CHAPTER9MarketBasketAnalysisandAssociationRules购.ppt

資料庫行銷 CHAPTER 9 Market Basket Analysis and Association Rules購物籃分析與關聯規則 吳欣潔 張啟帆 國立中興大學行銷研究所 前言 前言 購物籃分析的主要資料來源是零售業，藉由分析銷售點(Point-of-Sale)的資料，以找出哪些商品會一起售出的規則。其中最常使用的方法是關聯規則(Association Rules)。 除了零售業外，購物籃分析也可以應用在其他領域： 信用卡消費 電話使用者的附加功能 消費者的常用銀行服務 保險配套方式 醫院病患的歷史資料 購物籃分析資料架構 訂單(orders)的基本衡量方式 每個顧客的平均有多少order 每一個order的平均有多少品項 每一個order的平均有多少特殊品項 針對某產品，曾購買這項產品的顧客佔多少比例 針對某產品，曾購買這項產品的顧客平均會購買幾次 針對某產品，這項產品被購買時的平均數量 圖 9.3 訂單特性 品項的受歡迎程度 要用存貨曲線來找出最受歡迎的商品並不難，不過，只知道商品的銷售量是不夠的，下面還有幾個相關的問題： 在one-item order中，最受歡迎的品項是什麼？ 在multi-item order中，最受歡迎的品項是什麼？ 在重覆購買的顧客心中，最受歡迎的品項是什麼？ 特定品項的受歡迎程度如何隨時間改變？ 某一品項的受歡迎程度如何隨區域改變？ 追蹤行銷干擾事件 利用用途將產品分群 通常還有很多關於產品的敘述性的資料，例如衣服的顏色等，這些資料可以幫助產品的分級，還能類似解決以下的問題 瘦身產品是否傾向一起賣出？ 消費者是否同時會買類似顏色的衣服？ 買有框的明信片的消費者是否會同時買其他產品？ 利用用途將產品分群(圖 9.6) 關聯規則(Association Rule) 購物籃分析會找出應該放在一起的產品或服務。利用關聯規則找到的結果很清楚，但卻未必有用。以下是關聯規則的三種典型例子。 可行的規則(Actionable Rule) 明顯的規則(Trivial Rule) 無法解釋的規則(Inexplicable Rule) 可行的規則(Actionable Rules) 有用的規則必須包含高品質的，可行的資訊。業者一旦找到模式，必須要能夠配合這個模式來調整。 Ex1.芭比娃娃與糖果條 Ex2.尿布與啤酒 明顯的規則(Trivial Rules) 明顯的規則可能在該行業中都已經知道了，在行銷上沒有太大的價值。 Ex.維修協定與大型家電用品 Ex.油漆與油漆刷 無法解釋的規則(Inexplicable Rule) 這種規則似乎沒有任何原因，也無法作為行銷活動的參考，可以只是某個時空下的一種巧合。 Ex.五金賣場開幕時，銷售最好的是馬桶清潔劑 關聯規則的運作方式 信心水準(Degree of Confidence) 「if蘇打飲料，then柳橙汁」 信心水準=67%(2/3) 「if柳橙汁，then蘇打飲料」 信心水準=50%(2/4) 增益(Improvement/Lift) 「if蘇打飲料，then柳橙汁」 lift=0.83 (0.67/0.8) 「if柳橙汁，then蘇打飲料」 lift=0.83 (0.5/0.6) 一般來說，lift 1的模式才有行銷上的價值。 建立關聯規則 基本步驟(圖9.9) 決定商品的集合與等級 例：pizza是一個商品還是配料商品？ 計算商品的機率和聯合機率，也許限制在交易佔有率超過某一門檻的商品 分析機率來決定規則 例：如果蘑菇，則義大利辣味香腸 圖9.9 建立關聯規則 注意事項 選擇正確的項目組合 從矩陣中的數字產生規則 克服龐大資料帶來的現實限制 選擇正確的項目組合(1) 用來找出關聯規則的資料，通常來自銷售點(point of sale)中的詳細交易資料 選什麼資料、蒐集和運用這些資料，對購物籃分析是很重要的部份 特殊的物件由什麼組成，是視各行業的需要而定 例：雜貨店 VS. 披薩店 表9.3 表9.4 選擇正確的項目組合(2) 我們感興趣的商品是會隨時間而改變的 問題：想用過去的資料分析時，不同的層級無法一起分析 選擇適當的精細程度是這個分析的關鍵 選擇正確的項目組合(3) 產品階層(Product Hierarchies)可幫助歸納商品 在現實生活中，每件產品都有自己的生產和倉儲序號(stock-keeping unit, SKUs)，也就是產品階層或分類學(taxonomy)《圖9.10》 要用怎樣的分類階層才最適合？ 圖9.10 選擇正確的項目組合(4) 產品階層可幫助歸納商品 要考慮的組合隨著分析商品數量的增加