购物篮分析模型原理

要想做好数据分析必定要理解和熟悉掌握各类数据分析模型，但大部分文章只是给你罗列出了有哪几种数据分析模型及对应理论，并未用实例来辅助说明。

很多时候这些模型都进了收藏夹吃灰，大家也没有深刻理解这种分析模型，等到下次要开始分析数据了，又是一脸懵，然后再去收藏夹里翻文章。

学东西在精不在多，今天就分享1个常用的数据分析模型——购物篮分析模型，并附上应用实例，希望能让大家真正掌握这个分析模型，并在之后分析数据时能自己把模型灵活用起来！

购物篮分析模型原理

据说上个世纪九十年代，沃尔玛的超市管理人‎‎员分析销售数据时发现了一‎‎个令人难于理解的现象，婴儿的纸尿裤和啤酒放通常会出现在一个订单里，经过数据分析发现，买尿不湿的家长以父亲居多，如果他们在买尿不湿的同时恰好看到了啤酒，就会有很大的概率购买，从而就能提高啤酒的销售量。

当然，这个案例现在已被证实是虚构的，但这个故事仍让可以给我们很大的启发，商品之间的关联关系是客观存在的，这种通过研究用户消费数据，将不同商品之间进行关联，并挖掘二者之间联系的分析方法，就叫做商品关联分析法，也叫作“购物篮分析”。

看到这，你可能会觉得这不是常识吗？为什么还是个数据分析模型。

其实不然。虽然这种现象你看过去是常识，但这种通过研究用户消费数据，将不同商品之间进行关联，并挖掘二者之间联系的分析方法，就叫做商品关联分析法，即购物篮分析模型。需要通过「支持度」、「置信度」、「提升度」三个指标判断商品之间的关联程度，常用于零售行业。

这个模型一般是用来找出顾客购买行为的模式：

①比如用户买了A商品，是否会对B商品产生什么影响？
②不同的用户是否具有不同的购买模式？
③哪些产品应该放在一起进行捆绑销售？

在分析案例前，先解释下这三个指标分别代表的意思和计算方法。

1 「支持度」

A商品和B商品同时被购买的概率，显然支持度越大，商品间关联性越强。

计算公式：同时购买A和B订单数 / 总购买订单数

今天共有10笔订单，其中同时购买可乐和薯片的次数是7次，那么可乐+薯片组合的支持度就是7/10=70%。

2 「置信度」

因为购买了A所以购买了B的概率，注意与支持度区分。

计算公式：同时购买A和B订单数 / 购买A的订单数

今天共有10笔订单，其中购买可乐的次数是4，同时购买可乐和薯片的次数是3，则其置信度是3/4=75%

3 「提升度」

先购买A对购买B的提升作用，用来判断商品组合方式是否具有实际价值，大于1说明该组合方式有效，小于1则说明无效。

计算公式：支持度 / ( (购买A次数/总购买订单数)*(购买B次数/总购买订单数) )

今天共有10笔订单，购买可乐的次数是8，购买薯片的次数是6，购买可乐+薯片的次数是6，那么提升度是0.6 /（0.8*0.6）>1，因此可乐+薯片的组合方式是有效的。

讲完购物篮模型的原理和计算公式，只能大概掌握一些皮毛，接下来就带你用实例来应用一下购物篮分析模型，加深印象。

案例分析

以我们最为熟悉的超市为例。

案例背景是A集团超市最近在准备周年大促，需要根据近3个月A集团超市旗下各门店商品销售明细，来确定哪些商品需要组合起来捆绑促销。

先不急着分析，先理清一下思路，要解决这个问题，我们需要从以下五个步骤进行思考。

第一步
确定使用工具、数据来源

使用工具：FineBI数据分析工具
数据来源：A集团超市商品销售总表（已脱敏处理）

▲A超市商品销售总表▲

第二步
计算指标

根据上述计算公式可知，我们需要计算：

①总购买订单数 ②同时购买A和B的订单数 ③分别购买A和B的订单数

接下来，我们就在FineBI的自助数据集中逐个计算。

①总购买订单数

要计算总购买订单数，首先我们要先勾选「单据编码」，添加分组汇总，设置汇总方式为「去重计数」，对单据编码个数求和，从而轻松计算出总购买订单数。

②计算同时购买A和B订单数

要计算同时购买A和B的订单数，就需要复制一列相同的商品类别，将两列合并在一起，就可以分出比如A+A、A+B、B+A等的商品组合。

让表左右合并，而后选择并集合并，合并依据为单据编码。

将商品名称作为A商品，集团商品总表-商品名称作为B商品。显然，不需要类似 A+A 的组合，因此需要将该数据过滤掉，输入函数【商品名称!=集团商品销售总表-商品名称】即可。

③计算分别购买A和B的订单数

添加左右合并，并将合并结果命名为「购买A的次数」，B商品同理计算。

第三步
计算支持度、置信度、提升度

得到上面三个指标后，我们就可以开始计算支持度、置信度、提升度了。

支持度=同时购买A和B订单数/总购买订单数，新增列。置信度，提升度同理，就不列举了。

第四步
数据分析

计算得到支持度、置信度、提升度的结果后，我们就可以开始进行数据分析了。

使用FineBI的自定义图表，分析商品间的关联程度，用颜色的深浅和具体计算数字来表示关联程度的高低。

▲商品关联分析▲ ▲商品支持度分析▲ ▲商品置信度分析▲ ▲商品提升度分析▲

第五步
得出分析结论

（1）微爽日用卫生巾和家之寓圆形夹晒架的支持度（同时购买概率）最高，为5.95。且购买家之寓圆形夹晒架后又购买微爽日用卫生巾的置信度较高，为0.27，大于平均置信度，因此两者被一起购买的概率很大，可放置在货架的相邻位置，刺激顾客购买欲。

（2）本地小白菜和香妃蜜瓜的置信度最高，为0.42。因此可将小白菜和香妃蜜瓜放在果蔬货架的相邻位置或捆绑销售。

（3）青葱和雪碧的提升度最高，为8.44。即购买雪碧后对购买青葱有较大的提升作用，但考虑到青葱和雪碧的购买量都较大，且都为常备品，基于实际情况来说，不适合捆绑销售。

（4）盐津铺子和嘉士利威化饼的提升度较高，为4.54，大于1。两个都为零食货柜商品，因此可考虑捆绑销售。

总结

经过上述五个步骤，我们可以得出初步的分析结论。当然，最后的零售促销方案还是得根据超市的实际情况来判断合不合适（例如分析结论中的青葱和雪碧），数据只能辅助我们的决策，而不能直接给予决策。

审核编辑：彭静