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：187
总访问量：204204
序列关联以及在零售业的应用（二）
2023年12月13日
评论数（0）三、序列关联模式的数据源、处理方式及算法思路
零售序列关联分析的数据源依然是购物篮数据，在进行序列关联分析时，需要对购物篮数据进行如下处理：
1、简单序列的购物篮数据处理：一般认为购物篮中商品排列顺序就是简单序列，而Apriori算法中的购物篮数据是有着严格的前后顺序，即所谓“前件（antecedent）”、“后件（consequent）”之分，这是因为关联关系具有方向性，比如购物篮{全脂牛奶、面包}，将商品顺序颠倒过来，关联关系也会发生变化。
在进行购物篮分析时，需要明确商品的前后顺序，那么，可以按照销售小票中的商品顺序作为商品的序列吗？
答案是不能！购物篮分析的商品序列不能来自于POS产生的销售小票，即使销售小票中商品数据有前后时间戳也不行，因为交易小票的商品顺序来自于收银员拿起商品、进行条码扫描的顺序，这个顺序完全是随意的。
比如有一个购物篮数据，其商品序列为{啤酒，熟食，牛奶，厨房用品}，这样的商品顺序完全是随机的，不能作为前件、后件区分的依据。
此时可以试试这种方法，即根据卖场的动线设计，比如卖场出入口、主通道、货架的区域分布，重新组织购物篮的序列数据。
我们假定有3个购物篮的商品构成为：
{啤酒、熟食、牛奶、厨房用品}；
{牛奶、熟食}；
{啤酒、熟食}；
该卖场区域动线设计思路是，从大门口进来，经过主通道来的不同货架区域、最终到收银台，其动线设计思路顺序为：厨房用品->熟食->啤酒->牛奶；
因此可以将上述三个购物篮重新组合后的简单序列为：
{厨房用品、熟食、啤酒、牛奶}；
{熟食、牛奶}；
{熟食、啤酒}；
经过重新组合的购物篮数据具有了简单序列模式，对应了顾客购物行为的序列模式，此时就可以采取Apriori进行序列关联规则数据挖掘。
2、严格时间序列的购物篮数据处理：当交易数据可以定位到单体顾客时，可以将顾客的购物篮数据转化为购买行为序列数据，购买行为数据具有时间属性，时间属性来自于订单形成时间，订单的时间属性可以直接继承给购物篮中的商品数据。
比如表4-5顾客购物篮数据
表4-5 顾客时间序列购买数据
整理后的顾客购买行为序列数据为表4-6：
表4-6 顾客购买序列数据
3、序列关联模式的分析方法
简单序列分析方法：
零售简单关联序列分析方法，与传统的购物篮分析基本一致，首先需要组织商品的购物篮序列数据，在给定的购物篮序列数据集合中，根据用户指定的最小阈值，找出大于或等于阈值的所有序列，以此挖掘商品序列关联模式。
比如下面的三个购物篮中，找出大于60%支持度的频繁模式：
{厨房用品、熟食、啤酒、牛奶}；
{熟食、牛奶}；
{熟食、啤酒}；
我们可以看到，熟食=>啤酒、熟食=>牛奶的支持度都满足这个条件。
时间序列关联模式的挖掘方法：
在当今数据分析界，对于时间序列关联数据挖掘方法，基本思路依然是基于Apriori算法，即使交易数据具有时间属性，时间属性也只是用来对交易数据的前后排序，比如上述表4-5的顾客购买序列数据，寻找支持度在40%以上的序列模式，有如下的序列关联关系存在：（A),(H),(E,G);
四、时间序列分析与复购周期：
零售业存在着消费者的周期性购买行为（Purchasing Cycles），这种周期性行为是由商品品类的购买周期决定，每个品类的购买周期都不同，生鲜食品购买周期最短、其次是母婴用品、日用品、服装、家电商品等。
商品购买周期越短，对应的顾客复购率越高，反之顾客的复购率越低。
某超市研究发现，对于生鲜品类的购买频次，每个家庭每周大约是5.02次，但购买频次跟住户家的距离远近有关系，例如到稍微远一点的社区店购买频次，平均每周是3.61次。
零售业有个共识，要选择复购率低的商品加大品类布局、选择高复购率的商品进行促销。
商品的购买周期会体现为一种典型的时间序列模式，通过对顾客群体的购物篮商品序列进行分析，可以甄别消费者行为周期、找出消费者的复购规律，适时对顾客群体进行促销，从而达到提升复购率的目的。
对于特定顾客群体的购买行为序列分析，不能局限于单次购物，必须放在一个较长的周期内。
每个商品都会有相对稳定的购买周期，会表现为一定天数的时间间隔，对顾客手中购物篮进行较长周期的购买行为序列挖掘，可以找出这些商品的购买周期，根据这些购买周期，可以提前布局、在周期临近时组织商品促销。
即使是同一个商品，不同的包装规格会导致复购的周期不同，将商品的大包装改为小包装也是改变消费周期的方法，日本人早就发现，大包装的商品由于使用周期长、会导致复购率下降，而小包装商品会加速商品的复购周期，而小包装商品更容易形成关联购买。
在对消费者的购买时间序列进行分析时，会发现有不同购买周期的商品，这些商品在顾客的购物篮中存在着关联关系，对于具有关联关系的不同购买周期的商品，如何组织促销？
这个问题涉及了商品组合的购买周期，此时会选择短周期的商品作为促销品，这样可以提高顾客的复购率。
根据某些商品的购买周期，可以制定合适的促销策略，在欧美超市对食品类商品（比如鸡蛋、面包等），提前一周发放促销优惠卷，激励消费者到期购买此类商品，周期促销手段获得了很好的效果。
在零售门店中，果蔬类、肉类、水产、禽蛋是短周期商品，而调料、食用油的购买周期会稍长，而这些商品之间都存在着关联关系，常规做法是以短周期商品为引流产品、促使与长周期商品形成较高质量的购物篮。
在复购周期快到的时候，促销选品应该从关联商品（互补商品）中选择一个进行促销，如鸡蛋和蒸蛋器、啤酒和下酒菜，对于超期未复购的客户，通过精准营销系统（比如发放DM单等促销信息）进行复购引导；
组织促销时，可以结合商品关联表，对于具有相同购买周期的关联商品，可以选择其中的一个商品组织促销，比如，椰黄包与三全水饺的关联度很高，当三全水饺有活动时，则通知购买了椰黄包30天左右的顾客。
新品上市的时候，可以推荐处于类似商品复购周期的客户体验购买。
如何计算商品的复购周期？
商品的购买周期从顾客购买之日起算，至顾客下一次购买的时间差，对于特定顾客群体会按照平均值计算，表4-7为某超市的商品复购分析。
表4-7 某超市的商品复购行为分析