小談關(guān)聯(lián)規(guī)則的指標(biāo)應(yīng)用

你對關(guān)聯(lián)規(guī)則知道多少呢？本文從概念和基本指標(biāo)說起，向你介紹一些指標(biāo)應(yīng)用的方法。

關(guān)聯(lián)規(guī)則是產(chǎn)品推薦中最常用的算法之一，簡單地說，就是通過客戶的歷史購買信息，挖掘出客戶在所有產(chǎn)品間按照某種順序進(jìn)行選擇的可能性。然而，關(guān)聯(lián)規(guī)則中的常用度量指標(biāo)并不唯一，三四個(gè)指標(biāo)相互聯(lián)系，如何進(jìn)行合理的排列組合、找出值得向客戶推薦的產(chǎn)品呢？我們將從簡化的實(shí)際場景跟大家探討一下究竟如何應(yīng)用這些指標(biāo)去做產(chǎn)品推薦。

首先，我們先來了解一下關(guān)聯(lián)規(guī)則中所涉及到的一些指標(biāo)：

1. 產(chǎn)品的期望概率

產(chǎn)品期望概率就是對于任意一個(gè)客戶來說，購買某一產(chǎn)品的可能性。

如果我們現(xiàn)在有兩個(gè)產(chǎn)品A和B，那么A、B的期望概率就是所有客戶中購買了產(chǎn)品A或者產(chǎn)品B的比例，也就是P(A)和P(B)。

2. 產(chǎn)品的置信度和支持度

置信度是用來衡量客戶在選擇一個(gè)產(chǎn)品（即前項(xiàng)產(chǎn)品）后，又選擇另一個(gè)產(chǎn)品（即后項(xiàng)產(chǎn)品）的可能性。比如，我們想知道有多少客戶選擇了A之后又選擇了B，其實(shí)就是統(tǒng)計(jì)學(xué)中條件概率，表達(dá)式為：

P(B|A)=P(A,B)/P(A)

分母中P(A,B)的意思為同時(shí)選擇A、B的概率，也就是關(guān)聯(lián)規(guī)則中的支持度。從公式中，我們可以看出，置信度就是支持度與產(chǎn)品A（前項(xiàng)產(chǎn)品）期望概率的比值。

3. 產(chǎn)品的提升度

那么，是不是產(chǎn)品的置信度越高，我們就越應(yīng)該給買了產(chǎn)品A的客戶推薦產(chǎn)品B呢？

答案并非如此。舉個(gè)例子來說，如果產(chǎn)品B是一個(gè)特別大眾的產(chǎn)品，幾乎所有客戶都會購買，而產(chǎn)品A卻是一種小眾產(chǎn)品，只有一小撮人會購買，那么，置信度

P(B|A)=P(A,B)/P(A)

會無限接近于1，相應(yīng)的支持度也會很高。也就是說，雖然購買了產(chǎn)品B客戶客幾乎都會購買產(chǎn)品A，但產(chǎn)品B的高購買率并非受益于產(chǎn)品A，不是因?yàn)榭蛻粝荣徺I了產(chǎn)品A帶來的提升。

所以，為了測量先購買某一產(chǎn)品對另一產(chǎn)品購買度的提升比例，關(guān)聯(lián)規(guī)則中提出了提升度這一指標(biāo)，表達(dá)式為置信度與后項(xiàng)產(chǎn)品期望概率的比值，即

P(B|A)/P(B)=P(A,B)/(P(A)*P(B))

只有當(dāng)提升度大于1，才能說明購買過產(chǎn)品A的客戶比任意一個(gè)客戶有更高可能性去購買產(chǎn)品B，才有推薦的必要性。

通常在關(guān)聯(lián)規(guī)則中，我們會采用Apriori算法去計(jì)算以上指標(biāo)，篇幅所限，具體算法就不再細(xì)說了，感興趣的讀者可以尋找相關(guān)資料。下面就展示一個(gè)通過算法得到的規(guī)則表吧，來看看業(yè)務(wù)中會用到的信息究竟長什么樣吧：

需要注意的是，在算法中我們已經(jīng)自行排除了一些出現(xiàn)概率較低的規(guī)則，一般會將產(chǎn)品同時(shí)發(fā)生率和置信度根據(jù)數(shù)據(jù)本身的情況設(shè)定一個(gè)閾值。

但是，有了以上幾個(gè)指標(biāo)數(shù)據(jù)之后，我們又要如何給客戶進(jìn)行產(chǎn)品推薦呢？實(shí)際應(yīng)用中，我們可以從兩個(gè)方向出發(fā)：

1. 以規(guī)則為導(dǎo)向

舉個(gè)例子，現(xiàn)在有一個(gè)客戶進(jìn)入店中，我們通過歷史信息知道了他曾經(jīng)購買過何種產(chǎn)品，接下來我們要如何給他做推薦呢？

以規(guī)則為導(dǎo)向的意思是說，通過篩選購買前項(xiàng)產(chǎn)品的客戶群，來推薦其購買右邊的產(chǎn)品。這里其實(shí)需要解決兩個(gè)問題，一是客戶購買了多種產(chǎn)品，那要針對哪一種種前項(xiàng)產(chǎn)品做推薦呢？二是對于同一前項(xiàng)產(chǎn)品，又該推薦何種后項(xiàng)產(chǎn)品呢？

解決這兩個(gè)問題也就是要解決兩個(gè)順序，即前項(xiàng)產(chǎn)品的推薦排序和相同前項(xiàng)產(chǎn)品下的后項(xiàng)產(chǎn)品排序。前項(xiàng)產(chǎn)品推薦排序方面，建議以前項(xiàng)產(chǎn)品的期望概率出發(fā)，從大到小進(jìn)行排序。當(dāng)確定了前項(xiàng)產(chǎn)品后，推薦后項(xiàng)產(chǎn)品的順序則應(yīng)該綜合考慮提升度和置信度。由于提升度的大小是由置信度（分母）和后項(xiàng)期望概率（分子）的比值決定，所以會存在由于后項(xiàng)期望概率（分子）過小、而導(dǎo)致提升度反而比較大的情況。因此，在后項(xiàng)推薦的時(shí)候，如果一定要有個(gè)先后順序，則是先篩選出提升度大于1的規(guī)則，隨后再根據(jù)置信度的大小進(jìn)行排序。

2. 以產(chǎn)品為導(dǎo)向

以產(chǎn)品為導(dǎo)向，意味著你有一款待銷的產(chǎn)品，需要通過回溯規(guī)則的左邊，找到最有可能購買的客戶。這種情況下，我們已經(jīng)確定了后項(xiàng)期望概率，就可以同樣通過提升度大于1的規(guī)則，隨后在根據(jù)置信度的大小進(jìn)行排序，找到推薦關(guān)系比較強(qiáng)的產(chǎn)品的購買者。

以上簡單介紹了關(guān)聯(lián)規(guī)則在實(shí)際場景中的指標(biāo)應(yīng)用問題，希望對大家能夠有所啟發(fā)。當(dāng)然，關(guān)聯(lián)規(guī)則使用中，有些還會結(jié)合分群客戶協(xié)同過濾的方法，有機(jī)會再和大家詳細(xì)聊聊。數(shù)據(jù)分析培訓(xùn)