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))

2.1 上传数据

购物篮分析原始数据.xlsx

2.2 创建分析表

2.2 .1计算购买单个产品的订单数

同同理制作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：

同理合并B商品订单数

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：

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：

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：

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」。

2.10 A商品升序

3.1 制作图表

将数值格式设置为百分比