Figure2顾客的聚类结果
二顾客偏好分析本文通过分析每类顾客关注饭店的特征提取分析顾客的偏好，从而便于饭店把握顾客需求，指定差异化战略。1i因子分析评价指标的选择及数据预处理影响顾客在饭店消费体验的影响性变量，本文主要筛选如下：alcohol，smoki
g_area，dress_code，accessibili1y，price，Rambie
ce，Fra
chiseareaparki
gaccepta
ceotherservice。由于因子分析需要数值型数据，本文对饭店数据中定性的变量量化处理。统计学依据数据的计量尺度将数据划分为三类：定距型数据（Scale）定序型数据、（Ordi
al）、定类型数据（Nomi
al）。定距型数据通常是指诸如身高、体重、血压等的连续型数据，也包括诸如人数、商品件数等离散型数据；定序型数据具有内在固有大小或高低顺序，职称变量可以有低级、中级、
3
f高级三个取值，可以分别用1、2、3等表示，数据间却是不等距的。测量数值不能直接比较大小，只能比较优先次序。定类型数据是指没有内在固有大小或高低顺序，一般以数值或字符表示的分类数据。如性别变量中的男、女取值。本文采用的数据中，饭店的属性包含多个定序型变量，如othervaria
ce包含
o
e，I
ter
et和variety三类；Accessibility包括
o_accessibility，completely和partially三类。本文采用0、2代表上述属性中的值，1、1、0、2代表依次递增，即0表示
o_accessibility，1表示partially，2表示completely。此外，数据集中还有定类型的数据，如fra
chise有True和false两种取值。本文中将却是指用该属性取值的平均值替代。
0alcohol
o
otsmoki
g_areapermitteddress_codei
formalaccessibility
o
epricehighRambie
cequietfra
chiseFALSEareaclosedother_services
o
e
ii因子分析
1wi
ebeer
2fullbar
sectio
o
lyatbarpermittedcasualpartiallymediumfamiliarTRUEope
I
ter
etcompletelylowvariety
Figure3因素量化
由于饭店的属性之间部分具有相关性，本文采用spss进行因子分析来消除这种相关性。对饭店数据库中的影响性变量相关数据进行因子分析，所得结果见Figure4。从Figure4中可以看出，前八个因子的累计方差贡献率已经达到86028。根据累计方差贡献率85的标准，本文选择前八个作为因子进行分析。
4
fFigure4初始特征矩阵
为了更好地赋予所得因子以合理的解释意义，本文进行了因子旋转，因子载荷矩阵见Figure5，从表中的因子载荷可以看出，第一个因子（F1）可以用来解释price，第二个因子（F2）可以用来解释alcohol，第三个因子（F3）可以用来解释smoki
garea，第四个因子（F4）可以用来解释Fra
chise第五个因子（F5）可以用来解释Rambie
ce，第六个r