要想做好數(shù)據(jù)分析必定要理解和熟悉掌握各類數(shù)據(jù)分析模型，但大部分文章只是給你羅列出了有哪幾種數(shù)據(jù)分析模型及對(duì)應(yīng)理論，并未用實(shí)例來(lái)輔助說(shuō)明。

很多時(shí)候這些模型都進(jìn)了收藏夾吃灰，大家也沒(méi)有深刻理解這種分析模型，等到下次要開(kāi)始分析數(shù)據(jù)了，又是一臉懵，然后再去收藏夾里翻文章。

學(xué)東西在精不在多，今天就分享1個(gè)常用的數(shù)據(jù)分析模型——購(gòu)物籃分析模型，并附上應(yīng)用實(shí)例，希望能讓大家真正掌握這個(gè)分析模型，并在之后分析數(shù)據(jù)時(shí)能自己把模型靈活用起來(lái)！

購(gòu)物籃分析模型原理

據(jù)說(shuō)上個(gè)世紀(jì)九十年代，沃爾瑪?shù)某泄芾砣??員分析銷售數(shù)據(jù)時(shí)發(fā)現(xiàn)了一??個(gè)令人難于理解的現(xiàn)象，嬰兒的紙尿褲和啤酒放通常會(huì)出現(xiàn)在一個(gè)訂單里，經(jīng)過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，買尿不濕的家長(zhǎng)以父親居多，如果他們?cè)谫I尿不濕的同時(shí)恰好看到了啤酒，就會(huì)有很大的概率購(gòu)買，從而就能提高啤酒的銷售量。

當(dāng)然，這個(gè)案例現(xiàn)在已被證實(shí)是虛構(gòu)的，但這個(gè)故事仍讓可以給我們很大的啟發(fā)，商品之間的關(guān)聯(lián)關(guān)系是客觀存在的，這種通過(guò)研究用戶消費(fèi)數(shù)據(jù)，將不同商品之間進(jìn)行關(guān)聯(lián)，并挖掘二者之間聯(lián)系的分析方法，就叫做商品關(guān)聯(lián)分析法，也叫作“購(gòu)物籃分析”。

看到這，你可能會(huì)覺(jué)得這不是常識(shí)嗎？為什么還是個(gè)數(shù)據(jù)分析模型。

其實(shí)不然。雖然這種現(xiàn)象你看過(guò)去是常識(shí)，但這種通過(guò)研究用戶消費(fèi)數(shù)據(jù)，將不同商品之間進(jìn)行關(guān)聯(lián)，并挖掘二者之間聯(lián)系的分析方法，就叫做商品關(guān)聯(lián)分析法，即購(gòu)物籃分析模型。需要通過(guò)「支持度」、「置信度」、「提升度」三個(gè)指標(biāo)判斷商品之間的關(guān)聯(lián)程度，常用于零售行業(yè)。

這個(gè)模型一般是用來(lái)找出顧客購(gòu)買行為的模式：

①比如用戶買了A商品，是否會(huì)對(duì)B商品產(chǎn)生什么影響？
②不同的用戶是否具有不同的購(gòu)買模式？
③哪些產(chǎn)品應(yīng)該放在一起進(jìn)行捆綁銷售？

在分析案例前，先解釋下這三個(gè)指標(biāo)分別代表的意思和計(jì)算方法。

1 「支持度」

A商品和B商品同時(shí)被購(gòu)買的概率，顯然支持度越大，商品間關(guān)聯(lián)性越強(qiáng)。

計(jì)算公式：同時(shí)購(gòu)買A和B訂單數(shù) / 總購(gòu)買訂單數(shù)

今天共有10筆訂單，其中同時(shí)購(gòu)買可樂(lè)和薯片的次數(shù)是7次，那么可樂(lè)+薯片組合的支持度就是7/10=70%。

2 「置信度」

因?yàn)橘?gòu)買了A所以購(gòu)買了B的概率，注意與支持度區(qū)分。

計(jì)算公式：同時(shí)購(gòu)買A和B訂單數(shù) / 購(gòu)買A的訂單數(shù)

今天共有10筆訂單，其中購(gòu)買可樂(lè)的次數(shù)是4，同時(shí)購(gòu)買可樂(lè)和薯片的次數(shù)是3，則其置信度是3/4=75%

3 「提升度」

先購(gòu)買A對(duì)購(gòu)買B的提升作用，用來(lái)判斷商品組合方式是否具有實(shí)際價(jià)值，大于1說(shuō)明該組合方式有效，小于1則說(shuō)明無(wú)效。

計(jì)算公式：支持度 / ( (購(gòu)買A次數(shù)/總購(gòu)買訂單數(shù))*(購(gòu)買B次數(shù)/總購(gòu)買訂單數(shù)) )

今天共有10筆訂單，購(gòu)買可樂(lè)的次數(shù)是8，購(gòu)買薯片的次數(shù)是6，購(gòu)買可樂(lè)+薯片的次數(shù)是6，那么提升度是0.6 /（0.8*0.6）>1，因此可樂(lè)+薯片的組合方式是有效的。

講完購(gòu)物籃模型的原理和計(jì)算公式，只能大概掌握一些皮毛，接下來(lái)就帶你用實(shí)例來(lái)應(yīng)用一下購(gòu)物籃分析模型，加深印象。

案例分析

以我們最為熟悉的超市為例。

案例背景是A集團(tuán)超市最近在準(zhǔn)備周年大促，需要根據(jù)近3個(gè)月A集團(tuán)超市旗下各門店商品銷售明細(xì)，來(lái)確定哪些商品需要組合起來(lái)捆綁促銷。

先不急著分析，先理清一下思路，要解決這個(gè)問(wèn)題，我們需要從以下五個(gè)步驟進(jìn)行思考。

第一步
確定使用工具、數(shù)據(jù)來(lái)源

使用工具：FineBI數(shù)據(jù)分析工具
數(shù)據(jù)來(lái)源：A集團(tuán)超市商品銷售總表（已脫敏處理）

▲A超市商品銷售總表▲

第二步
計(jì)算指標(biāo)

根據(jù)上述計(jì)算公式可知，我們需要計(jì)算：

①總購(gòu)買訂單數(shù) ②同時(shí)購(gòu)買A和B的訂單數(shù) ③分別購(gòu)買A和B的訂單數(shù)

接下來(lái)，我們就在FineBI的自助數(shù)據(jù)集中逐個(gè)計(jì)算。

①總購(gòu)買訂單數(shù)

要計(jì)算總購(gòu)買訂單數(shù)，首先我們要先勾選「單據(jù)編碼」，添加分組匯總，設(shè)置匯總方式為「去重計(jì)數(shù)」，對(duì)單據(jù)編碼個(gè)數(shù)求和，從而輕松計(jì)算出總購(gòu)買訂單數(shù)。

②計(jì)算同時(shí)購(gòu)買A和B訂單數(shù)

要計(jì)算同時(shí)購(gòu)買A和B的訂單數(shù)，就需要復(fù)制一列相同的商品類別，將兩列合并在一起，就可以分出比如A+A、A+B、B+A等的商品組合。

讓表左右合并，而后選擇并集合并，合并依據(jù)為單據(jù)編碼。

將商品名稱作為A商品，集團(tuán)商品總表-商品名稱作為B商品。顯然，不需要類似 A+A 的組合，因此需要將該數(shù)據(jù)過(guò)濾掉，輸入函數(shù)【商品名稱!=集團(tuán)商品銷售總表-商品名稱】即可。

③計(jì)算分別購(gòu)買A和B的訂單數(shù)

添加左右合并，并將合并結(jié)果命名為「購(gòu)買A的次數(shù)」，B商品同理計(jì)算。

第三步
計(jì)算支持度、置信度、提升度

得到上面三個(gè)指標(biāo)后，我們就可以開(kāi)始計(jì)算支持度、置信度、提升度了。

支持度=同時(shí)購(gòu)買A和B訂單數(shù)/總購(gòu)買訂單數(shù)，新增列。置信度，提升度同理，就不列舉了。

第四步
數(shù)據(jù)分析

計(jì)算得到支持度、置信度、提升度的結(jié)果后，我們就可以開(kāi)始進(jìn)行數(shù)據(jù)分析了。

使用FineBI的自定義圖表，分析商品間的關(guān)聯(lián)程度，用顏色的深淺和具體計(jì)算數(shù)字來(lái)表示關(guān)聯(lián)程度的高低。

▲商品關(guān)聯(lián)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
得出分析結(jié)論

（1）微爽日用衛(wèi)生巾和家之寓圓形夾曬架的支持度（同時(shí)購(gòu)買概率）最高，為5.95。且購(gòu)買家之寓圓形夾曬架后又購(gòu)買微爽日用衛(wèi)生巾的置信度較高，為0.27，大于平均置信度，因此兩者被一起購(gòu)買的概率很大，可放置在貨架的相鄰位置，刺激顧客購(gòu)買欲。

（2）本地小白菜和香妃蜜瓜的置信度最高，為0.42。因此可將小白菜和香妃蜜瓜放在果蔬貨架的相鄰位置或捆綁銷售。

（3）青蔥和雪碧的提升度最高，為8.44。即購(gòu)買雪碧后對(duì)購(gòu)買青蔥有較大的提升作用，但考慮到青蔥和雪碧的購(gòu)買量都較大，且都為常備品，基于實(shí)際情況來(lái)說(shuō)，不適合捆綁銷售。

（4）鹽津鋪?zhàn)雍图问坷灥奶嵘容^高，為4.54，大于1。兩個(gè)都為零食貨柜商品，因此可考慮捆綁銷售。

總結(jié)

經(jīng)過(guò)上述五個(gè)步驟，我們可以得出初步的分析結(jié)論。當(dāng)然，最后的零售促銷方案還是得根據(jù)超市的實(shí)際情況來(lái)判斷合不合適（例如分析結(jié)論中的青蔥和雪碧），數(shù)據(jù)只能輔助我們的決策，而不能直接給予決策。