购物篮分析案例解析 -- 九数云

一、购物篮分析是什么

购物篮指的是超级市场内供顾客购物时使用的装商品的篮子，当顾客付款时这些购物篮内的商品被营业人员通过收款机一一登记结算并记录。

所谓的购物篮分析(Market Basket Analysis)就是通过这些购物篮子所显示的信息来研究顾客的购买行为。

二、购物篮分析的目的

完成购物篮分析，能给实际销售带来哪些优势呢？

1. 优化商品配置:可以厘清哪些商品可以一起购买,关联商品可以优化陈列方式、进行促销等;
2. 了解客户需求:分析出顾客的购买习惯，顾客购买商品的时间、地点等;
3. 分析销售趋势:利用数据仓库对品种和库存的趋势进行分析,选定需要补充的商品,研究顾客购买趋势,分析季节性购买模式,确定降价商品。

三、如何做购物篮分析案例

如何不写代码就能完成一次购物篮分析呢？

小九就用用自助式数据分析工具九数云为大家演示购物篮分析案例。

购物篮分析案例的关键衡量指标有三个：1、支持度 2、置信度 3、提升度。

为了讲解这三个衡量指标，小九先给大家举个例子，后续都依靠这个例子讲解：

假设某一超市在一个月内卖出了100件商品，其中A商品有5单，B商品有10单，同时购买A、B商品的有3单。

• 购买A商品的概率：
  P(A)=(5/100)*100%=5%
• 购买B商品的概率：
  P(B)=(10/100)*100%=10%
• 同时购买A、B商品的概率：
  P(A∩B)=(3/100)*100%=3%

支持度

支持度是指A商品和B商品同时被购买的概率，或者说某个商品组合的购买次数占总商品购买次数的比例，代表了这个组合的可靠程度。

支持度说明了这条规则在所有事务中有多大的代表性，显然支持度越大关联规则越重要。

商品A、B组合的支持度=同时购买A、B商品的订单数/总订单数*100%

在本例中,AB组合的支持度：P(A∩B)=(3/100) *100%=3%

置信度

置信度是指购买A之后又购买B的条件概率，简单说就是因为购买了A所以购买了B的概率。

A对B的置信度=同时包含A和B商品的订单数/包含A商品的订单数*100%

在本例中，A对B的置信度：P(A∩B)/P(A)=(3/5)*100%=60%

提升度

提升度在理解上相较于前两个指标更有难度。它是指先购买A对购买B的提升作用，用来判断商品组合方式是否具有实际价值。

提升度=A对B的置信度/购买商品B的订单数。

当提升度>1时：表示买A再买B的概率大于单独购买B的概率,就表示买A对买B带来了提升效果。

当提升度<1时：表示买A再买B的概率小于单独购买B的概率,就表示买A对买B带来了负面效果。

在本例中，A对B的提升度=60%/10%=50%/4%=6

表示商品A对商品B有较大的提升，有较大的搭配价值，建议可以组合售卖或者是将两者的售卖位置靠近。

四、购物篮分析案例总结

购物篮分析的目的在于：通过对用户消费记录数据的挖掘和分析，找出用户购买习惯的一些潜在规律，从而可以为用户提供他们想要的搭配或套餐。

套餐销量的提升一般会带来客单价的提升，从而提高公司收益。

上一篇: 如何做财务数据分析：公司固定资产分析—九数云
下一篇: 聊一聊数据可视化 数据存储—九数云