【Gephi网络可视化】学习笔记1-基于客户-商品关系网络图上的推荐探索

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