《数据化管理》读书笔记-商品的关联销售

读书笔记目录：

《数据化管理》的读书笔记，第四章“商品中的数据化管理”

商品与商品之间是有潜在的关联关系的，最广为人知的就是“啤酒与尿布”的故事，据说沃尔玛根据数据分析发现同时购买啤酒和尿布的人很多，通过调查发现这些人大部分是已婚男士，且喜欢周末一边喝酒一边看体育比赛，沃尔玛便将两种商品陈列在一起，结果发现二者销量都大幅提升。

商品间的关联可以是品类间的关联，也可以是单品间的关联，这种分析也就是常说的购物篮分析。

购买商品A的顾客中有30%的人还会购买商品B，这就说明商品A和商品B之间有关系，这种关系的强弱，叫做关联度；但是购买商品B的顾客，不一定会购买商品A，说明商品间的关系是有方向性的。

商品间的关联关系有三种：强关联（同时购买的概率很高）、弱关联（同时购买的概率一般）、排斥关系（不会同时购买的商品）。

为了量化这种关联关系，我们引入了“支持度”、“可信度”、“提升度”。

$支持度=\frac{同时包含商品A和商品B的订单数}{总订单数}$
即表示有多大的概率两种商品会同时出现，也就是这种关联关系的强弱。

$可信度=\frac{同时包含商品A和商品B的订单数}{包含商品A的订单数}$
表示购买商品A的时候有多大概率会购买商品B，即A对B的强弱。

$提升度=\frac{可信度}{\frac{包含商品B的订单数}{总订单数}}$
表示商品A对商品B销量提升的影响程度

支持度代表这组关联商品的份额是否够大；可信度代表关联关系的强弱，注意有方向性；提升度则表示该关联关系是否有利用价值。

$购物篮系数=\frac{总销量}{购物篮总数}$
按订单来看的话，其实就是顾客平均每次购买的商品数量，我们前面提到的连带率也是这个。

我们还会来看单品的购物篮系数
$单品购物篮系数=\frac{包含该商品的购物篮的总销量}{包含该商品的购物篮总数}$

购物篮系数高的商品不一定是人气商品，只能说明购买该商品的同时，用户购买了更多的商品。

$商品人气指数=\frac{包含该商品的购物篮的商品数量}{购物篮总数}$

除了购买该商品，和该商品同时购买的其他商品也是该商品的流量。