啤酒与尿布---神奇的购物篮分析

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:506

总访问量:204581

零售业的购物篮分析层级与关联规则维度

2023年08月07日

评论数(0)
1、购物篮分析时的对象层级:
直接选择购物篮中SKU级别即最底层的商品(lowest level of detail)作为分析对象,一般用于特定单品的购物篮分析,比如促销选品、价格分析、新品评估、替代分析等。
大多数情况下,都需要会对购物篮中的商品进行品类升级,这样可以使得商品之间的关联关系得以聚焦,同时也是一个很好的减少数据冗余的办法。
零售业的购物篮分析时,会有如下商品品类层级选择方法:
SKU对SKU(最底层对最底层):将购物篮中的商品直接作为分析对象,这种层级分不适用于对某一个卖场中所有的购物篮进行关联规则挖掘,这是因为卖场中的购物篮数量巨大,这样做既耗费算力、也会导致商品之间的关联关系被稀释。但是在某些场合中必须使用SKU级别的商品作为分析对象,如在促销选品时,需要分析促销品对于购物篮的影响,同时在进行商品捆绑设计时,也是需要落实到商品单品为分析对象。
品类层级对品类层级的平级关联:将购物篮中的商品进行品类升级,统一到同一层级的品类,比如“啤酒”与“尿布”就是二个同一个品类层级的关联关系,这是最常见的商品关联规则挖掘对象层级选择方法。
自下而上的品类跨层交叉模式:先将主分析对象确定为较低的层级,向上跨越品类层级寻找关联规则,如将主分析商品定为“嘉士伯啤酒”,将购物篮中的其他商品上升一级品类层级,如将各种规格、品牌的尿布升级为“尿布”品类,以此寻找“嘉士伯啤酒”与“尿布”的关联关系,或者寻找“帮宝适尿布”与“啤酒”品类的关联规则。
自上而下的品类跨层交叉模式:操作方法与自下而上品类跨层交叉模式相反,即将主分析商品进行品类升级,比如将“猪肋排”升级为“肉类”品类,以此寻找“肉类”与下一级品类商品(比如“花生油”)的关联规则。
2、单层关联规则与多层关联规则:
单层关联规则(single-level association rule):指的是在购物篮的商品集合中,不涉及跨越层级的项或属性,即商品之间的关联规则产生于是同一个商品层级,如下面提及的SKU对SKU、品类之间的平级关联,都是属于同单层关联规则。
多层关联规则(multilevel association rule):指的是在购物篮商品集合中,涉及了不同层级的项和属性,在下面提及的自上而下和自下而上的二种层级交叉的方法,就是多层关联规则。
3、单维度关联规则与多维度关联规则:
单维度关联规则(single-dimensional association rule):指的是购物篮中的商品属性只涉及一个维度,比如将购物篮中的商品项集简化为商品名称一个维度,例如({啤酒、尿布}),就是单维度关联规则。
多维度关联规则(multilevel-dimensional association rule):购物篮中的商品属性涉及两个或多个维度,如将购物篮数据中提取商品名称、销售金额二个维度,描述为(“啤酒∧(销售金额>20元)”、“尿布∧(销售金额>80元)”等,多维关联规则数据挖掘在大多数据挖掘书籍中只是简单提及,但是这是量化购物篮分析的唯一维度选择方法。


文章为作者独立观点,不代表联商专栏立场。

联商专栏原创文章由作者授权发表,转载须经作者同意,并同时注明来源:联商专栏+老高与购物篮分析。