購物籃分析，最清楚概念-part1

精準行銷其實離你並不遠

在以往的行銷中，都是使用老闆經驗的判斷，直覺性的當消費者買A產品，它可能會需要B產品當輔助，因此對消費者進行B商品的推銷，但這會有兩個盲點：

有些組合是老闆永遠不會想到、觀察到的，譬如啤酒與尿布的例子，又有誰會想到，去超市買尿布的新手父親，會順便買幾瓶啤酒呢？ 老闆記憶有限，也只能記得幾個常見的組合，或者佔店內收入較大的商品組合。

1. Apriori演算法

Apriori演算法的詳細計算方式與範例，在「你怎麼處理顧客交易資訊？Apriori演算法」文章中，有實例化的方式為您解釋。而將本次實做最重要的三個結果參數，做詳細的介紹：

• 支持度（Support）：這個商品組合在所有購買清單中，出現的機率。
• 信賴度（Confidence）：購買A商品後，購買B商品的機率，這也是本篇文章最後要得知的結果。
• 提昇度（Lift）：判斷A商品與B商品的相關程度，若小於1表示負相關，等於1表示完全無相關（完全沒有交集），大於1表示正相關。

2. 舉例

以「你怎麼處理顧客交易資訊？Apriori演算法」文章中的例子（圖1），假設整個公司的購買清單只有四筆資料；也就是說，今天只有四個消費者推著購物籃來結帳臺結帳，而圖1就是這四臺購物車裡面所放的商品。

我們來看看商品組合「啤酒」+「尿布」

1. 支持度（Support）：50％

「啤酒」+「尿布」的組合出現在編號1與3，共有2個購買清單有此組合，因此支持度為2（編號1與3清單）除以4（共四個購買清單），2÷4=50%。

2. 📌信賴度（Confidence）：50％ or 100％

信賴度分成兩種情況，從啤酒的角度與從尿布的角度有所不同。

1. Confidence(啤酒 →尿布)

出現啤酒時，出現尿布的機率為多少。在編號1與3當中都有購買啤酒，而這2個清單裡面都有出現尿布，因此信賴度為2（同時出現啤酒與尿布的次數）除以2（出現啤酒的次數），2÷2=100%。

2. Confidence(尿布 →啤酒)

出現尿布時，出現啤酒的機率為多少。

在編號1、2、3、4當中都有購買尿布，而這4個清單裡面只有編號1與3清單有出現啤酒，因此信賴度為2（同時出現啤酒與尿布的次數）除以4（出現尿布的次數），2÷4=50%。

3. 提昇度（Lift）：1

提昇度 ＝ 信賴度(A->B) ÷ 支持度(B) 因為在信賴度中，「啤酒」+「尿布」組合會產生兩個信賴度，因此提昇度的結果也會有兩個：

1. Confidence(啤酒 →尿布)÷Support(尿布)：

100％ ÷ 100％＝1

2. Confidence(尿布 →啤酒)÷Support(啤酒)：

50％ ÷ 50％＝1

最後兩個結果都，等於1被定義為「無相關」，代表這兩個商品沒有關係。

3. 程式實作

了解套件的運作原理，與重要的三個參數後，接下來我們將利用實戰案例，並且揭開購物籃分析的管理意涵，以及產出的推薦名單。還不快飛奔點擊「購物籃分析-part2【附Python程式碼】」。