資料建模實戰：方寸之間玩轉購物籃分析

購物籃分析是零售行業裡非常重要經典的一個模型，曾經被大家津津樂道的啤酒與尿布的故事，相信大家都還記憶猶新，這個故事很好地詮釋了商品關聯性對銷售額的提升作用，時至今日，仍有很強的現實指導意義。這種透過研究使用者消費資料，將不同商品之間進行關聯，並挖掘二者之間聯絡的分析方法，就叫做商品關聯分析法，也叫作“購物籃分析”。購物籃分析的實現方法有很多，下面教一下大家如何去製作一個完整的購物籃分析模型。

一、前言：

在開始製作購物籃分析模型之前，我們先來理解一下購物籃分析模型的價值在哪裡。購物籃分析的本質是研究商品與商品間的關聯關係，比如分析A商品和哪個商品搭配會賣的更好，或者分析客戶在購買了A商品之後，對B商品會產生什麼影響等等。透過這種交叉分析，我們便可以對客戶感興趣的商品組合去做出相應的調整，或者據此去深入研究更高層次的推薦演算法。

做購物籃分析還得先理解三個概念，支援度、置信度與提升度。支援度指A商品和B商品同時被購買的機率，用公式表示就是支援度=同時購買A和B訂單數/總購買訂單數；置信度是指購買A之後又購買B的條件機率，用公式表示就是置信度=同時購買A和B訂單數/購買A的訂單數；提升度指的是先購買A對購買B的提升作用，用公式表示就是提升度=支援度/((購買A次數/總購買訂單數)*(購買B次數/總購買訂單數))。看不懂的小夥伴可以看下圖的舉例說明，加深理解：

二、購物籃分析步驟：

首先要準備一份零售行業的資料來源，需包含單據編碼、商品名稱等資訊，文中提供的案例資料來源大家可以在根據文末提供的資訊進行獲取。如果用Excel做購物籃分析，難度會很大，建議用其他工具進行製作，本文選擇用SQL語句的方式去製作：

第一步，新建一個臨時表，對商品名稱進行交叉關聯，為每一組交叉商品增加一列總訂單數的欄位，並把該臨時表命名為t1：

執行語句後，可得出以下4個欄位：

第二步，新建一個臨時表t2，對商品名稱進行交叉關聯，算出同時購買A商品與B商品的訂單數：

執行語句後，可得出以下3個欄位：

第三步，把t1與t2兩個臨時表的欄位進行關聯：

執行語句後，可得出以下4個欄位：

第四步，新建一個臨時表t4，算出A商品的訂單數：

執行語句後，可得出以下2個欄位：

第五步，新建一個臨時表t5，算出B商品的訂單數：

執行語句後，可得出以下2個欄位：

最後一步，根據支援度、置信度與提升度的公式，以及我們得出的這5個臨時表的資料，我們就可以開始進行運算了。根據t3表裡‘’同時購買A和B訂單數‘’與‘’總訂單數‘’這兩個欄位，我們可以算出支援度的資料。根據t3表裡‘’同時購買A和B訂單數‘’與t4表裡‘’A商品訂單數‘’這兩個欄位，我們可以算出置信度的資料。同理，利用‘’同時購買A和B訂單數‘’、‘’購買A訂單數‘’、‘’購買B訂單數‘’與‘’總訂單數‘’這幾個欄位，我們最後就可以得出提升度的資料了。

最後得出的結果如下：

三、後續建議：

從上面的製作過程來看，如果要製作一個完整的購物籃分析模型，過程還是挺複雜的。為了對資料建模以及多維分析有更深的認識，小編推薦大家利用智分析的資料模型去製作購物籃分析，智分析的資料模型具有非常強大的多維分析能力，不僅支援自助取數，還支援SQL、MDX等高階的查詢語法。智分析的資料來源介面同樣也很豐富，可以連線各種資料庫，也可以以Excel檔案匯入的方式進行匯入：

進入資料模型的介面後，便可以開始搭建購物籃分析的資料模型了，這裡依然是選擇用SQL查詢的方法去做購物籃分析，新建一個SQL查詢，輸入語句，執行後便可以得出購物籃分析模型的資料：

資料模型搭建之後，可以藉助智分析自助儀表盤對購物籃分析的資料進行視覺化呈現，儀表盤可以進行下鑽、篩選、輪播等高階的操作，非常適合展示購物籃分析、RFM分析、ABC分析等資料模型：

PS ：關於文中提到的資料來源以及模型資料，大家可以點關注之後私信我進行獲取