1. 概述编辑
1.1 概念
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,即「购物篮分析」。
1.2 解决的问题
找出顾客购买行为的模式:
比如用户买了A商品,是否会对B商品产生什么影响?
不同的用户是否具有不同的购买模式?
哪些产品应该放在一起进行捆绑销售?
1.3 预期效果
1.4 实现思路
关联分析由以下指标进行衡量。
支持度计算公式:同时购买A和B订单数/总购买订单数
置信度计算公式:同时购买A和B订单数/购买A的订单数
提升度计算公式: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))
2. 示例编辑
2.1 上传数据
2.2 创建分析表
2.2 .1计算购买单个产品的订单数
同理制作B商品订单数
2.2 .2新建一个分析表,命名购物篮分析,计算总订单数
2.3 计算「同时购买A和B订单数」
1)添加「左右合并」,合并数据如下图所示:
2)选择「并集合并」,合并依据为「单据编码」,如下图所示:
3)将「商品名称」作为 A 商品,另一个作为 B 商品。通过分类汇总来修改字段名称,双击字段名称可以修改,如下图所示:
2.3.2 过滤掉不需要的商品组合
很显然,不需要类似 A+A 的组合,因此需要将该数据过滤掉。
2.3.3 统计同时购买A和B订单数
统计同时购买A和B的订单数,如下图所示:
2.4 求「A商品订单数」「B商品订单数」
1)添加左右合并,选择之前我们创建的「A商品订单数」,如下图所示:
选择图片
选择图片
选择图片
同理合并B商品订单数
选择图片
2.6 计算「支持度」
支持度=同时购买A和B订单数/总购买订单数,新增字段,如下图所示:
选择图片
2.7 计算「置信度」
置信度=同时购买A和B订单数/购买A的订单数,新增字段,如下图所示:
选择图片
2.8 计算「提升度」
1)提升度=支持度/((购买A次数/总购买数)*(购买B次数/总购买数)),新增字段,如下图所示:
选择图片
2.9 计算平均
其中「支持度、置信度、提升度」由于多订单会合并求和,所以它们的汇总方式要改为「平均」。
选择图片
2.10 A商品升序
选择图片
3.1 制作图表
选择图片
选择图片
将数值格式设置为百分比
选择图片