在大数据时代，各行各业每天都在不断地产生着大量各色各样的数据。对这些数据进行有效的挖掘，能够促进企业更好更精准的发展。这些数据能够帮助我们更精准地了解用户，从而制定出更贴合用户的运营策略，提升用户在平台的使用体验。购物篮分析是数据挖掘技术在零售业的典型应用之一，旨在从零售记录中分析出顾客经常同时购买的商品的组合，挖掘出购物篮中有价值的信息。
一、背景
关联规则就是从一种行为中发现与之相关联的另一种行为，即A→B，并用一定的概率度加以保证。关联规则广泛的应用在零售业、金融业和互联网行业。最典型的运用是购物篮分析，挖掘一般顾客在购买X产品的同时还会购买其他什么产品，于是制定相应营销策略，进行捆绑销售，增加销售量。又如金融业中，预测银行客户需求，如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。电子购物网站也使用关联规则进行挖掘，一些购物网站使用关联规则设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
二、重要概念和原理
首先我们来看，什么是规则？规则形如"如果…那么…(If…Then…)",前者为条件，后者为结果。例如一个顾客，如果买了牙刷，那么他也会购买牙膏。
如何来度量一个规则是否足够好？有两个量，置信度(Confidence)和支持度(Support)。
举个例子。假设有10000个订单，其中购买了A产品的订单数是1000单，购买了B产品的订单数是2000单，同时购买了A产品和B产品的订单数是800单。
支持度（support）：
简单的字面理解就是支持的程度。在所有的事务中同时出现A和B的概率，即P(AB)。支持度揭示了A和B同时出现的频率，如果A和B一起出现的频率非常小，那么就说明了A和B之间的联系并不大;但若一起出现的频率非常频繁，那么A和B总是相关联的知识也许已经成为常识而存在了。因此，上面例子的支持度就是：800/10000*100%=8%。
置信度（confidence）：
置信度也称为可靠度，置信度表示了这条规则有多大程度上值得可信。所有事务中，在A出现的情况下B出现的概率，即P(B|A)，P(B|A)=P(AB)/P(A)。因此，上面例子的置信度就是：P(AB)=8%,P(A)=1000/10000*100%=10%,P(B|A)=8%/10%=80%
置信度揭示了B出现时，A是否一定会出现，如果出现则其大概有多大的可能出现。如果置信度为100%,则说明了B出现时，A一定出现。那么，对这种情况而言，假设A和B是市场上的两种商品，就没有理由不进行捆绑销售了。如果置信度太低，那么就会产生这样的疑问，A和B关系并不大，也许与B关联的并不是A。
三、目的
购物篮分析 (market basket analysis)的目的在于在一个数据集中找出项之间的关联关系。例如，购买鞋的顾客，有10%的可能也会买袜子，60%的买面包的顾客，也会买牛奶。这其中最有名的例子就是"尿布和啤酒"的故事了。
四、应用
购物篮分析的主要应用如下：
①电商：
个性化推荐：在界面上给用户推荐相关商品
组合优惠券：给购买过得用户发放同时购买组合内商品的优惠券
捆绑销售：将相关商品组合起来销售
②超市
商品配置分析：哪些商品可以一起购买,关联商品如何陈列/促销
客户需求分析：分析顾客的购买习惯/顾客购买商品的时间/地点等
销售趋势分析：利用数据仓库对品种和库存的趋势进行分析,选定需要补充的商品,研究顾客购买趋势,分析季节性购买模式,确定降价商品
帮助供应商改进老产品及开发新品：通过购物篮分析,根据客户的需求,开发新的产品/改进老产品及产品包装
③电信与金融服务业：经由购物篮分析能够设计不同的服务组合以扩大利润；
④保险业：能藉由购物篮分析侦测出可能不寻常的投保组合并作预防。
五、案例详解
【数据源】
利用R进行购物篮分析，R中关联分析函数为arules,我们采用内置的Groceries的数据集。Groceries数据集的每一行表示一次交易记录，行中的每一列代表一个商品。将Groceries数据集导出csv，数据格式如下图1所示。
library(Matrix)
library(arules)
data(Groceries)
frequentsets=eclat(Groceries,parameter=list(support=0.05,maxlen=10))
inspect(sort(frequentsets,by="support")[1:10])#根据支持度对求得的频繁项集排序
图1 Groceries数据集格式
【数据统计】
对数据集Groceries进行描述性统计分析。输出结果如下图2所示，可从结果中提取到以下四部分有效信息：
①说明交易数据包含9835条交易记录，涉及到169种商品；
②列出了出现在购物篮中最为频繁的几种商品，如whole milk(全脂牛奶)出现在2513个交易记录中；
③列出购物篮中包含商品数量的交易条数，如有2159条交易仅购买1种商品，仅有1条交易购买32种商品；
④对购物篮中交易的商品数量进行汇总，包括五数和均值，Mean表示所有购物篮中平均含有4~5件商品；
summary(Groceries)#用summary函数对数据进行描述性统计分析
图2 描述性统计分析结果
【Apriori关联分析】
Apriori算法实现基本流程：
①选出满足支持度最小阈值的所有项集，即频繁项集；
②从频繁项集中找出满足最小置信度的所有规则。
算法用法：
apriori(data, parameter =NULL, appearance =NULL, control =NULL)
参数介绍：
data：数据；
parameter：设置参数，默认情况下parameter=list(support=0.1,confidence=0.8,maxlen=10,minlen=1,target=”rules”)
supp：支持度（support）
conf：置信度（confidence）
maxlen，minlen：每个项集所含项数的最大最小值
target：“rules”或“frequent itemsets”（输出关联规则/频繁项集）
apperence：对先决条件X（lhs），关联结果Y（rhs）中具体包含哪些项进行限制，如：设置lhs=beer，将仅输出lhs含有beer这一项的关联规则。默认情况下，所有项都将无限制出现。
control：控制函数性能，如可以设定对项集进行升序sort=1或降序sort=-1排序，是否向使用者报告进程（verbose=F/T）
算法使用：
接下来就是用apriori算法计算结果了。其实apriori算法特别好理解，就是只计算频繁集都特别高的子集。比如在我们数据集中，频繁集最高的单个商品是whole milk(全脂牛奶)，那么，在计算并集的时候，从这个商品开始入手计算。节省了运行次数和空间。
由于默认的支持度为10%，可信度为80%，对于当前的9835条交易记录来说过高，使得没有这样的交易满足这两个条件。因此，如果使用Apriori算法的默认参数设置时将产生0条规则。故需要人为调整支持度和可信度,这里不妨将支持度设置为1%，即认为某种商品在购物篮中至少出现98次，可信度设置为30%，即认为同时出现某几种商品组合的概率为30%。
rule<-apriori(data=Groceries,parameter=list(support=0.01,confidence=0.3,minlen=2))
图3 输出结果图1
rule
inspect(rule)#查看频繁规则集
图4 输出结果图2
【结果导出】
导出数据，R结果如下，可以将结果导出到Excel表中，根据support大小来排序查看更有意思的结果。
write(rule, file ="C:/Users/THINK/Desktop/finalRule.csv", sep =",",col.names = NA)
部分结果如下图5所示。
图5 最终关联规则结果图
由以上可知，如果客户购买了citrus fruit和root vegetables，那么他有59%的概率买other vegetables。
六、购物篮分析注意事项
1. 如果对于大零售超市或商场，其SKU数一般都是几十万甚至上百万，产品梳理工作是一项很痛苦的工作，但如果要从数据角度进行产品运营，建议可以开展相应的产品梳理咨询项目，通过产品梳理，形成标准化的产品梳理流程及产品目录。在对某商场的产品梳理时候，发现目前的产品体系还是漏洞百出，很多还是很不规范的。做好关联分析或数据运营，请从产品梳理工作开始。
2. 注意购买产品赠送礼品的人为因素影响规则。有些挖掘师或分析师在做出关联分析后，看到了几条提升度及置信度都很高的规则，就兴奋不已地告诉客户：我觉得产品A和产品B有很大的关联性，从数字上看，捆绑销售肯定能够取得很好的销售效果。当拿到这样的结果的时候，客户很镇定地说：“你不知道我们在某月的时候，大量开展了购买产品A即可免费赠送产品B的活动么？”。对于这个时候的挖掘师是很悲催的。在筛选关联规则的时候，必须对该企业过去一年开展的活动有了解，还必须对不同时间段的主推产品进行提前沟通，确保关联规则不受人为因素影响。
3. 注意产品之间的位置摆放是否有很大的影响。在零售大商场中，产品摆放的位置对产品关联销售会产生很大的影响的，因为关联分析就是为了更方便地让顾客找到其需要的产品，购买更多其需要的产品。人流较大的两个相隔货架之间的产品关联性比较大，在我们项目中会发现不少的这样规则。但其结果表明了货架关联性比较大，摆放在一起就肯定比较合理的。但在进行关联分析的时候，客户更希望能从其他不相隔的货架之间找出更好的关联销售机会，这决定了后期的关联规则挑选难题。
4. 注意关联推荐的规则合理性及流失成本的大小。后期的关联推荐应用于主要是三个方面：①重购：继续购买原来的产品；②升级：购买更高档次的产品；③交叉销售：购买相关的产品。如果该规则的客户本来是买了50块钱的产品的，发现关联规则里面出现了推荐其购买30块的同类型产品，这等于给客户降档推荐了，会让销售额大幅减少，销售机会白白浪费并且造成了损失，所以在进行关联推荐的时候，那些涉及到了降档的规则一定要剔除。
后记
建议大家看完文章之后，找个时间动手尝试下，这样记忆更深刻。R语言直接在官网免费下载，数据源也在R语言内。本文用到的代码文件已整合好放在数据宝典公众号内，在公众号后台发送“购物篮分析”即可获得。
欢迎前往关注数据宝典公众号，更多数据分析知识分享，以及案例总结分享~~
在数据分析道路上，学无止境，终身成长。
网友评论