excel购物篮分析：让你轻松掌握市场中的潜在联系，提升商品销量！——九数云BI

很多用户购买产品A的同时，也连带购买了产品B，根据这个结果调整货架的布局陈列、设计促销组合方案，实现销量的提升。

这就是通过对顾客的购买记录数据库进行关联规则挖掘，最终发现顾客群体的购买习惯的内在共性，从而优化设计提升销量。最经典的应用案例莫过于大家熟知的<啤酒和尿布>。

关联规则是反映一个事物与其他事物之间的相互依存性和关联性，常用于实体商店或在线电商的推荐系统。

在关联规则分析中有3大关键词：支持度(Support)、置信度(Confidence) 与 提升度(Lift)

1、excel购物篮分析：支持度(Support)

支持度是两件商品（A∩B）在总销售笔数(N)中出现的概率，即A与B同时被购买的概率。类似于中小学的交集，需要元素同时满足条件。

公式：

例子说明：

比如某超市2016年有100w笔销售，顾客购买可乐又购买薯片有20w笔，顾客购买可乐又购买面包有10w笔，那可乐和薯片的关联规则的支持度是20%，可乐和面包的支持度是10%。

2、excel购物篮分析：置信度(Confidence)

置信度是购买A后再购买B的条件概率。简单来说就是交集部分C在A中比例，如果比例大说明购买A的客户很大期望会购买B商品。

公式：

例子说明：

某超市2016年可乐购买次数40w笔，购买可乐又购买了薯片是30w笔，顾客购买可乐又购买面包有10w笔，则购买可乐又会购买薯片的置信度是75%，购买可乐又购买面包的置信度是25%，这说明买可乐也会买薯片的关联性比面包强，营销上可以做一些组合、捆绑策略销售。

3、 excel购物篮分析：提升度(Lift)

提升度表示先购买A对购买B的概率的提升作用，用来判断规则是否有实际价值，即使用规则后商品在购物车中出现的次数是否高于商品单独出现在购物车中的频率。如果大于1说明规则有效，小于1则无效。

公式：

例子说明：

可乐和薯片的关联规则的支持度是20%，购买可乐的支持度是3%，购买薯片的支持度是5%，则提升度是1.33>1, A-B规则对于商品B有提升效果。

理论很简单，真正实践起来却会遇到种种困难，印证了那句"数据分析师的50%～80%的时间都花在了处理数据上”，例如一般POS明细是下图形式展现：

要计算支持度(Support)、置信度(Confidence)与提升度(Lift)，首先需要知道Freq(A∩B)、Freq(A)、Freq(B)和总笔数数值，那么需要对商品进行排列组合，转换数据显示出所有不同的商品组合的形式。

例如销售ID=000001，我们转换成下表形式， 4种商品的两两组合（种）：

若一个收银小票（销售ID）有30种商品，则组合数达到:

而可视化层级上还需要展现集团下每个分公司、每个城市、每个门店、月度、季度或者年度时间的关联规则分析，如果用传统的工具来实现上述分析无异于大海捞针。

对此，我们可以使用九数云BI来解决，作为一款在线数据分析工具，它支持百万行数据实时处理实时预览，拖拽式的图表和看板制作方式，能够帮助用户快速提高数据大局观，优化业务流程并提升效率。数据源方面，可通过API可接入多种数据源平台，包括本地数据、网站统计、广告推广等第三方平台数据，方便数据统一管理。同时，可以提供多层级管理架构，同一部门成员可以共享数据、分析过程与结果，促进内部实时协作，方便成员间数据透明。

上一篇: 商业图表不专业？那肯定是这些因素不过关！——九数云BI
下一篇: 免费文字云在线生成器，这5个宝藏网站要记住！——九数云BI