只想买把牙刷却花了100块，千万警惕！一不小心就落入商家圈套
现在电商的“花样”越来越多了，昨天打开某宝买牙刷的时候，先是给我来了个「优惠券弹屏」，牙膏牙刷类满99-30，还挺优惠的，我当即选择了推荐的牙膏套装，刚好凑满了99块钱。在结算页面的时候，又跳出了「顺手买一件」，便宜3块钱，确实也需要，就顺带一起买了。
付完钱之后，我反思了一下购物过程，像相关商品的弹屏优惠券、顺带买一件这样的行为背后都是利用了一种经典的数据分析模型——购物篮分析法（关联分析）。通过对历史消费者购买数据的分析，找到了和牙刷强关联的牙膏和洗衣液，再辅以价格手段，让我完成了这次购买。
购物篮分析模型就是这样，一步步让我掉进了商家的消费圈套。今天就跟大家研究一下购物篮分析模型是如何操作及应用的。（文末有实操案例）
什么是购物篮模型？
购物篮分析的本质其实就是商品间的关联分析。因为一开始被广泛用在超市里，通过分析顾客购物篮里商品之间的关系，来更好地促销组合，所以就被称为「购物篮分析」。
购物篮分析模型在现代的应用更广泛了，涉及超市、电商、金融业、运营商等多个行业。
超市：
商品陈列：哪些商品可以放在一起，比如经典的「啤酒和尿布」。
客户需求：不同时间客户的购买习惯，比如晚上喜欢买打折菜和牛奶。
销售趋势：商品库存分析，是否需要补货。
电商：
个性化推荐：给想买牙刷的人推荐牙膏组合广告。
优惠券发放：给用户推荐相关性强的商品组合优惠券。
顺带买一件：结算页面推荐相关性强的商品。
电信与金融服务业：
设计不同的服务组合以扩大利润，比如100分钟和300分钟话费套餐。
保险业：
侦测出可能不寻常的投保组合并作预防。
医疗机构：
在疗程的组合上，购物篮分析能作为是否这些疗程组合会导致并发症的判断依据。
购物篮分析常用名词及指标
案例分析
在做关联分析的时候，会用到spss、R语言、python，甚至apriori算法。那能不能不写代码就能进行购物篮分析呢？今天就用自助式大数据分析工具FineBI带大家进行一次案例实战。
业务背景
百家乐超市最近在为国庆促销活动做准备，需要根据近3个月百家乐超市商品销售明细，来确定哪些商品可以进行捆绑销售，以及怎么进行商品陈列。
具体实操
1、准备数据：集团商品销售总表
2、计算四个关键指标：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
同时购买A和B的订单数
购买A的订单数（购买B的订单数同A）
总购买订单数
3、计算支持度、置信度、提升度
支持度
置信度
提升度
制作购物篮分析模型
根据具体数值设置颜色深浅，从而达到能够通过颜色直观观察和快速决策的目的。
商品支持度分析
商品置信度分析
商品提升度分析
最后得出分析结论
1）将微爽日用245mm和家之寓圆形24夹晒架进行捆绑销售，并陈列在临近货柜。因为两者支持度最高，达到了5.95%，且购买晒架后购买微爽日用的置信度分析最高。
2）将晒架和蜜瓜放置在本地小白菜附近位置，因为两者和小白菜的支持度和置信度分析比较高，顾客很可能买了小白菜，再去买晒架和蜜瓜。
3）将雪碧和葱进行组合销售，因为两者的提升度都大于1，说明组合方式有效。
立即沟通
