零售场所的业态关联规则与数据挖掘方法

实体商业的业态关联关系是现实存在的客观事实，但是国内没有专著讲述购物中心的业态关联的现状、表现形式、数据挖掘方法、以及采取商业空间手段对业态关联关系的影响手段。目前在国内有5000家购物中心，从业人员达到数百万，购物中心的大数据应用也是当前业内热点，但是购物中心的大数据分析缺乏理论支撑，本书讲述的内容具有独特性，可以为实体商业的数据分析提供理论依据。

在一个实体商业场所中，比如一个购物中心、或者是一条商业街，可能会同时存在几百家商业实体店铺，这些商业实体店铺共同生存在同一个建筑空间中，店铺之间并不是相互无关、独立生存，而是会相互影响、彼此融合、相互排斥，形成一个极其复杂的商业业态生态圈，这种商业业态之间的相互关系，就是本书中提及的实体商业业态关联关系。
处理好实体商业场所的业态关联关系，对于有效提升实体商业场所的经营效益，具有极其重大意义。那么商业业态之间存在着哪些关联形式、相互的影响又是什么？如何发现商业业态之间的关联关系？如何采取数据分析方法发现以及量化这些关联规则？进行业态数据分析时需要组织哪些数据，在关联分析中的皮尔森相关性分析、Apriori算法使用方法、apriori算法存在的问题及解决方案又是什么？在实体商业场所数据分析中会有哪些数学模型、商业场所中的动线与客流之间的关系又是什么？等等以上内容都是本书重点讲述的内容。

第一章零售场所的商业生态圈、业态关联规则以及表现形式
第一节自然界生物圈的基本特征2
第二节零售场所的商业生态圈构成及特征3
第三节事务之间的关联规则与相关性表现5
第四节业态之间的正向关联9
第五节业态之间的无关关联11
第六节业态依存、业态聚集的关联形式14
第七节业态之间的中介关联18
第八节业态之间的寄生关联20
第九节业态之间的冲突关系、排斥关系23
第十节业态组合的动态平衡、结构模式及其稳定性的相关指标衡量26
第二章零售场所业态组合的模式及要素
第一节业态组合与业态种群的关系32
第二节业态组合中的角色划分34
第三节业态组合的消费者能量耗散与时间规划36
第四节业态组合的空间规划与业态关联规则42
第五节业态的时间属性与业态关联规则48
第六节业态组合中的客流来源与客流交叉计算方式54
第七节业态组合中的主力店作用、重心分配及处理65
第三章业态关联规则的数据分析方法
第一节零售场所的单店铺数据分析方法76
零售场所的业态关联规则与数据挖掘方法
第二节单体店铺的数据分析模型——以波士顿竞争力分析模型为例79
第三节业态关联规则数据挖掘的步骤、要点及商业逻辑解读81
第四节业态关联规则的数据分析方法85
第五节关联规则的方向性及关联规则的角色、关联规则的赋值、关联规则的多级传导方式90
第六节业态关联规则与图数据库技术95
第七节业态关联规则分析的数据类型与数据来源100
第八节业态关联规则分析的数据维度选择与数据维度的调整方式105
第九节业态关联规则分析的数据预处理107
第十节业态关联规则的量化分析法113
第十一节业态关联规则分析的报表体系示例116
第十二节RetailLink的商品关联交叉与店铺关联交叉报表示例118
第四章皮尔森相关系数与相关性分析
第一节皮尔森相关系数简介126
第二节皮尔森相关系数与相关性分析示例127
第三节皮尔森相关系数与空间地理相关性分析130
第四节利用皮尔森相关系数进行关联规则分析的注意事项131
第五节某购物中心的业态关联规则数据分析实例133
第五章Apriori算法与关联规则挖掘
第一节Apriori算法基本概念及主要指标142
第二节Apriori算法在零售业的应用困境及问题所在146
第三节Apriori算法的零售业关联规则应用示例158
第四节采用Apriori算法进行关联规则挖掘的注意事项165
第六章零售场所几大关联模型与应用实例
第一节零售场所的OD模型167
第二节业态组合与消费者之间的关联规则以及POI、IOI关联模型171
第三节业态关联规则与促销反应模型175
第四节大悦城的“曼哈顿计划”与大数据应用实例181
第七章零售场所的动线分析与热点解读技术
第一节业态关联规则与动线规划187
第二节动线分析与消费者行为轨迹分析191
第三节动线的流量分配机制与空间句法196
第四节店铺热力图的热点解读与节点划分技术199
参考文献206