商品关联 | FineBI v6.0 数据模型 | 购物篮分析数据模型

文 | 商业智能BI相关文章 阅读次数:1,309 次浏览
2023-05-05 9:31:15

概述

购物篮分析数据模型

即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,又叫做商品关联分析法。

其使用目的是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?

在这一商品关联分析中,又分别由支持度、置信度、提升度指标进行衡量:

支持度是指A商品和B商品同时被购买的概率。它说明了这条规则在所有事务中有多大的代表性,支持度越大,关联规则越重要。其计算公式为:同时购买A和B订单数 / 总购买订单数。

置信度是指购买A之后又购买B的条件概率,简单说就是因为购买了A所以购买了B的概率。其计算公式为:同时购买A和B订单数 / 购买A的订单数。

 提升度是指先购买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。若组合商品被购买的次数高于单独商品的购买次数,说明该组合方式有效,反之则说明无效。其计算公式: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))。

购物篮分析数据模型在零售和电商行业应用十分广泛,它可以有效找出用户购买习惯的一些潜在规律,并为用户提供他们希望的商品搭配。该商品关联分析模型适合经济管理、智慧零售、跨境电商等专业学生学习。

今天,我们就以一组集团商品销售数据为例,教大家如何在FineBI v6.0中通过简单操作完成购物篮分析数据模型。操作步骤如下:

1左右合并求商品组合

1.1 首先将excel表【集团商品销售总表】导入FineBI中(点击文末阅读原文可以下载该表数据),新建分析主题:购物篮分析。添加数据,勾选「单据编码」和「商品名称」。

购物篮分析数据模型,商品关联分析,集团商品销售总表

1.2 添加「左右合并」,合并数据集为「集团商品销售总表」下的「单据编码」和「商品名称」

购物篮分析数据模型,商品关联分析,集团商品销售总表

1.3 选择「左合并」,合并依据为「单据编码」。

购物篮分析数据模型,商品关联分析,集团商品销售总表

1.4 添加字段设置更改名字。将「商品名称」作为 A 商品,「集团商品销售总表-商品名称」作为 B 商品。

购物篮分析数据模型,商品关联分析,集团商品销售总表

2计算需要的指标

由文章开头所述公式可知需要的指标有:同时购买A和B的订单数、购买A的订单数、购买B的订单数、总购买订单数

2.1求「购买A的订单数」

新增一列,按「A商品名称」进行分组,对分组后的单据编码进行去重计数,可以得到购买A的订单数。

购物篮分析数据模型,商品关联分析,集团商品销售总表

2.2求「购买B的订单数」

再添加一个新增汇总列,按「B商品名称」进行分组,对分组后的单据编码进行去重计数,可以得到购买B的订单数。

购物篮分析数据模型,商品关联分析,集团商品销售总表

2.3求「同时购买A和B的订单数」

添加一个新增汇总列,按「A商品名称」和「B商品名称」进行分组,对分组后的单据编码进行去重计数,可以得到同时购买A和B的订单数,

购物篮分析数据模型,商品关联分析,集团商品销售总表

2.4求「总购买订单数」

添加一个新增汇总列,对所有的单据编码进行去重计数,可以得到一共有多少订单。

购物篮分析数据模型,商品关联分析,集团商品销售总表

以上所有的基础指标「同时购买A和B的订单数」、「购买A的次数」、「购买B的次数」、「总购买订单数」都已经计算得出了。接下来只需要计算支持度、置信度、提升度就可以了。

3计算支持度、置信度、提升度

3.1求「支持度」

支持度=同时购买A和B订单数/总购买订单数,新增公式列。

购物篮分析数据模型,商品关联分析,集团商品销售总表

3.2 求「置信度」

置信度=同时购买A和B订单数/购买A的订单数,新增列。

购物篮分析数据模型,商品关联分析,集团商品销售总表

3.3 求「提升度」

提升度=支持度 / ((购买A的订单数 / 总购买订单数)*(购买B的订单数 / 总购买订单数)),新增列。

购物篮分析数据模型,商品关联分析,集团商品销售总表

4去除AB相同的商品组合

4.1 当 A商品名称 和 B商品名称 相同时,它们是同一个产品,计算支持度、置信度、提升度没有意义,我们可以过滤掉这部分的商品组合。

购物篮分析数据模型,商品关联分析,集团商品销售总表

完成以上步骤后,保存并更新该分析主题。

5制作组件

5.1 使用刚刚保存的「购物篮分析」制作组件。选择「自定义图标」,将「A产品名称」和「B产品名称」分别拖入横轴和纵轴。如①②所示;

购物篮分析数据模型,商品关联分析,集团商品销售总表

在图形属性设置矩形快,将「支持度」拖入颜色栏。由于作图会导致多订单的值相加,所以支持度的汇总方式需要选择平均。如③④所示:

购物篮分析数据模型,商品关联分析,集团商品销售总表

5.2 再新建一个组件,展示「支持度」、「置信度」、「提升度」的明细数据。如①所示;

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」。数值格式设置为百分比,如②所示:

购物篮分析数据模型,商品关联分析,集团商品销售总表

6完成

来看看最后效果吧!“

结论分析

1)微爽日用245mm和家之寓圆形24夹晒架的支持度最高,且购买家之寓圆形24夹晒架后又购买微爽日用245mm的置信度最高,因此两者被捆绑购买的概率很大,可放置在货架的相邻位置。

2)家之寓圆形24夹晒架和本地小白菜的支持度和置信度都比较高,用户更可能买完夹晒夹后去买小白菜。

3)微爽日用245mm与盐津铺子、香妃蜜瓜、西红柿等的提升度高于 1 ,说明组合方式有效。

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

购物篮分析数据模型,商品关联分析,集团商品销售总表

商业智能BI产品更多介绍: www.finebi.com

相关内容

立即体验 立即体验

在线客服

电话咨询

技术问题

投诉入口

返回顶部