学生：,学号:,超市商品购买关联分析,研究背景,分析思路,2、关联分析,3、关联算法介绍,4、关联结果及应用,1、数据准备,通过分析商品之间的潜在联系和顾客可能会购买的商品，进行商品布局优化、促销方案设计和快速商品推荐。,一、数据准备,从超市结账记录数据库中，选取某日顾客商品购买明细，对顾客的购买习惯进行分析。,上图是按照顾客购买商品条目来记录的，为了进行关联分析需要把数据变为每行代表一个顾客的购买行为，用T表示购买，F表示未购买，这种数据结构的变化在IBM SPSS Modeler中可用两个节点来实现。,二、关联分析,在设置为标志节点中，把各商品的取值设为数据集的列，对每个客户进行汇总，故把会员ID选为汇总关键字。通过“设为标志”节点把数据结构进行了转化，然后加入“过滤”节点，把变量名称进行修正。,转化后的数据结构图,我们针对顾客的购买习惯进行图像分析，观测商品之间的购买联系，网络图节点用以分析事件同时出现的潜在关联。,网络图节点的设置,三、关联算法介绍,Apriori关联规则,Apriori是一种关联规则发现方法，侧重于找出数据库中某些特定事件一起发生的情况，以找出那些可信的并且具有代表性的规则。此算法可以分为两步:第一步是识别所有的频繁集，第二步是从频繁集中构造规则。,商品购买关联分析,上图是根据数据中各商品的关联程度所绘制的网络图，在此图中，各商品显示为一个点，各点之间用线段来链接。其中线段的粗细程度由商品被同时购买的频数所决定，频数越高，连线越粗。,由图可见，啤酒、冻肉和罐装蔬菜被划分成一个商品组，葡萄酒和甜食划分成一个商品组，鱼和蔬菜水果被划分成一个商品组。这几个商品组合容易被顾客同时购买，说明这几个商品组合具有潜在联系。,四、关联结果及应用,关联规则结果的指标参数介绍： 支持度%：显示条件支持度，即其条件为真的ID在训练数据中的比例。 置信度：显示规则支持度与条件支持度的比。,以第一行为例，由图可知，对已经购买了啤酒和罐装蔬菜的顾客来说，他们可能会继续购买冻肉。采用此规则向客户推荐冻肉比随机推荐其他商品更有优势。,利用关联模型，可以对会员进行商品推荐。在计算出关联模型后得到如下图所示结果，如对会员ID为24864的顾客，可以推荐啤酒，推荐的把握程度是0.844。,从图可以发现，只有少部分顾客可以继续推荐商品，而大部分顾客没有可以推荐的项目，这是由于找出的关联规则较少造成的。在建模的时候没有对模型参数进行设定，在Apriori模型的默认设置中最低条件支持度为10%，最小规则置信度为80%。本例中，为了更多推荐商品，可适当调整模型参数。,调整参数后关联规则结果图：,关联规则结果应用图：,结果应用,1、优化商品布局：通过网络图能够分析出有些商品很容易被同时购买，在摆放时应尽量靠近一些。当顾客购买某一商品时，方便购买其他关联商品，也会产生购买冲动。,2、设计促销方案：依据商品关联分析，通过促销方案相应的优惠措施，更容易吸引顾客。,3、快速推荐商品：根据顾客购买的商品，可以推荐顾客还可能购买的商品。,谢谢,Thank you,2013年11月6日,