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
序列关联以及在零售业的应用（五）
01月24日 17:57
评论数（0）
七、卖场中的购买行为与时间序列关联
在进行卖场中顾客行为轨迹分析时，仅仅使用简单序列模式是不够的，需要加入顾客的节点时间属性、轨迹时间长度等因素，进行行为轨迹的时间序列分析。
卖场中购买行为与轨迹时间序列：在零售业有一个共识，顾客在门店停留的时间越长、购买的商品会越多，停留的时间越短、购买的商品会越少。
顾客在超市货架前停留时间大致与购买行为成正比关系，停留时间越长、可能购买的商品会越多，停留时间越短、购买商品越少、甚至可能不会购买。
上述停留时间与购买行为的比例关系是一种不精确的描述方法，但顾客在特定区域停留时间长、即使没有发生购买行为，也说明顾客对这里的商品有兴趣，至于为什么没有发生购买行为，可能是价格、包装、功能等方面与顾客的预想存在差距，导致顾客放弃购买。
零售业会采取对顾客在店铺节点的停留时间来定义顾客的消费行为，某快时尚杂货店认为，当顾客在店铺中的停留时间少于5分钟，可以认为没有发生购买行为，而当顾客在店铺中的停留时间超过20-25分钟，可以认为发生了消费行为。
总体来说，对于顾客在卖场的消费轨迹进行时间序列分析，技术层面并不存在问题，最大的问题在于如何合法合规地获得这些顾客的行为轨迹数据，在此不再过多讲述。
案例：生鲜区停留时间与购物篮质量： 某大型国际连锁零售企业为了减少顾客在门店的无效时间和提升顾客体验，在门店中增加了大量含有IOT传感器的购物车，该零售企业知道生鲜商品是提升顾客体验和保持顾客的关键商品，而生鲜商品体积较大，手持购物篮的顾客体验不佳，购物车可以改善顾客购物体验，该企业投放了大量购物车，并运用大数据及IOT传感器找出顾客在生鲜区域的游荡（loiter）时间，通过大数据发现，生鲜区域的商品越新鲜、顾客的游荡（loiter）时间就会越长、对应购物车中购买的商品就会越多。