老高与购物篮分析
公告
“啤酒与尿布”是一个真实的故事，发生在1990年代的沃尔玛大卖场，代表卖场的购物篮商品之间存在着某种特定的关联关系，挖掘并利用这种关联关系，可以使得实体零售门店充分；了解顾客的购物场景，为选品与品类管理、定价与调价、促销策略及评估、关联陈列、顾客行为聚类等提供了有效的数据依据。
我在2008年撰写了《啤酒与尿布-神奇的购物篮分析》（清华大学出版），开辟本专栏,是为了与大家探讨实体门店购物篮管理的理念、计算方法及案例，以及能够与相关软件企业合作，开发相关应用软件产品
MP：13901022781 微信同号
统计
今日访问：682
总访问量：97656
无量化、无管理----量化购物篮分析及关联规则之三:维度选择、指标确定及案例
2023年10月09日
评论数（0）2、量化购物篮分析的商品维度选择：
购物篮分析的单维度与单维关联规则：这里提及的维度，指的是购物篮中商品项目维度，传统购物篮分析只选取商品名称一个维度进行分析，比如在购物篮数据中中只提取啤酒、尿布的品类名称，这种维度选取方法称为单维度，对应关联规则也被称为单维关联规则。
单维关联规则基本都是对应了布尔型关联规则。
比如购买(X,“牛奶”)→购买(X,“面包”)；
关联规则为牛奶→面包，是典型的布尔型关联规则；
单维量化关联规则在零售业的实际意义并不大，因为即使发现了有商业价值的关联规则，也无法落实到具体的量化指标。
量化购物篮分析的多维度与多维关联规则：
多维度（multi-dimensional ）：指的是购物篮分析的项目维度不止一个，比如啤酒与单价对应尿布与单价，就是二个商品项目维度。
对于多维购物篮进行分析的过程，就是多维关联规则数据挖掘(Mining Multi-Dimensional Associations Rule)。
多维关联规则的意义在于可以对购物篮进行量化关联规则分析。
假定对某次促销活动进行评估，制定了如下的多维度分析模式：
购物篮金额(X,"20?30")∧商品属性(X,"促销商品")→购买商品(X,"蓝莓")；
n 在这里，需要挖掘的条件就是购物篮金额为20~30元、商品属性是促销商品、购买的商品是蓝莓，涉及到三个维度的数据：购物篮金额、促销商品、购买商品，挖掘的关联规则也是针对上述三个属性。
混合维度与混合维度关联规则：
混合维度，指的是允许同一个维重复出现。
例如，“购物篮金额（X，50~80）^购买商品(X，水产品) => 购买商品(X，猪肉)”。 在这个关联规则中，同一个维“购买商品”在规则中重复出现，代表了经典关联关系表现形式，这类关联规则在零售业具有很好的商业价值，值得重点关注。
上述的购物篮多维关联规则可以定义为：
购物篮金额(X,"50-80")∧购买商品(X,"水产品")→购买商品(X,"猪肉")
购物篮量化分析的后处理方法：
购物篮分析的结果会产生大量的冗余规则（Redundancy Rule），传统的支持度-置信度框架不能有效地过滤无价值的规则，而量化指标是一把很好的尺子，可以轻松过滤掉没有经济价值的规则，这就是对量化关联规则的后处理过程（Post-Processing of Association Rules）。
购物篮量化分析的后处理，指的是对于购物篮分析产生的关联规则采取某种量化指标作为过滤器，提取有价值关联规则的方法，具体方法有很多种，其中一种方法是按照传统购物篮分析指标进行阈值设定，找出满足阈值的关联规则，如支持度计数（Support Count）就是一个很好的指标，找出具有足够支持度计数的关联规则，然后然后带入量化指标进行量化指标过滤器，从而提取有商业价值的关联规则。
另一种方法是对关联分析结果设置某些量化指标作为过滤器，从而提取有商业价值的商品关联规则。
如下面的多维量化关联规则数据挖掘，就是采取了后处理方法对关联规则进行了过滤：
购物篮金额（X，“30-40”）∧销售时段（X，“8：30-9：30”）=》购买品类（X，“水产品”），预设关联规则的阈值为{support=10%，confidence=60%}。
上述过滤的量化关联规则可以描述为：
在某店铺的上午8：30--9：00销售时段中，找出购物篮金额为30-40元、购买了水产品的顾客，过滤条件为支持度10%、置信度为60%。
下面有几种常见的量化多维指标选择思路：
? 至少包含一个促销商品（比如促销宣传单中的商品）；
? 购物篮中的商品不少于2件，购物篮金额大于于50元；
? 包含一件促销品，购物篮金额大于30元；
? 购物篮中的商品平均价格在10元以上；
? 购物篮总金额大于50元，生鲜品总价在30元以上；
3、量化关联规则的应用案例：
案例1：30元酱油只关联了6元的醋：
某生鲜连锁店为了提高客单价，组织了某品牌酱油进行促销，酱油促销价为30元，该生鲜店知道，酱油与醋等调料类商品会形成关联关系，从而被顾客一起购买，该生鲜店组织了同等价格的醋一起陈列，但是事后对购物篮中酱油、醋的销售价格分析时，却发现30元的酱油只能与6元的醋形成关联销售，因此该生鲜店得知，消费者对醋的品质追求并没有定义的那么高，因此该生鲜店掌握了调料类商品促销时的量化规律。
案例2：橙汁商品销售在同品类的销售拉动表现
某连锁超市对某月果汁类商品销售及连带的购物篮进行了分析，发现橙汁的销售额最高，达到了30万元，远远高出了其他果汁类商品，但是橙汁的购物篮连带销售更高，经分析发现橙汁对于果汁品类的连带销售额贡献非常大，在果汁类全部销售收入中，仅仅橙汁带动的购物篮销售收入为110万元，量化分析表明橙汁是果汁品类的核心商品。
案例3：某日化商品的量化关联指标分析
某日化品牌对旗下的香波进行销售收入及购物篮表现的量化分析，发现该香波在某日销售收入是200元，带动销售的日化品种数为38个，在日化商品销售的购物篮中占比为52.63%，连带销售收入（购物篮金额）为650元。