因学习需要,开始了学习绘制Gephi网络图形的历程~因为是Gephi小白一枚,中途走了不少弯路,都是满满的血泪史。为了不让大家重蹈覆辙,想与各位准备学习或是正在学习的uu们一同分享下学习心得,共同进步~大家一起冲鸭!!!
一、「网络视图」
二、「图片简介」
-
综述
图示为基于客户-商品购买行为关系的网络图:不同节点分别表示指定客户/商品,连线表示客户购买行为发生后与相关商品产生的关联,最终形成了网络图。
其中,网络图中包含有多个以不同颜色进行区分的联通分量,每个联通分量的中心对应客户节点,其余部分对应着客户购买的相关商品节点。
根据联通分量的特征以及客户-商品的基本特征,可据此产生一些相关的推荐策略。
-
网络图一(不带节点标签的客户-商品购买关系无向网络图)
1⃣️中联通分量中的节点较少:仅包含有一个客户的商品购买行为,该客户并未与其他客户购买的商品发生重叠。由此推测该客户够买的商品较为小众,更加追求个性化,在实际推荐过程中会更倾向于冷门商品;除此之外,还可以考虑推荐部分热门商品。2⃣️中联通分量中包含有多个节点:其中有两个客户的商品购买行为,他们均购买了一件相同商品。由此可推知,这两位客户购买商品的行为具有一定的相似性,除此之外,他们购买的其他商品并不与其他客户相同,也偏向于小众化。
3⃣️中联通分量中包含的节点数量较多,同时根据边的粗细可以推知:该客户购买大多单品的数量较多。此外,其购买的商品中既包含有小众商品,又包含有热门商品。因此根据该客户购买商品的特征,可以考虑将该名客户纳入商家会员的发展对象。
4⃣️中联通分量中包含有多个节点:包含有多名客户的商品购买行为,其中有多名客户同时购买了相同的商品。由此推知,该联通分量内的客户的购买行为具有很大的相似性,因此可以考虑建立客户社群,邀请具有相似购买行为倾向的客户进行商品推荐。
-
网络图二(带节点标签的客户-商品网络关系无向网络图)
1⃣️中客户4788567购买的商品有“彩豆糖”、“压片糖”、“薯片”、“豆瓣”。根据其购买的商品属性划分可知,其购买的商品均为零食小吃类,因此可以向该客户推荐该类别下的小众商品:“牛奶”(累计被购买2次)、“酸奶”(累计被购买2次);热门商品:“可乐”(累计被购买5次)、“蛋糕”(累计被购买4次)。2⃣️中客户4797682购买的商品有“酸牛奶”、“系列产品”、“小麻花”、“夹心饼”;客户4794330购买的商品有“饮料”、“草莓糖”、“夹心饼”、“小麻花”。两位客户均购买了商品“小麻花”,购买行为具有一定的相似性,因此可以向两位客户推荐他们彼此之间购买的产品,此外,也可以向他们推荐一部分小众商品与热门商品。
3⃣️中客户4781036购买的商品有“大号购物袋”、“白条鸭”、“鸡白条”、“香菇”、“尖椒”、“扁芸豆”。根据其购买的商品属性划分可知,其购买的商品大多属于食材类,因此可以向该客户推荐该类别下的热门商品:“牛肚”(累计被购买6次)、“大米”(累计被购买3次);小众商品:“松花蛋”(累计被购买1次)、“小麦粉”(累计被购买1次);相似客户购买的其他商品:“蛋糕”、“香梨”、“大白菜”、“山药”、“里脊肉”。
4⃣️中客户4916607购买的商品有“羊血”、“鱼丸”、“肉片”、“桑梨”、“肉片”、“牛肚”;客户4904869购买的商品有“酸牛奶”、“小麦粉”、“乳酸菌”、“鸡蛋”;客户4780092购买的商品有“中号塑料袋”、“蜜桔”、“后腿肉”、“干点系列”,客户们购买商品的属性多为食材,因此可以考虑向联通分量内的客户相互推荐产品,此外,还可以推荐调料类的商品“五香粉”、“烧烤酱”、“椒盐”等。
三、「数据说明」
- 原始数据为包含有39名客户、74种商品的Source(客户ID&起始节点)、Target(商品名称&目标节点)、类型、Id、Label(标签)、Intevel(时间间隔)、Weight(权重)共计6条属性的1U-副本数据文件。
- 网络图为包含共计113个节点,89条边的无向网络图。
四、「操作步骤」
- gephi绘图
1.准备符合格式的csv数据文件
2.打开gephi,上传文件
3.导入文件
4.选择属性
5.选择网络图类型
6.查看边导入数据
7.初步网络图预览
8.节点数据补充
9.调整节点配置
10.调整节点布局
11.调整完布局后图示
12.按照喜好上色
13.不显示节点标签的客户-商品网络图
14.显示节点标签的客户-商品网络图