
關(guān)聯(lián)規(guī)則分析怎么做?你需要知道這3大關(guān)鍵詞、4大步驟
關(guān)聯(lián)規(guī)則是反映一個事物與其他事物之間的相互依存性和關(guān)聯(lián)性,常用于實體商店或在線電商的推薦系統(tǒng):通過對顧客的購買記錄數(shù)據(jù)庫進行關(guān)聯(lián)規(guī)則挖掘,最終目的是發(fā)現(xiàn)顧客群體的購買習慣的內(nèi)在共性,例如購買產(chǎn)品A的同時也連帶購買產(chǎn)品B的概率,根據(jù)挖掘結(jié)果,調(diào)整貨架的布局陳列、設計促銷組合方案,實現(xiàn)銷量的提升,最經(jīng)典的應用案例莫過于<啤酒和尿布>。
關(guān)聯(lián)規(guī)則分析中的關(guān)鍵概念包括:支持度(Support)、置信度(Confidence)與提升度(Lift)。首先,我們簡單溫故下這3個關(guān)鍵指標:
支持度 (Support)
支持度是兩件商品(A∩B)在總銷售筆數(shù)(N)中出現(xiàn)的概率,即A與B同時被購買的概率。
公式:
例子說明:
比如某超市2016年有100w筆銷售,顧客購買可樂又購買薯片有20w筆,顧客購買可樂又購買面包有10w筆,那可樂和薯片的關(guān)聯(lián)規(guī)則的支持度是20%,可樂和面包的支持度是10%。
置信度 (Confidence)
置信度是購買A后再購買B的條件概率。簡單來說就是交集部分C在A中比例,如果比例大說明購買A的客戶很大期望會購買B商品。
公式:
例子說明:
某超市2016年可樂購買次數(shù)40w筆,購買可樂又購買了薯片是30w筆,顧客購買可樂又購買面包有10w筆,則購買可樂又會購買薯片的置信度是75%,購買可樂又購買面包的置信度是25%,這說明買可樂也會買薯片的關(guān)聯(lián)性比面包強,營銷上可以做一些組合策略銷售。
提升度 (Lift)
提升度表示先購買A對購買B的概率的提升作用,用來判斷規(guī)則是否有實際價值,即使用規(guī)則后商品在購物車中出現(xiàn)的次數(shù)是否高于商品單獨出現(xiàn)在購物車中的頻率。如果大于1說明規(guī)則有效,小于1則無效。
公式:
例子說明:
可樂和薯片的關(guān)聯(lián)規(guī)則的支持度是20%,購買可樂的支持度是3%,購買薯片的支持度是5%,則提升度是1.33>1, A-B規(guī)則對于商品B有提升效果。
理論很簡單,真正實踐起來卻會遇到種種困難,印證了那句"數(shù)據(jù)分析師的50%~80%的時間都花在了處理數(shù)據(jù)上”,例如一般POS明細是以下圖表形式展現(xiàn):
要計算支持度(Support)、置信度(Confidence)與提升度(Lift),首先需要知道Freq(A∩B)、Freq(A)、Freq(B)和總筆數(shù)數(shù)值,那么需要對商品進行排列組合。
所以,我們希望轉(zhuǎn)換成下表形式,如銷售ID=000001, 4種商品的兩兩組合(種):
若一個收銀小票(銷售ID)有30種商品,則組合數(shù)達到:
而可視化層級上還需要展現(xiàn)集團下每個分公司、每個城市、每個門店、月度、季度或者年度時間的關(guān)聯(lián)規(guī)則分析,如果用傳統(tǒng)的工具來實現(xiàn)上述分析無異于大海撈針。
下面我們就來看看在BDP中如何實現(xiàn)Apriori算法,實現(xiàn)關(guān)聯(lián)規(guī)則分析:
商品兩兩組合的初步想法是通過量化的思想對商品進行編碼,比方說可按照增序(從1開始),算出每筆銷售單最大值,求出兩者差值得到一組數(shù)組,通過數(shù)組行轉(zhuǎn)列形式實現(xiàn)2種商品兩兩組合。
圖:銷售單2種商品兩兩組合邏輯圖
操作①:
【工作表】-【創(chuàng)建合表】-【SQL創(chuàng)建】
圖:商品量化
上圖轉(zhuǎn)換成日期的形式,主要目的是為下一步的數(shù)組轉(zhuǎn)列做準備,為配合explode()函數(shù)使用。其中需要說明的是上圖[日期]字段是自定義日期,可以更改成任意日期,沒有實際日期意義。
圖:商品組合數(shù)效果
上圖主要使用的關(guān)鍵函數(shù)是FILL_DATES([日期1],[日期2]),Explode()。組合效果初顯現(xiàn),只是缺另一個商品名,然后把[下一日期]字段通過LEFT JOIN 關(guān)聯(lián)出商品B的名稱。
操作②:
【工作表】-【創(chuàng)建合表】-【多表關(guān)聯(lián)】 用于創(chuàng)建表關(guān)聯(lián) 包括(LEFT/INNER/ FULL JOIN)
圖:商品組合數(shù)實現(xiàn)
從上圖可以看到A商品和B商品兩兩組合邏輯已完成,在當前表基礎上我們已經(jīng)可以去做連帶分析內(nèi)容。
在這里,求Freq(A)和Freq(B)和總筆數(shù)數(shù)值就不祥述了,思想大致是求出所有銷售商品的A 和B商品的頻次,通過合表關(guān)聯(lián),整合到一張大表。
操作③:
【工作表】-【創(chuàng)建合表】-【追加合并】合并訂單總數(shù) ,A商品訂單數(shù),B商品訂單數(shù)和A∩B商品連帶筆數(shù)
圖:追加合并邏輯實現(xiàn)
追加合并可以把相同字段商品合并在一起,方便計算三個指標(支持度、置信度、提升度)有利于可視化展現(xiàn)。
操作④:
可視化展現(xiàn):【BDP】-【儀表盤】
圖:儀表盤全局展示
注:為了更好體現(xiàn)可視化效果,這部分的可視化展示成果并非使用上述的測試數(shù)據(jù)或某個企業(yè)數(shù)據(jù)。
制作三個圖表進行購物籃分析:
圖: TOP 20商品連帶次數(shù)
上圖反映季度連帶最高頻次商品,高聯(lián)帶商品意味著對客戶吸引力大商品粘性強,同時也可以查看不同分公司的TOP20連帶情況。根據(jù)結(jié)果我們可以合理設計促銷策略,例如買2送1等。
圖:商品組合指標
置信度高說明商品連帶緊密,說明客戶連帶意愿強,同時關(guān)注支持度,支持度高說明是需求量大,如果支持度低,置信度高其實對市場作用是有限小的。
圖:購物籃分析詳情
通過單價,支持度,置信度,提升度綜合指標來看待商品組合,發(fā)現(xiàn)高價值關(guān)聯(lián)商品,有助于提升客單價,同時也需要考慮提升度,提升度小于1,提升效果有限,可以把精力花在提升度大于1的商品組合。
同樣地,我們是否可以實現(xiàn)三種商品的組合呢?答案是顯然的,只要我們深入理解以上過程,三種商品關(guān)聯(lián)也是可以在BDP中實現(xiàn)的。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03