R语言商务数据分析实战第2章-商品零售购物篮分析.pptVIP

大数据，成就未来 * 大数据挖掘专家 * 大数据挖掘专家 大数据，成就未来 * 大数据挖掘专家 * 大数据挖掘专家 大数据，成就未来 目录 现代商品种类繁多，顾客往往会由于需要购买的商品众多而变得疲于选择，且顾客并不会因为商品选择丰富而选择购买更多的商品。 分析商品零售企业现状 例如，货架上有可口可乐和百事可乐，若顾客需要选购可乐若干，或许会同时购买两种可乐，但是购买可乐的数量大多数情况下不会因为品牌数量增加而增加。 繁杂的选购过程往往会给顾客疲惫的购物体验。 分析商品零售企业现状 对于某些商品，顾客会选择同时购买，如面包与牛奶、薯片与可乐等，当面包与牛奶或者薯片与可乐分布在商场的两侧，且距离十分遥远时，顾客购买的欲望就会减少，在时间紧迫的情况下顾客甚至会放弃购买某些计划购买的商品。相反，把牛奶与面包摆放在相邻的位置，既给顾客提供便利，提升购物体验，又提高顾客购买的概率，达到了促销的目的。 许多商场以打折方式作为主要促销手段，以更少的利润为代价获得更高的销量。 分析商品零售企业现状 打折往往会使顾客增加原计划购买商品的数量，对于原计划不打算购买且不必要的商品，打折的吸引力远远不足。 而正确的商品摆放却能提醒顾客购买某些必需品，甚至吸引他们购买感兴趣的商品。 ID Goods 1 柑橘类水果 1 人造黄油 1 即食汤 1 半成品面包 2 咖啡 2 热带水果 2 酸奶 3 全脂牛奶 4 奶油乳酪 4 肉蔓 了解某商品零售企业基本数据情况 某商品零售企业共收集了9835个购物篮的数据，其中包含169个不同的商品类别，售出商品总数为43367件。其数据示例如表所示。 分析商品热销情况和商品结构。 分析商品之间的关联性。 根据分析结果给出销售建议。 案例目标 综合商品零售行业现状，该商品零售企业提供的数据，本案例需要完成以下分析目标。 熟悉购物篮分析的步骤与流程 目录 商品名称 销量 销量占比 全脂牛奶 2513 0.057947287 其他蔬菜 1903 0.043881292 面包卷 1809 0.041713745 苏打 1715 0.039546199 酸奶 1372 0.031636959 瓶装水 1087 0.025065142 根茎类蔬菜 1072 0.024719257 热带水果 1032 0.023796896 购物袋 969 0.022344179 香肠 924 0.021306523 分析热销商品 针对原始数据中不同商品销量进行统计，结果如表所示。 全脂牛奶销售量最高，销量为2513件，占比5.795%。 其余热销商品还有其他蔬菜销量1903件，占比4.388%。 面包卷销量1809件，占比4.171%。 苏打销量1715件，占比3.955%。酸奶销量1372件，占比3.164%等。 前20种商品销量占据的比例约为50%，基本符合“二八定律”。 销量排行前10商品的销量及其占比 对每一类商品的热销程度进行分析，有利于商家制定商品在货架的摆放策略和位置。若是某类商品较为热销，它的摆放位置可以有如下选择。 可以把此类商品摆放到商场的中心位置，方便顾客选购。 或者把此类商品摆放到商场深处位置，使顾客在购买热销商品前经过非热销商品，增加在非热销商品处的停留时间，促进非热销产品的销量。 分析商品结构 商品类别 销量 销量占比 非酒精饮料 7594 0.175442 西点 7192 0.166155 果蔬 7146 0.165092 米粮调料 5185 0.119787 百货 5141 0.118771 肉类 4870 0.11251 酒精饮料 2287 0.052836 食品类 1870 0.043202 零食 1459 0.033707 熟食 541 0.012499 分析商品结构 原始数据中的商品本身已经过归类处理，但是部分商品还是存在一定的重叠，故再次对其进行归类处理。归类后每一类的商品占据的比例如表所示，并根据表中数据作商品结构分析图。 商品结构分析图 归类后每一类的商品占据的比例 商品类别 销量 销量占比 全脂牛奶 2513 0.330919 苏打 1715 0.225836 瓶装水 1087 0.143139 水果/蔬菜汁 711 0.093627 咖啡 571 0.075191 超高温杀菌的牛奶 329 0.043324 其他饮料 279 0.03674 一般饮料 256 0.033711 速溶咖啡 73 0.009613 茶 38 0.005004 可可饮料 22 0.002897 分析商品结构 进一步查看销量第一的非酒精饮料类商品的内部商品结构，统计商品销量占比如表所示。 目录 关联规则算法主要用于寻找数据中项集之间的关联关系，基于样本的统计规律，进行关联规则分析。根据所分析的关联关系，可从