啤酒与尿布---神奇的购物篮分析

主页文章

+关注私信

“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

购物篮分析(33) 零售数据分析(41) 门店数字化(1)

今日访问：506

总访问量：204581

购物篮分析的数据分层案例解析----（以R语言案例包的Groceries数据集为例）

2023年08月10日

评论数（0）

我们以R语言的Apriori算例库中，arules包中自带的Groceries数据集为例，介绍购物篮分析的数据分层方法。

Groceries数据集来自一个现实中真实存在的欧洲超市，是其经营一个月的购物篮数据，共包含9835次交易，由169个商品完成销售，按照一个月30天计算，该超市每天平均为328笔交易，根据Groceries数据集的交易笔数、商品品类构成，应该是一家社区型小型食品超市。

从Groceries数据集提供的TOP 20商品销售列表（见下图）可以看出，前20个出现次数最多的商品都是食品，销售排行依次为全脂牛奶、蔬菜、面包、苏打水、酸奶等，也印证了这是一家小型食品超市。

    在现有的关联分析算例数据集中，Groceries数据集是目前所见最完整、最真实、且最大规模的购物篮数据，Groceries数据集代表了学术界心中的真实超市购物篮，是学习Apriori算法的最佳入门级数据集。

需要注意的是，Groceries数据集是经过整理后的超市购物篮数据 ，需要在此对Groceries数据集进行详细说明一下，否则会误导学习购物篮分析的新手。 

下表是从Groceries数据集中提取的11个购物篮数据，Items是购物篮中的商品，如citrus fruit（柑橘类水果）,semi-finished bread（半成品面包）,margarine（人造奶油）,ready soups（成品汤）等。

初次看Groceries数据集，感觉超市的真实购物篮数据就应该这样，但当有了真实的超市购物篮分析经验后，会发现Groceries购物篮数据中暗藏的陷阱。

一家每天可以卖到300多笔交易的超市，怎么可以只靠169个商品完成的？

一家7-11便利店，每天的800-1000笔交易，是靠2000-3000个商品完成的。

如果仔细研究一下下表购物篮数据中的商品名称（Items）后，会恍然大悟：原来Groceries数据集的商品项目做了品类升级处理！

	Items
1	{citrus fruit,semi-finished bread,margarine,ready soups}
2	{tropical fruit,yogurt,coffee}
3	{whole milk}
4	{pip fruit,yogurt,cream cheese ,meat spreads}
5	{other vegetables,whole milk,condensed milk,long life bakery product}
6	{whole milk,butter,yogurt,rice,abrasive cleaner}
7	{rolls/buns}
8	{other vegetables,UHT-milk,rolls/buns,bottled beer,liquor (appetizer)}
9	{pot plants}
10	{whole milk,cereals}
11	{tropical fruit,other vegetables,white bread,bottled water,chocolate}

                                                       表Groceries购物篮商品列表

比如第一个购物篮中的有citrus fruit（柑橘类水果）,semi-finished bread（半成品面包）,margarine（人造奶油）,ready soups（成品汤类）四个商品，其实都不是具体商品，而是上升到了上一级商品品类。

citrus fruit（柑橘类水果）是一个品类，这个品类可能有3-5个商品，对应了3-5个不同售价的柑橘类水果。

semi-finished bread（半成品面包）,margarine（人造奶油）,ready soups（成品汤）不是三个商品，而是各自对应了5-10种半成品面包、人造奶油、成品汤等商品单品，是三个品类的名称。

因此Groceries数据集中的169个商品是商品的细分品类，应该对应了1000-2000个具体的真实商品。

Groceries数据集将1000-2000个商品简化为169个商品品类，购物篮中的商品做了品类升级处理，简化了商品的品类层级维度，聚焦到商品品类，便于学习数据挖掘算法，简化购物篮分析的入门难度。

但在现实中，可以看到大量超市购物篮分析的案例，都是直接把超市的购物篮数据拿过来，直接上手分析，这样会带来很多问题。

下表来自于一个真实南方超市的交易数据，表中共有8个购物篮，购物篮中商品是真实超市售卖的商品，该超市经营面积大致在1500平米，属于标准超市，主营商品以生鲜为主，经营商品在5000个左右，每天交易笔数在2000-2500笔左右。

                                                          某超市购物篮的商品项集

上表省略了商品编码、包装规格、销售价格、销售金额等项目，商品名称采取了简写，便于打印在收银小票上，而商品名称不代表商品的唯一性，如二个商品名称都是东北大米，包装规格都是5公斤，但是销售价格不一致，因此是二个商品。

如果把上面的购物篮数据直接进行分析，会就掉进关联分析的层级陷阱中。

这是因为真实购物篮中的商品层级太低了，直接拿某一个具体的猪前腿作为分析对象，关联商品就会混杂在几千个购物篮中，即使找到了关联商品，商品之间关联指标也会被稀释，淹没在庞大的购物篮数据中。

如果进行品类升层处理，如同上面的Groceries数据集一样，将几千个商品升级为100-200个商品品类（小品类），这样构成的购物篮数据才有可能方便地挖掘出商品之间的关联关系。

因此在对上述的购物篮数据进行分析时，可以将东北大米升级为大米品类，其他商品也同样上升一级品类，比如分别升级为糖、蔬菜、鸡蛋、猪肉等，这样可以使得关联规则更加聚焦。

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。