老高的购物篮分析
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：143
总访问量：223886
关联分析的核心算法--Apriori算法的指标体系及实例
2023年08月21日
评论数（0）Apriori算法生成的关联规则包含三个指标：支持度（Support）、置信度（Confidemce）、提升度（Lift），一般使用支持度-置信度二个指标判断事务之间关联关系的强弱，因此也被称为支持度-置信度框架（Support-Confidence Framework）。
如何判断一个购物篮数据集合中，那些商品之间是强关联、那些是弱关联，Apriori算法方法是，对于支持度和置信度都设置一个最小值，即设置一个筛选条件（阈值），以此判断事务之间关联关系的强弱，对于上面的5个购物篮，可以设置支持度最小值为30%，置信度的最小值为50%，那么{苹果、牛奶}的关联关系就是强，其他的都是弱，可以予以忽略。
Apriori算法指标案例：
Apriori算法产生后，不断有国外零售企业尝试使用，对卖场中的关联关系进行描述，下面就是几个实际案例。
案例1：某超市的熟食、面包、肉类三种商品品类之间关联关系表；
表3-1为某超市使用的熟食、面包、肉类的关联关系表，这个报表中采取了标准的Apriori算法指标，即支持度（Support）、置信度（Confidence）及提高度（Lift）3个指标，表格中的“—〉”符号指明了商品之间关联关系的方向，即从表格左侧到右侧的方向，左侧代表主分析的商品，右侧代表被关联的商品。
在这个报表中重点指标是提高度（Lift），该超市认为，如果这个数字大于20%，就可以认为这两个商品之间的关联关系是比较强的。
表3-1：某超市商品品类关联关系分析表
以第一行数据为例，表示顾客购买熟食时，有8.33%的客户会同时购买面包，这个比例很少，因此可以认为买熟食的客户只有很少的比例会购买面包。
第二行数据表示在顾客购买面包时，会有33%的顾客同时购买熟食，这里的提升度指标也很高，达到了33%，因此可以认为这条关联关系具有商业价值，熟食与面包的关联关系方向性很强，这是代表了不同的消费行为。
第三行数据显示有40%的顾客在购买熟食后，会去买肉类商品。
表格中的第九行数据指示肉类和面包，与熟食的关联关系较强。
案例2：为什么超市中的青椒、黄椒和红椒要分开陈列？
国外某超市对青椒、红椒、黄椒三个蔬菜与香蕉的商品关联关系进行了分析，分析结果见表3-2，该报表运用了三个指标，用以表示青椒、红椒、黄椒与香蕉的商品关联关系。
表3-2：关联关系三项指标分析示例
表3-2中的三种椒类与香蕉的关联指标表明，青椒、红椒、黄椒与香蕉的置信度分布为85.96%、89.47%,73.09%，说明这三个商品与香蕉出现在同一个购物篮的概率非常高，而三个商品与香蕉的提高度分别为137%、143%、117%，，这三个提升度数据均大于100%，代表这三个商品与香蕉之间具有很强的关联关系，除了黄椒有些偏低外，其他指标基本相近，而且很平均，说明三种椒类商品与香蕉的关联关系基本一致，购买青椒、红椒、黄椒的客户中大多数都购买了香蕉，因此香蕉是主要的被关联商品，从这个意义上讲，对于该超市来说香蕉是一个非常关键的商品，在任何时候都不得缺货，否则会造成青椒、黄椒、红椒的关联销售损失。
青椒是本地产品，价格比较便宜，因此面向的是一些低收入客户群体，而红椒、黄椒是进口的，因此红椒、黄椒比较贵，面向的是一些高收入客户群体。
高收入客户、低收入客户都需要香蕉，这是两类客户群体需求相同的地方，不同的地方在于他们需要的椒类档次不同，如果把这些商品摆放在同一个摊位上，我们可以想象一下，高收入阶层与低收入阶层的客户在同时一个摊位挑选青椒、红椒、黄椒和香蕉，会出现什么情况？如同羊群中闯入了骆驼，估计会谁看谁也不顺眼，搞不好会形成客户群体之间的冲突，这时高收入客户群体会加速购物、或者放弃购物。
因此该超市可以重新摆放位置，按照国内商品区域放置青椒、进口食品区域摆放红椒、黄椒，香蕉可以单独摆放、也可以同时在两边摆放香蕉，这样把2个客户群体分开购物，使这两个客户群体各自轻松选择自己需要的商品，互相不影响。