什么是 Basket Analysis?
篮子分析(Market Basket Analysis)识别购买模式,并发现哪些产品经常一起购买。就像发现您产品的“好朋友”一样!
通过这一分析,您可以发现揭示客户购买行为中隐含趋势的关联规则。
使用示例
- 创建组合产品的促销,这些产品是一起购买的
- 在货架上将相近的产品组织在一起,以增加销售。
- 为客户定制产品推荐
- 识别交叉销售和向上销售的机会
快速入门
- 将您的数据准备成包含交易和产品的CSV格式。
- 请上传文件到 上传页面
- 设置参数(最低支持度,置信度)
- 请稍候处理(通常需要 2-5 分钟)
- 分析发现的关联规则
如何组织您的数据
将您的数据整理成一个包含两列的CSV表格:
第 1 列
交易 ID
每个购买/订单的唯一标识符。例如:001,002,003
第 2 列
产品
购买的产品名称。例如:面包,牛奶,咖啡
| transaction_id | product |
|---|---|
| 001 | 面包 |
| 001 | 牛奶 |
| 002 | 面包 |
| 002 | 黄油 |
重要: 每行代表一个产品在一次交易中。如果一笔交易有3个产品,则会有3行具有相同的transaction_id。
分析设置
- 最小支持 (Min Support)
-
必须包含产品组合的交易最低百分比才能被视为相关。
示例: 0.01 1% 的交易(推荐默认值)
- 最小置信度 (Min Confidence)
-
购买产品A时购买产品B的概率。
示例: 0.5 50% 置信度(推荐默认值)
- 最小提升 (Min Lift)
-
测量规则比随机购买的表现如何。值 > 1 表示正相关。
示例: 1.0 默认值(接受所有规则)
理解结果
分析返回关联规则,格式为:“如果购买A,那么可能会购买B”。
规则指标
支持 (Support)
产品在交易中一起出现的频率。
示例:支持度 0.3 = 30% 的交易包含这些产品
信任 (Confidence)
在购买A的情况下购买B的概率。
示例:0.8 的信任度 = 购买 A 时有 80% 的机会购买 B
提升
指出规则比偶然更好的程度。
提升 > 1: 正相关 | 提升 = 1: 独立 | 提升 < 1: 负相关
实用提示: 专注于高置信度(>0.7)和高提升(>2)的规则,以识别对业务最强和最有用的关联。