生活服务等全城市消费领域。
大众点评网模式特点 第三方点评模式 大众点评网是中国国内首创的第三方点评模式，这种模式非常类似于 谷歌与百度的营销模式一一按照关键字进行精准营销。这种模式的最大特色在于，让用户充分互动，分享对餐馆的体验，并不是被动浏览网站接受推荐，带有典型的web2.0特征。凭借这种模式，在加上互联网的交流平台，大众点评网用最低的成本获取了大量的餐饮信息资源，将每个网友的点评聚合起来，就变成了极有价值的信息。而且这种点评模式在信息方面的最大优势是，大众点评网进入一个新的城市市场，只需要初步的餐厅信息（甚至可以完全不采集信息），其余的信息更新主要靠网友和餐厅本身，用户会自动生成大量的信息，如开店、关店、新口味的菜式等。Web2.0是相对于Webl.O的新的时代。指的是一个利用Web的平台，由用户主导而生成的内容互联网产品模式，为了区别传统由网站雇员主导生成的内容而定义为第二代互联网，即web2.0，是一个新的时代。 全面整合营销解决方案，6大推广方式量身定制 团购：高效的短期营销工具 优惠券：精确传递优惠信息，持续刺激消费欲望关键词：潜在客户找商家，首先看到 签到：签到推广活动，让顾客帮忙打广告 城市通：个性化页面，及时市场反馈 互动性：通过消费者拍照点评，让消费者有更好的选择
1.定位：第二方餐馆评论。 客观：不为餐馆吹嘘；好则誉之，差则贬之。 准确：采用科学的统计模式，依托广大食客们提供的资料，最准确地介绍和评选各地大小餐馆。 全面：建立最新和最完整的餐馆数据库。 专业：用最敬业的精神，提供最专业的资讯。 3. 运营模式：通过收集整理国内主要城市的餐馆信息，建立数据库，向公众提供信息搜索服务，并鼓励会员对其去过的餐馆进行评论。据说其模式来自于美国。 盈利模式 一、佣金收入 借鉴携程的模式，推出积分卡业务。会员凭积分卡到餐馆用餐时可享优惠并获积分，积分可折算现金、礼品或折扣。大众点评网凭借其渠道平台的优势，向餐馆收取佣金，以积分形式返还给会员一部分后，剩下部分就是
大众点评网-互动点评模式 技术： 从知识生产的角度看，WEB1.0的任务，是将以前没有放在网上的人类知识，通过商业的力量，放到网上去。 WEB2.0的任务是，将这些知识，通过每个用户的浏览求知的力量，协作工作，把知识有机的组织起来，在这个过程中继续将知识深化，并产生新的思想火花； 从内容产生者角度看，WEB1.0是商业公司为主体把内容往网上搬，而WEB2.0则是以用户为主，以简便随意方式，通过blog/podcasting 方式把新内容往网上搬； 从交互性看，WEB1.0是网站对用户为主；WEB2.0是以P2P为主。 大众点评网（https://www.doczj.com/doc/2f7259878.html,）成立于2003年，是基于第三方点评模式的信息互动和分享平台，最近被中国互联网协会评为Web2.0百强网站。大众点评网致力于建设以餐饮、购物、休闲娱乐和生活服务等城市消费为主的Web2.0式的本地搜索和互联网社区。 处于扩张期的大众点评网盈利模式初步成型：以点评为核心，打通出版、互联网和无线增值。餐饮业只是网络点评模式的切入口，未来将做成消费者分享消费体验的互动门户。 一、网站概况 1．定位：第三方餐馆评论。 2．宗旨： 客观：不为餐馆吹嘘；好则誉之，差则贬之。 准确：采用科学的统计模式，依托广大食客们提供的资料，最准确地介绍和评选各地大小餐馆。 全面：建立最新和最完整的餐馆数据库。 专业：用最敬业的精神，提供最专业的资讯。 3．运营模式：通过收集整理国内主要城市的餐馆信息，建立数据库，向公众提供信息搜索服务，并鼓励会员对其去过的餐馆进行评论。据说其模式来自于美国。 4．公司：上海汉涛信息技术有限公司，CEO张涛，曾在美国生活过10年，有无VC不详。5．发展轨迹： 2003年4月，创办并开通第一个分站――上海站； 2003年9月，《上海餐馆指南2003/2004版》出版； 2004年4月，北京站、杭州站开通； 2004年6月，广州站开通； 至今，南京站、苏州站也已开通。 6．收录餐馆数： 上海站：近4000家； 北京站：近6000家； 杭州站：近1000家； 广州站：近3000家。 7．活动会员数（点评超过4份）：3867家。 8．Alexa流量分析图：
基于数据挖掘方法下的大众点评网美食类商家评分研究上海立信会计学院曾晨、张瑾、张瑞 目录 一、引言 (2) 二、研究方法综述 (3) (一）数据来源 (3) （二）变量选择 (3) （三）理论简介 (3) 三、数据分析 (8) （一）各省份受欢迎的美食即当地饮食习惯的关联分析 (8) （二）探究商家是否连锁与其星级的关系 (13) （三）聚类分析 (15) （四）利用决策树建立消费者选择模型 (18) 四、结论和建议 (22) 参考文献 (23) 附录 (24) 图目录 图1决策树树形结构 (7) 图2各个省、直辖市餐饮类商家数目 (9) 图3不同美食种类的商家数目 (9) 图4第1到22项关联规则 (10) 图5第23到44项关联规则 (11) 图6辽宁省与其饮食习惯的关联规则 (11) 图7上海市与其饮食习惯的关联规则 (12) 图8广东省与其饮食习惯的关联规则 (12) 图9四川省与其饮食习惯的关联规则 (13) 图10连锁店与非连锁店比例 (13) 图11非连锁店商家的星级频数分布图 (14) 图12连锁店商家的星级频数分布图 (15) 图13餐饮类商家星级系谱图 (16) 图14餐饮类商家聚类数目 (16) 图15第一类餐饮商家星级 (17) 图16第二类餐饮商家星级 (17) 图17第三类餐饮商家星级 (17) 图18第四类餐饮商家星级 (18)
图19好评与非好评的商家数量条形图 (19) 图20决策树模型的基本信息 (20) 图21各节点的重要性 (21) 图22决策树 (21) 图23决策树模型预测效果 (22) 表目录 表1连锁与非连锁商家的总体情况 (13)
大众点评网需求分析 文档日期：2012-04-06 潘祥 1基本概况 1.1定位 网站名称：大众点评网 网址： 网站定位：城市生活消费指南 用户定位：中国地区，生活在城市中，具备消费能力的人士；年龄集中于25-35岁。 1.2相关信息 网站规模：300多个城市分站（官方数据） 业务范围：以直辖市、省会等大中型人口密集或人口流动程度高城市为主。 用户规模：1000多万（官方数据） 应用环境：web+wap 1.3第三方信息 Alex排名：480（2012-04-06采集） 6个月内网站排名变化情况： 日均IP: ≈936,000[一周平均] ；日均PV: ≈8,330,400[一周平均] （2010-04-06采集）
谷歌PR值：7 2站点功能分析2.1系统架构 产品结构示意图：
产品结构示意图（信息展示系统）：
产品结构示意图（会员系统）：
2.2产品应用流程 产品应用流程示意图： 2.3特点分析 ●产品结构：简洁紧凑，系统关联度高，但许多功能多余，使用率低。 ●信息展示：饱满，且有实用的地图位置等信息，并有相关信息推荐。 ●点评方式：较客观评价和展示商户整体服务质量和相关参数。 ●优惠券：直接打印或短信下载，便于用户使用。 ●分享：第三方接口，网络传播快捷。 ●信息推介：了解商户详情时，根据关联度提供其他可选商户。
3站点信息分析 3.1信息结构 信息结构示意图： 3.2特点分析 ●网格式分类：便于从不同出发点查询，提高用户获取信息速度。 ●分类索引：以实际需求作为查询的分类和索引，便于用户直观、贴切查询。
基于大众点评数据的城市餐饮消费行为可视分析随着互联网和信息技术的发展,网络团购等消费模式迅速崛起并产生了海量多维度、异构数据,该类数据从不同侧面反映着城市餐饮消费行为特征。本文从三个方面论述了基于网络团购数据的城市餐饮消费行为可视分析工作:基于大众点评数据的城市餐饮消费数据挖掘;基于多视图多粒度的城市餐饮消费行为可视分析方案设计;基于Django框架的城市餐饮消费行为可视分析系统设计与实现。(1)基于大众点评数据的城市餐饮消费数据挖掘,根据数据的基础属性和高层语义特征从面向群体和个体两个方面构建了城市餐饮消费行为特征 模型;在基于情感分析的消费满意度挖掘中,首先利用有监督的机器 学习算法对评论文本的情感进行分类,接着利用基于频率的消费满意度计算方法提取消费满意度;在基于社团划分的相似消费群体挖掘中,提出了一种基于网络团购数据的消费者关系网络构建方法,实验证明该方法能有效识别具有相似消费特征的消费者群体。(2)城市餐饮消费行为可视分析方案设计中,针对影响情感的因素较多,采用空间拓 展和颜色映射等方式设计了情感分析气泡图;针对个体消费数据在空间上的稀疏性,设计了一种基于地点信息增强的可视分析视图;根据 分析任务的多样性设计了基于多视图协同交互的可视化布局方案;针对餐饮消费行为数据维度信息复杂、规模庞大等特征,设计了基于时空维度的多粒度数据过滤方法。(3)基于Django框架的城市餐饮消费行为可视分析系统,针对分析对象的多样性开发了面向群体和个体的城市餐饮消费行为可视分析子系统,并以大众点评11个月30572条数
据为例,挖掘群体餐饮消费行为的地域消费特征、消费满意度特征、消费主题和关键词以及地域销量的时空关联等特征,挖掘个体餐饮消费行为的口味和位置偏好、时序特征以及相似消费群体,验证了本系统的有效性。
网站功能架构: 整个网站的基础信息主要有以下两部分组成：餐馆基本信息：包括餐馆名字、地址、电话、简介、推荐菜式和适合氛围。会员点评信息：包括口味、环境、服务(这3项是打分的)、人均消费额、喜欢的菜名、适合的氛围判断、喜欢程度、停车信息和600字以内的简短评论。这两部分信息组成了一个完整的餐馆信息(例页点此)。 经营的产品: 餐馆搜索引擎、网友第三方评论、增值信息发布。前面说了，餐馆搜索引擎现在是网站目前最主要的产品和赢利手段；网友第三方评论一方面是网站提供的特色服务，吸引网友人气，另一方面其产生的信息也是网站持续运营的信息动力；发布增值信息主要可扩大网站的影响力。 这两部分信息组成了一个完整的餐馆信息(例页点此)。在这些无序和海量的基础信息的基础上，大众点评网提供了餐馆搜索引擎和增值信息(目前主要以排行榜的形式出现)这两种产品，前者解决了基础的海量问题，后者提供了信息的增值和有序化。另外，网站还提供了一个BBS论坛和会员活跃度排行榜(食神榜)，以社区化的方式提高网站的粘度，并吸引人气。最终，上述的基础餐馆信息(包括餐馆基本信息和会员点评信息)、餐馆搜索引擎、各种餐馆排行榜等增值信息和会员活跃度排行、BBS论坛等要素，就组成了这个大众点评网。从网站设计上来看，这样也非常简单实用，网友们能一目了然的进行美食搜索和点评，一点都不会觉得累赘和烦琐。 目标客户：想要涉足未知的生活领域的人群．通过浏览他人的经历，经验， 核心能力: (1)网站合作：形式1：餐馆搜索引擎合作，这是目前最主要的网站合作方式。一般形式如下：大众点评网免费提供搜索引擎的界面及程序，包括日常维护和更新、升级；合作方应在其网站相关页面放置搜索引擎界面，并注大众点评网是餐馆信息的提供方；大众点
大众点评网发布2007年上海、杭州餐饮行业分析报告 出处：比特网作者：陈非2008-04-07 19:07评论 字体大小：大| 中| 小 日前，中国最大城市消费指南网站----大众点评网继2008年初发布了2007年北京餐饮行业分析报告后。 日前，中国最大城市消费指南网站----大众点评网继2008年初发布了2007年北京餐饮行业分析报告后，现又对外发布了2007年上海市和杭州市餐饮行业分析报吿。大众点评网通过对其2007年1月到12月的庞大的数据库系统进行整理和分析，为我们呈现出这两个城市餐饮市场的整体状况以及消费者对餐饮消费的需求和特点的专业分析报告。该报告主要反映出过去一年中，这两个城市的餐饮业呈现以下特点6大特点。 一：两个城市的餐饮业较前年销售总额增幅超过20%，餐厅数量增长更是突飞猛进。 上海是我国餐饮业最具规模，发展最为成熟的城市之一，餐饮销售总额在全国各城市居首位。2007年上海市餐饮销售总额达556.2亿元，比2006年增长23%左右，但这一增幅较2006年度的29%有所下降。原材料价格、人力和物业成本上升，以及餐饮市场竞争激烈等原因都是影响餐饮业发展的重要因素。2007年杭州实现餐饮业零售额143.06亿元，同比净增23.31亿元，增长近2成，高出社会消费品零售总额增幅3个百分点。 在大众点评网上，这两个城市餐厅数量增长非常明显。至2007年12月，大众点评网数据显示其覆盖上海市场18151家餐厅，比2006年同期增长72%。覆盖杭州市场4158家餐厅，比去年同期增长92%。 二：两个城市的餐饮商圈都十分集中，50%以上餐饮业以上集中5-6个少数商圈。 从地域分布来看，上海市餐厅数量众多，但以浦东新区和徐汇区数量最多，且餐厅数量的增长速度也分别高达72%和67%。而徐汇区的徐家汇/体育场商区是餐厅数量最多的商区。另外，闸北、宝山、闵行等新近开发的区域，随着地铁线路的开通，区域经济的发展，餐厅数量也呈现飞快的增长。 大众点评网上最热门500家餐厅54.4%主要集中在淮海路、徐家汇/体育场、陆家嘴、人民广场、南京西路、八佰伴前6位主要商区。 杭州作为享誉国内外的知名旅游城市，旅游区尤其是西湖景区的不断开发促进了当地餐饮业的发展。从地域分布来看，西湖区的餐厅数量最多，其次是下城区及上城区。大众点评网数据表明，西湖区不仅餐厅数量多，达到杭州市的1/3以上，其数量的增长速度也高达95%。 在杭州，湖滨商区与西湖北线/黄龙商区、高新文教区、武林广场、南山路5个主要商区覆盖大众点评网上最热门500家餐厅的56.6%。 三：上海人小吃简餐厅数量最多，杭州本帮菜系餐厅数量占整个市场的31.4%。 据报告显示上海市场上小吃、本帮江浙菜系餐厅数量最多，占据上海市场45.1%的份额，其他菜系如西餐、川菜、火锅等在数量上不相上下。面包甜点店在上海数量比较突出，在各菜系中位列第三，占所有餐厅总数的9.2%。这同时反映了上海市休闲大众餐饮的蓬勃发展。 杭州市场杭帮江浙菜系餐厅数量最多，占整个市场的31.4%。小吃简餐及面包甜点也排名前三位。整体市场上茶馆数量比例达到5.4%，而在西湖北线/黄龙地区杭帮江浙菜及茶馆的数量比重达到33.2%及13.9%，显示出杭州明显的本地特色。其他菜系中，川菜、火锅在数量比重上不相上下，均占5%左右。从增长速度看，杭帮江浙及茶馆数量增长均在一倍以上。小吃简餐型的餐厅主要集中在高新文教区及武林广场。
大众点评市场分析
目录 大众点评市场分析 .................................................................................................................................... 错误!未定义书签。什么是大众点评网 .................................................................................................................................... 错误!未定义书签。大众点评产品定位 .................................................................................................................................... 错误!未定义书签。大众点评网站职能 .................................................................................................................................... 错误!未定义书签。大众点评的职能重要程度占比、分析原因 ............................................................................................ 错误!未定义书签。大众点评SWOT分析 ................................................................................................................................ 错误!未定义书签。大众点评盈利模式 .................................................................................................................................... 错误!未定义书签。大众点评所面对的是什么市场 ................................................................................................................ 错误!未定义书签。市场有什么需求 ........................................................................................................................................ 错误!未定义书签。大众点评满足了该市场下的什么需求 .................................................................................................... 错误!未定义书签。市场细分 .................................................................................................................................................... 错误!未定义书签。 1地理细分 ......................................................................................................................................... 错误!未定义书签。 2人口细分 ......................................................................................................................................... 错误!未定义书签。 3心里细分 ......................................................................................................................................... 错误!未定义书签。 4行为细分 ......................................................................................................................................... 错误!未定义书签。大众点评容易吸引哪种用户 .................................................................................................................... 错误!未定义书签。大众点评近几年用户变化数据、趋势、原因 ........................................................................................ 错误!未定义书签。同领域竞争产品 ........................................................................................................................................ 错误!未定义书签。相似竞争产品 ............................................................................................................................................ 错误!未定义书签。
比丘哥哥 众点评网解密（一） 流量解密 比丘哥哥 https://www.doczj.com/doc/2f7259878.html,/shuhankiller 2010-04-01 15:27:33 一、流量分析 1、点评网流量分析： 1）点评网ALEXA全部数据：独立IP1158000，PV10190400。人均浏览页面9.4。2）点评网GOOGLE全部数据：独立IP500000，按照人均浏览页面，pv约为4500000左右。 3）点评网流量城市分布：按照城市分布，上海IP约占全部独立ip的1/3以上。 （图一：ALEXA 点评网数据） （图二：google数据大众点评网独立IP，以及城市对比） 4）点评网上海社区流量分析（数据来自点评网自身社区版块）点评网上海社区版块数量为：74个。按照2/8原则进行数据划分。 前20%的板块流量为：161794；上海社区总流量约为：200000（社区detail页面）。 按照规律预估：大众点评网上海社区的流量应该在25-30万的数量级。前20%的版块流量分别为： 社区版块成员数帖子数PV 约总流量 上海免费小样18069303236261581202243 小吃零食10579134208722678上海818573747861811702购物时尚989057104410884美容化妆1492345292010344娱乐八卦40452934719900闲置妆品19777520497971情感沙龙38612579996394美食厨房DIY 109284494255428闲置其他17344991104947吃在上海112403565274121星座测试57943919342803游山玩水104221643081985婚纱写真 2558 554843 1056
大众点评网案例分析 公司简介 大众点评网于2003年4月由张涛成立于上海，其他创始团队成员包括联合创始人李璟、张波、叶树蕻和龙伟。大众点评是中国领先的本地生活信息及交易平台，也是全球最早建立的独立第三方消费点评网站。大众点评不仅为网友提供商户信息、消费点评及消费优惠等信息服务，同时亦提供团购、电子会员卡及餐厅预订等O2O（Online To Offline）交易服务。大众点评是国内最早开发本地生活移动应用的企业，已经成长为一家移动互联网公司，大众点评移动客户端已成为本地生活必备工具。 创业背景 2003年，大众点评网创始人张涛经过10年 的美国求学之路回到自己的家乡上海。热爱美食 的他发现寻找美食却成为一个难题，各种美食广 告让人眼花瞭乱无从选择。他想起了在国外生活 时曾有一本曾十分畅销的通过问卷向公众收集餐 馆评论的书籍《查氏餐馆评鉴》；还有刚刚兴起的 《维基百科》网站，全部交由用户进行内容维护。再想到曾创造互联网神话的亚马逊网站，以备受欢迎的书评吸引了众多的用户。这时，有IT咨询背景的张涛脑海中闪现出一个念头：为何不把餐馆的口碑信息传播互联网化呢，让大家告诉大家，来自大众切身的点评就“准确”.“客观”性而言，并不输给权威刊物。大众点评网的模型就此产生。
发展历程 从2003年成立至今，大众点评网共经历了三轮融资。2006年，中国融资市 场复苏，大众点评获得红杉资本的首轮100万美金投资，这也是红杉资本成立之初投资的早期项目之一。“没有几家想投资我们的，这种模式在国外也没有。” 张涛说。[1] 红杉资本中国基金合伙人计越告诉记者，当时和另一位合伙人沈南鹏(微博)在用大众点评找餐馆，体验这个服务还不错，但不知道怎么产生收入。 2007年，Google给大众点评带来了400万美金的投资。负责大众点评网投资项目的Google公司大中华区投资并购总监宓群认为，“大众点评网摸索出了一种依靠用户贡献内容的成功运营模式，优质的内容和高黏性的服务，以及大众点评网强大的POI(Point of Interest)数据运营，还有优秀执着的团队。”[1]这也是Google在“local”投入失败后，埋下的一颗希望种子，也正是资本支撑了大众点评在PC互联网时代的用户积累。 大众点评依靠积累的用户点评数和商家信息，在2008年11月实现了盈利，一直持续到2010年上半年。彼时，美国团购网站Gounpon和点评网站Yelp正受资本追逐，已经准备拟IPO。 2011年4月，大众点评获得挚信资本、红杉资本、启明创投和光速创投1亿美金的投资，估值10亿美金。此时，已经是光速创投董事总经理的宓群再次跟进。“我相信大众点评网已经到了真正发力的时刻，团购会让大众点评网走得更快、更好。” 与此同时，红杉资本也跟了进来。“点评业务已经盈利了，但是我们认为点评的模式还需要进一步扩大。”计越说。 然而，团购的加入，让大众点评踏入了亏损的泥塘且越陷越深。而移动互联网的布局，也让大众点评投入了很多精力。一位接触大众点评的人士透露，大众点评2011年在移动端烧了1亿元。“大众点评的商业模式还不够成熟，不急着上市。”张涛说，“希望团购能往盈利方向走，移动端的投入也已经差不多了。” 2011年11月，Groupon登陆纳斯达克(微博)，融资7亿美元。今年3月，Yelp在纽交所上市，IPO融资1亿美元，市值达到了11.27亿美金。“大众点评的商业模式已经很成熟。”中国移动互联网产业联盟秘书长李易认为，“只是中概股在国外的情况不容乐观。”“从现在起，大众点评的目标是做到盈利。”张涛说，这也是目前最大的目标。而在融资正式对外宣布前红杉资本计越说，如果大众点 评进行新一轮融资的话，红杉资本将继续跟进。 2012年8月12日，本地生活消费平台大众点评宣布：在移动互联网及团购领域的布局获得阶段性成果，大众点评已经以不低于上一轮估值的价格再获超过
传媒研究 2014年7月（中） 287 大众点评网定位及盈利模式浅析 谭婧伶 （中国传媒大学（电视与新闻学院），北京 100024） 摘要: Web2.0网站现已经逐渐成为互联网的主力军，其运营模式是值得探讨的。大众点评网作为国内Web2.0网站的始祖之一，且至今发展势态都十分良好， 因此十分具有典型性。本文将着重探讨大众点评网的定位及盈利模式。 关键词:Web2.0网站；盈利模式；大众点评网 当地哪家餐馆最地道，哪家服务最佳，口味最好？过去人们可能多是听取亲朋好友口耳相传的推荐，或者浏览晚报、杂志关于美食的版面来获取信息。然而现在，越来越多的人选择了大众点评网来作为获取生活服务类资讯，尤其是餐饮美食的讯息的首选网站。 大众点评网是中国最大的本地搜索和城市消费门户网站，也是国内最典型的Web2.0网站之一。网站于2003年4月在上海创建，直至今日，已经覆盖了北京、上海、广州等全国30多个主要城市，首创并领导了消费者点评模式，全面覆盖购物、休闲娱乐、生活服务、活动优惠等城市消费领域。其中，餐饮点评是目前消费者最为喜爱并聚集信息量最多的内容，已形成涵盖菜系、口味、环境、服务、氛围、推荐菜、人均消费等独特信息，使大众在日常消费中获得客观有效的指导。 发展至今，大众点评网在国内所有网站中流量排名是54，在全球排名则是391。目前大众点评网已经在2008年实现盈利，2010年三千万美金，今年预计总营收将达到 1.5亿美金。 一、定位：从：“美食点评”到“城市生活消费指南” 大众点评网在2003年成立之初给自己的定位是“第三方美食点评网站”，而在经历了其发展壮大之后，大众点评拓宽了自己的领域，定位丰富为“城市生活消费指南网站”。 1．“第三方美食点评网站” 随着生活水平和消费能力的提高，大中城市的人们对于“吃”的要求已经不仅仅是吃饱，而是吃好，这个好又不单单指餐厅所提供的食物的味道，更是包含了食客对于就餐环境、服务质量的要求。而尤其是其目标群体白领，既有上网的条件，又有寻求吃的基础。因此对于生活在大中城市的大学生和白领来说，共享美食是工作和生活的重要内容之一，不仅网友参与的热情高，而且具有很强的持续性，另外，餐饮行业的分散特性，为其盈利提供了基础，因此一个美食点评网站是有着巨大的市场潜力的。 大众点评网首创的第三方点评模式，则是在最大程度上从消费者那里获得了客观的真实的消费体验，而这些信息的产生与传播同时又是超低成本的，因为来源和传播途径都是网站用户自身。可以说，大众点评网在初期的差异化定位，提高了网站在业内的声誉度，吸引并保留下来了一大批活跃的核心受众。 2．“城市生活消费指南” 随着用户数和网站流量的增加，在2009年，大众点评网进行了一次大的改版。在网站首页页面的左侧，从以前的专注于美食， 发展成为在以美食内容为重点的同时，增加了休闲娱乐、购物、丽人、结婚、运动健身、酒店等7个频道，力拓美食之外更多的生活服务领域，将自己定位为中国最大的城市生活指南门户。大众点评网的定位适时调整，一方面从客观上来说，是广大网站用户的积极参与推动的，另一方面也是实现自身做大做强的必经之路。 二、盈利模式：线上线下盈利 大众点评网因其餐饮评鉴影响力的提升，上述能力正逐步加强，也为其盈利奠定 了基础。[1] 大众点评网于2008年11月起实现赢利；2009年，实现收入达1000万美金；2010年实现3000万美金，在2011年预计完成1.5亿美金收入目标。大众点评团为何能在短短几年内实现高额盈利，很大程度上是得益于其独特的全面的盈利模式——以点评为核心，无线增值、网络广告和书籍出版为辅，是大众点评主要的盈利模式。 1.佣金收入 佣金收入是大众点评目前的主要收入来源。 一方面，大众点评网为商家提供了有效的口碑宣传平台。随着餐饮业的竞争日趋激烈，商家对于宣传的重视度日益提升，然而受地域、规模等限制，往往缺乏有效的宣传载体。大众点评网汇聚的点评信息，对于众多“好则褒之”餐馆来说，是一个低成本、辐射广的口碑载体。 另一方面，口碑带来消费力。大众点评网的社区化，能够将分散的用户汇集起来，变成有消费力的团队。基于此，大众点评网在与相对分散的餐饮企业博弈中，形成了影响力。 具备影响力后，大众点评网在用户与餐馆之间搭建起消费平台，佣金模式得以实现。大众点评网收取的佣金率为实际消费额的2-5%左右，并据媒体报道，2007年人气最高的前5家餐馆中，其中一家给大众点评网的佣金超过100万元。 2.广告收入 广告收入是大众点评网收入的主要来源之一。 目前，大众点评网的日流量已经达到了百万级，注册用户更是达到一千三百万之多，对于广大餐饮商家来说，说一个绝好的宣传平台。 大众点评网的关键字搜索类似于Google 和百度，输入“菜系”、“商区”、“地标地铁”、“最佳排行”、“人均消费”等关键字后，会列出一长串符合条件的餐馆以及网友的评论，显示的先后顺序依据餐馆是否投放广告及投放规模而定。这一隐形的广告模式，并没有给用户的体验效果带来直接的负面影响，却拓宽了网站的营收渠道。 此外，另一种在网站用户看来不是广告，但对于商家来说确实绝妙的隐形广告的方式就是电子优惠券。商家为了宣传，借用大众点评网作为平台，发布电子优惠券，网站用户可以下载优惠券打印，在去指定商家消费时可以获得折扣等优惠。可以说电子优惠券是使网站、商家、消费者三方共赢的巧妙方式——对于网站来说，是一笔不菲的广告收入；对于商家来说，是行之有效的促销手段；对于消费者来说，是消费中的优惠。 3.无线增值业务收入 无线增值业务收入目前也是大众点评网收入中比较重要的来源。 大众点评网的无线增值业务是指，其作为内容提供商（CP），与中国移动、中国联通、中国电信、空中网、诺基亚、掌上通等渠道服务商（SP）合作，推出基于短信、WAP 等无线技术平台的信息服务，为中国近5亿手机用户提供随时、随地、随身的餐馆等商户资讯，也就是说用户可以通过手机搜索内容，发送短信，就可以获得相应菜馆地图、订餐电话等资讯。此项收入预计每年在2000万元以上。 另外，随着网站的日渐成熟，餐馆信息也愈加丰富，其所拥有的数据库也越来越庞大，目前已有食品类企业如李锦记，找到大众点评网，要求分享各地餐馆名、地址、电话、菜系、人均消费、简介等信息，从而将这些信息应用在其内部的销售系统，以便提高其销售效率。 目前，无线增值业务占网站总收入比重还很有限，但随着网站服务规模的扩大，其发展空间也会随之扩大，会对大众点评网的利润做出更大的贡献。 4.线下出版收入 大众点评网把用户的点评集结成《餐馆指南》一书，定价19。8元，基本上不用再花钱寻找制作内容了。目前，其已经在北京、上海等四个大城市出版了当地的《餐馆指南》，仅上海一地的年销售量已经近10万册。据最保守估计，平均每个城市发行2万本《餐馆指南》，扩展到50个城市，每本获利5元， 每年就有500万元的利润。【2】 5．订餐代理收入 进行网上订餐，也是大众点评网的营收来源之一。大众点评网可以凭借为会员提供订餐服务向餐馆收取费用。目前这部分收入占总收入的的比重也在随着大众点评网的发展而逐渐提高，已经开展得比较成熟了。 参考文献： [1]陈晨：《大众点评网：图谋餐饮业“携程"》，载《中国电子商务》2006年第七期. [2]陈福，《大众点评网：口碑经济实践版》，来源《新财富》.