１引言
随着物流产业的迅速发展和大量信息技术系统在物流业务管理中的推广和普及，物流业务信息数据量呈现出几何级数的增长态势，这些数据信息中隐藏了物流企业业务运行和服务管理的众多信息和关键商务模式，传统的信息处理手段和方法已经无法满足新形势下物流企业生产经营环境对于其经营管理和决策水平的更高要求。
而基于关联规则的计算机数据挖掘技术则可以对海量物流信息数据提供强大而适当的解决方案。
把关联规则计算机数据挖掘技术引入和应用到物流管理领域，通过对海量物流数据信息的处理和优化，可以充分挖掘这些信息潜在的应用价值，从而有利于第三方物流企业的经营管理人员及时发现其业务内部内在的关联规律和影响机制，为市场营销活动和决策提供科学依据。
２物流信息数据挖掘技术及其作用
２．１数据挖掘技术
ＤａｔａＭｉｎｉｎｇ即数据挖掘，是计算机科学数据仓库领域的
主要技术之一，通常又被称作数据库知识发现，即Ｋｎｏｗｌｅｄｇｅ
ＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ。
数据挖掘面向海量庞大业务数据，利用自动化算法模型或半自动化处理法则，将数据信息翻译成业务关系规则或业务知识以辅助商业决策，数据挖掘可以通过对已存在的业务数据的分析，发现新的事实以及尚未被觉察到的事物之间的某种联系，直接面向数据使用者的需求并以此为依据从数据库中挑选、计算、综合处理，并以可读的方式将数据隐含的内在关联具体地呈现在用户面前，从而为问题决策和处理措施制定提供依据。
关联规则即ＡｓｓｏｃｉａｔｉｏｎＲｕｌｅ，是数据挖掘诸多技术和方法中常见的一种，它的优势在于发现不同性质业务数据之间的关联性，根据既有数据进行未来数据的预测或控制，在企业生产管理、营销决策中使用比较广泛。
２．２物流信息挖掘的作用
物流信息化水平的提升以及海量物流信息数据的积累，使得通过数据挖掘技术来分析物流业务中货物流向、物流客
户管理、
最优化配送方案制定以及运输车辆调度等问题，对于提升物流企业的客户服务水平、降低物流运营成本和提高物流运作效率等都有着重要作用。
具体表现在以下几个方面：
（１）通过关联规则数据挖掘技术可以使物流企业在不显
基于关联规则挖掘技术的第三方物流企业
营销决策研究
李强
（淄博职业学院，山东
淄博２５５３１４）
［摘要］首先概括了物流信息挖掘技术及其作用，并介绍了一些相关的研究成果和模型，接着重点进行了基于关联规则挖
掘技术在第三方物流企业营销决策中的实证分析和研究。
实证结果表明，第三方物流企业业务开展和营销决策中，应用关联规则对业务数据信息进行挖掘在技术上是可行的，而且基于关联规则的物流企业业务数据信息挖掘过程中所发现的业务关联规律和影响因子可以帮助物流企业进行营销决策的制定和优化，为市场营销活动和决策提供科学依据。
［关键词］关联规则；数据挖掘技术；第三方物流企业；营销决策[中图分类号]Ｆ２５３；Ｆ２７２．３１[文献标识码]Ａ[文章编号]１００５－１５２Ｘ（２０１３）０２－０１８９－０３
StudyonThirdPartyLogisticsEnterprise MarketingDecision-makingBasedonAssociatedRuleMiningTechnology
ＬｉＱｉａｎｇ
（ＺｉｂｏＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅ，Ｚｉｂｏ２５５３１４，Ｃｈｉｎａ）
Abstract:Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｆｉｒｓｔｉｎｔｒｏｄｕｃｅｄｔｈｅｆｕｎｃｔｉｏｎｏｆｔｈｅｌｏｇｉｓｔｉｃｓｉｎｆｏｒｍａｔｉｏｎｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙ，ａｓｗｅｌｌａｓｓｏｍｅｒｅｌｅｖａｎｔｆｉｎｄｉｎｇｓａｎｄｍｏｄｅｌｓａｎｄｔｈｅｎｆｏｃｕｓｅｄｅｍｐｉｒｉｃａｌｌｙｏｎｔｈｅｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇｐｒｏｃｅｓｓｏｆｔｈｉｒｄｐａｒｔｙｌｏｇｉｓｔｉｃｓｅｎｔｅｒｐｒｉｓｅｓｂａｓｅｄｏｎｔｈｅａｓｓｏｃｉａｔｉｏｎｒｕｌｅｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅｒｅｓｕｌｔｉｎｄｉｃａｔｅｄｔｈａｔｉｎｔｈｅｂｕｓｉｎｅｓｓｌａｕｎｃｈｉｎｇａｎｄｍａｒｋｅｔｉｎｇｄｅｃｉｓｉｏｎｏｆｔｈｉｒｄｐａｒｔｙｌｏｇｉｓｔｉｃｓｅｎｔｅｒｐｒｉｓｅｓ，ｉｔｗａｓｔｅｃｈｎｉｃａｌｌｙｆｅａｓｉｂｌｅｔｏａｐｐｌｙｔｈｅａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｉｎｔｈｅｍｉｎｉｎｇｏｆｂｕｓｉｎｅｓｓｄａｔａａｎｄｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈａｔｔｈｅｂｕｓｉｎｅｓｓａｓｓｏｃｉａｔｉｏｎｐａｔｔｅｒｎｓａｎｄｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｕｎｃｏｖｅｒｅｄｉｎｔｈｅｄａｔａａｎｄｉｎｆｏｒｍａｔｉｏｎｍｉｎｉｎｇｐｒｏｃｅｓｓｂａｓｅｄｏｎｔｈｅａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｃｏｕｌｄｈｅｌｐｔｈｅｅｎｔｅｒｐｒｉｓｅｓｃｕｓｔｏｍｉｚｅａｎｄｏｐｔｉｍｉｚｅｔｈｅｍａｒｋｅｔｉｎｇｄｅｃｉｓｉｏｎｐｒｏｃｅｓｓ．
Keywords:ａｓｓｏｃｉａｔｉｏｎｒｕｌｅ；ｄａｔａｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙ；ｔｈｉｒｄｐａｒｔｙｌｏｇｉｓｔｉｃｓｅｎｔｅｒｐｒｉｓｅ；ｍａｒｋｅｔｉｎｇｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ
［收稿日期］２０１２－０７－２９
［作者简介］李强（１９８１－），男，山东淄博人，淄博职业学院信息工程系讲师，研究方向：计算机应用、计算机网络。
doi:10.3969/j.issn.1005-152X.2013.02.060
李强：基于关联规则挖掘技术的第三方物流企业营销决策研究技术与方法
189－－
物流技术２０１３年第３２卷第２期（总第２８１期）
著增加经营成本的情况下，准确地计算和预测出物流客户感兴趣的服务产品组合，从而有助于物流服务产品的创新开发和推广营销。
（２）通过关联规则数据挖掘技术可以对发往客户的货物数据进行多维度分析，从而清晰明朗地找到市场客户和货物流向之间的关联规则，还可以对货物流向和货物种类之间内在关联做出准确的分析。
（３）物流企业可以根据数据挖掘的结果和披露的关联规则，制作高水平的市场营销分析决策报告，通过市场细分的方法找到潜在目标客户群，从而有针对性地提供差异化的物流服务产品，有助于提高企业营销的针对性和成功率。
３关联规则挖掘技术在第三方物流企业营销决策中的实证分析
３．１案例
Ｒ公司是一家在全国各省会城市和相对发达的二三线城市都拥有良好物流网络布局的实力雄厚的第三方专业物流企业，公司２０００年开始进行物流业务信息化建设，目前已积累了近１０ＴＢ的物流业务数据，公司自２００３年开始实施ＢＩ商业职能建设，通过该系统实施和不断优化，为公司物流业务的智能化作出了重要贡献。
现在根据业务需求对部分业务数据进行计算分析，要求找出物流客户和货物去向之间的关系以及货物去向和货物种类之间的关联规则，从而为公司某个营销方案的制定和决策提供依据和支持。
根据上述要求，本文采取的物流数据挖掘策略是，首先对Ｒ公司Ｘ市分公司的业务数据进行分析，并以此为基点找出上述要求的各种关联规则和内在关系。
３．２数据整理
从Ｒ公司Ｘ市分公司数据库选取２０１１年１－６月的物流业务数据作为目标数据源，按照以下几个规则进行数据整理：（１）按货物去向归类。
该数据源中的货物去向包括了全国各大中小城市，为了便于分析，根据营销决策报告的需要，选取６个地理区位维度，分别为东北方向、华北方向、华东方向、华南方向、西北方向和西南方向。
哈尔滨、沈阳等属于东北方向维度；石家庄、北京、天津、青岛等属于华北方向维度；杭州、南京、上海、无锡、宁波等属于华东方向维度；深圳、广州等属于华南方向维度；乌鲁木齐、西安等属于西北方向维度；Ｘ市属于西南方向维度。
其他几个地区由于业务量没有达到既定的标准，在本次营销决策中不属于营销目标市场覆盖地。
（２）按照货物种类归类。
将其货物分为以下９个大类，即食品类、调味品类、饮用酒类、药品保健类、纺织品类、化工原料类、纸张类、金属制品类以及石材类等。
食品类主要包括食用油、泡菜、榨菜、竹笋、干果等；调味品类主要包括火锅料、花椒油、豆瓣酱、鸡精等；饮用酒类包括啤酒类、白酒类、保健酒类等；药品保健类主要包括中药材、西药、三勒浆、兽药等；纺织品类主要包括棉布、服装、胚布、双宫丝等；化工原料类主要包括ＰＣ聚酯料、添加剂、Ａ胶等；纸张类主要包括铜版纸、胶版纸、静电纸、纸浆、白纸等；金属制品类主要包括铁合金、稀土、皮带轮、柴油机等；石材类主要包括大理石、花岗石等。
根据货物去向和货物种类的分类标准整理后的部分业务数据记录见表１。
表１Ｒ公司Ｘ市部分业务数据
单位：ｍ３、ｔ
３．３业务关联规则挖掘
本次实证挖掘中选取的数据挖掘软件是ＳＰＳＳ公司开发的Ｃｌｅｍｅｎｔｉｎｅ，对上述步骤中处理的数据进行分析。
在该软件中选取Ａｐｒｉｏｒｉ模型，将支持度设置为０．１，置信度设置为０．２，对表１数据进行挖掘其结果见表２。
表２Ｒ公司业务数据挖掘结果
该软件的可视化功能和维度挖掘非常灵活和强大，通过网络模型视图，可以得到非常直观的数据挖掘结果。
图１是此次挖掘的网络节点结果，从中可以看出｛食品类（调味品），华南方向｝和｛纺织品类（金属制品），华东方向｝等网络节点被完整地保留了，说明这几个项目之间的关联程度比较大。
接着再选取其他模型对表１的数据执行同样的数据挖掘过程，挖掘结果基本类似，这说明了本文所选取的关联规则是可行的，且具有较高的准确度。
３．４挖掘结果评价和营销决策制定
（１）Ｘ市至华南地区往返货源分析。
从表２数据挖掘结果可以看出，５４．５５％的食品类和４７．１９％的调味品类货物是发往华南销售地区的，这两项货物发送量占了Ｒ公司Ｘ分公司发装运日期
２０１１０３０７
２０１１０３０７
２０１１０３０７
２０１１０３０８
２０１１０３０８
２０１１０３０９
２０１１０３１０
２０１１０３１０
２０１１０３１１
运单ＩＤ
Ｓ３４２０１６１
Ｓ３４２０１６１
Ｓ３４２０１５７
Ｓ３４２０１５８
Ｓ３４２０１１１
Ｓ３４２０１０７
Ｓ３４２０２１２
Ｓ３４２０２３７
Ｓ３４２００７８
货物去向
华南方向
华南方向
西南方向
西南方向
华南方向
华南方向
华南方向
华北方向
华北方向
货物种类
食品类
纺织品类
化工原料类
化工原料类
食品类
纸张类
食品类
食品类
调味品类
货物体积
２１．００
５１．３４
２７．８０
６０．３２
３６．００
１６．８７
３２．１０
１７．８０
１１．２０
货物重量
１３．７６
２１．４
１８
３２．１
１８．５４
２１．３
１３．７
２５．９
１８．５
包装类型
集装箱
集装箱
行包
行包
集装箱
行包
行包
行包
行包
后向值
华东方向
华东方向
华南方向
华南方向
华南方向
华东方向
华北方向
调味品类
食品类
华北方向
华北方向
纺织品类
食品类
饮料酒类
华东方向
调味品类
前项值
纺织品类
金属制品类
调味品类
食品类
纸张类
纸张类
金属制品类
华南方向
华南方向
调味品类
食品类
华东方向
华北方向
华北方向
食品类
华北方向
支持度
０．１０７７
０．１０７７
０．１８４２
０．２１２９
０．１１４８
０．１０７７
０．３３７３
０．３３７３
０．１８４２
０．２１２９
０．３５６５
０．２４８８
０．２４８８
０．２１２９
０．２４８８
０．３３７３
置信度
０．８８９
０．５５６６
０．５４５５
０．４７１９
０．４５８３
０．４３７５
０．３５５６
０．２９７９
０．２９７９
０．２８５７
０．２６９７
０．２６８５
０．２３０８
０．２２１６
０．２１３５
０．２１１５
技术与方法190
－－
往华南地区货物总量的２９．７８％，说明华南地区的销售市场对于调味品类和食品类货物的购买力比较强，对于Ｒ公司而言，华南地区这两类物品的物流营销力度应该使当地加强投资，以提高对于目标市场的物流配送能力。
Ｒ公司在华南地区的货物配送中心到Ｘ分公司的货源业务数据挖掘结果见表３，从表中可以看出家用电器和数码电子产品两类产品的交易数量分别占到了总交易量的２５％和３５％。
表３华南配送中心至Ｘ市货物关联挖掘情况
从以上数据挖掘中可以得出这样的结论：食品类、数码电子产品类、家用电器类以及调味品类货物是Ｒ公司Ｘ分公司至华南地区的主要商品种类和货源，因此对于这４大类产品的物流营销力度应该给予重点关注，制定更加灵活富有竞争力的营销策略及其组合，特别是该地区特色货品和货源的组织力度应该加强，面向细分市场和差异化物流需求，组织好稳定的货源，保障及时供应，提高运输配送车辆的满载率，减少空车情况发生，从而确保Ｘ市－华南干线物流运输业务的稳定增长。
（２）Ｘ市至华东地区往返货源分析。
表２所示的Ｒ公司物流业务数据挖掘结果显示，Ｘ市发往华东地区的纺织品类货物总量占据了其所有发货总量的８８．９％，占发往华东地区总货量的２６．８４％，由此可见华东地区是Ｒ公司Ｘ市分公司纺织类产品物流运输的主要方向，这就相应地要求Ｘ市分公司在为华东地区组织货源时，应该对纺织类产品相关产业链条，诸如纺织布匹和服装生产厂家给予特别关注，从而提高纺织类产品的营销成功率，这对于改善和提高Ｘ市分公司的业绩和效益有着十分重要的作用。
Ｒ公司华东货物配送中心到Ｘ市的物流业务数据挖掘情况见表４。
从中可以看出华东地区向Ｘ市的主要货物配送任务是机械设备类产品，所占比例达３５．４８％，化工原料仅次机械设备类产品，占据华东地区向Ｘ市物流配送任务的第２位，所占比例达到了２５．８％，再次是家用电器类产品，其所占比重达到了１６．１３％。
这些数据清晰明确地为Ｒ公司华东地区配送中心的市场营销策略和营销组合的制定指出了方向，要提高该路线的物流运输稳定性，就必须加强机械设备类物流运输力量和基本建设投资，由于现代机械设备的物流运输需要大量专用性设备，这就为Ｒ公司Ｘ市分公司制定专用性物流设施投资及其风险防范问题提出了挑战，需要其在营销决策中考虑如何扩大业务，实现规模经济来降低专用性物流设备的专用程度，同时扩大市场占有率和服务客户规模。
表２的数据同时也显示了Ｘ市发往华东地区的规模以上的货物种类比较单一，除了纺织品类，其他货源种类都相对分散，没有达到应有的规模物流比例，因此其营销成本也相对较高，不利于企业经济效益的提高。
为此Ｘ市分公司应该抓住多种机会，寻找更多途径，努力扩展和丰富至华东配送中心的货源种类及其组合。
表４华东配送中心至Ｘ市货物关联度挖掘情况
４总结
本文认为在第三方物流企业业务数据信息量不断增长和市场竞争力度不断加强的情况下，在其营销决策中，考虑使用计算机数据挖掘技术进行业务数据分析和模式识别是完全可行的，并且挖掘过程中的关联规则和业务模式发现可以有效地支持第三方物流企业的营销决策和提高营销方案的质量水平。
通过实证分析研究，通过对第三方物流企业的发货记录进行关联规则挖掘，可以有效地发现货物发往区域的关联以及货物种类和物流去向的关系，第三方物流企业关联规则挖掘技术所提供的相关信息，可以科学地进行市场营销分析，从而提高物流业务营销的成功率和扩大市场占有率。
［参考文献］
［１］张维梅．关联规则挖掘技术在人寿保险行业中的应用［Ｊ］．科技信息（学术研究），２０１０，（２９）．
［２］孙鸿飞，武慧娟．基于商务智能的第三方物流管理研究［Ｊ］．商业研究，２００９，（８）．
［３］褚光磊，许晓兵．挖掘技术在股票市场中的应用［Ｊ］．科学咨询（决策管理），２０１０，（２）．
［４］孟祥茹．第三方物流企业中的商务智能技术应用［Ｊ］．商业时代，２０１０，（３２）．
［５］崔建明，叶乃沂，秦霞．第三方物流企业营销策略的灰局势决策［Ｊ］．软科学，２００９，（１）．
［６］董丽君，王益宝．第三方物流企业营销创新研究［Ｊ］．管理观察，２００９，（１０）．
李强：基于关联规则挖掘技术的第三方物流企业营销决策研究技术与方法
191
－－。
