文档介绍：前言“啤酒与尿布”的故事是营销届的神话,“啤酒”和“尿布”两个看上去没有关系的商品摆放在一起进行销售、并获得了很好的销售收益, 这种现象就是卖场中商品之间的关联性, 研究“啤酒与尿布”关联的方法就是购物篮分析, 购物篮分析曾经是沃尔玛秘而不宣的独门武器, 购物篮分析可以帮助我们在门店的销售过程中找到具有关联关系的商品, 并以此获得销售收益的增长! 商品相关性分析是购物篮分析中最重要的部分,购物篮分析英文名为 market basket analysis( 简称 MBA , 当然这可不是那个可以用来吓人的学位名称)。在数据分析行业, 将购物篮的商品相关性分析称为“数据挖掘算法之王”, 可见购物篮商品相关性算法吸引人的地方, 这也正是我们小组乐此不疲的围绕着购物篮分析进行着研究和探索的根本原因。购物篮分析的算法很多,比较常用的有 A prior /?’pri?/ 算法、 FP-tree 结构和相应的 FP-growth 算法等等,上次课我们组的邓斌同学已经详细的演示了购物篮分析的操作流程, 因此在这里我不介绍具体的购物篮分析算法, 而是在已经获得的结果的基础上剖析一下数据身后潜藏的商业信息。目前购物篮分析的计算方法都很成熟,在进入 20 世纪 90 年代后,很多分析软件均将一些成熟的购物篮分析算法打包在自己的软件产品中, 成为了软件产品的组成部分,客户购买了这些软件产品后就等于有了购物篮分析的工具, 比如我们正在使用的 Clementine 。缘起“啤酒与尿布”的故事可以说是营销界的经典段子,在打开 Google 搜索一下,你会发现很多人都在津津乐道于“啤酒与尿布”, 可以说 100 个人就有 100 个版本的“啤酒与尿布”的故事。故事的时间跨度从上个世纪 80 年代到本世纪初,甚至连故事的主角和地点都会发生变化——从美国跨越到欧洲。认真地查了一下资料,我们发现沃尔玛的“啤酒与尿布”案例是正式刊登在 1998 年的《哈佛商业评论》上面的, 这应该算是目前发现的最权威报道。“啤酒与尿布”的故事产生于 20 世纪 90 年代的美国沃尔玛超市中, 沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象: 在某些特定的情况下,“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中, 这种独特的销售现象引起了管理人员的注意,经过后续调查发现,这种现象出现在年轻的父亲身上。在美国有婴儿的家庭中,一般是母亲在家中照看婴儿,年轻的父亲前去超市购买尿布。父亲在购买尿布的同时, 往往会顺便为自己购买啤酒, 这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一, 则他很有可能会放弃购物而到另一家商店, 直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象,开始在卖场尝试将啤酒与尿布摆放在相同的区域,让年轻的父亲可以同时找到这两件商品, 并很快地完成购物; 而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件,从而获得了很好的商品销售收入,这就是“啤酒与尿布”故事的由来。当然“啤酒与尿布”的故事必须具有技术方面的支持。 1993 年美国学者 Agrawal (个人翻译-- 艾格拉沃) 提出通过分析购物篮中的商品集合, 从而找出商品之间关联关系的关联算法, 并根据商品之间的关