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。