您好,欢迎光临,本网站提供SEO关键词快速排名、网站关键词SEO优化、关键词排名SEO服务。

优化网站推广排名平台

SEO关键词快速排名优化关键词整站推广渠道

【店铺推广关键词排名规则】相关规则分析怎么做?这三个关键词,四个步骤

作者:八月      发布时间:2021-05-03      浏览量:0
相关规则反映了一个事物与其他事物之间的依

相关规则

反映了一个事物与其他事物之间的依赖性和相关性,通常用于实体店和在线电器商品的推荐系统:通过对顾客的购买记录数据库进行相关规则的挖掘,最终目的是发现顾客群体的购买习惯的内在共同性,例如在购买产品a的同时连接购买产品b的概率

相关规则分析的重要概念包括支持度、信赖度和提高度。首先,我们简单的温故下三个重要指标:

1支持度(Support)

支持度是两个商品(A∩B)在总销售笔数(N)中出现的概率,即a和b同时购买的概率。 公式:

例如

例如,某超市在2016年销售100w笔,顾客购买可乐和薯片20w笔,顾客购买可乐和面包10w笔,可乐和薯片相关规则的支持度为20%,可乐和面包的支持度为10%。

2置信度

置信度是购买a后购买b的条件概率。简而言之,交集的一部分c是a的比例,比例大的话购买a的顾客会期待购买b商品。

公式:

例如,

某超市2016年可乐购买次数为40w笔,可乐购买薯片为30w笔,顾客购买可乐购买面包为10w笔,可乐购买薯片为75%,可乐购买面包为25%

3、升级度(Lift)

升级度表示首先购买a对购买b的概率的升级作用,判断规则是否有实际价值,即使使使用规则商品在购物车上出现的次数比商品单独出现在购物车上的频率高。大于1说明规则有效,小于1则无效。公式:

例如

可乐和薯片相关规则的支持度为20%,可乐购买支持度为3%,薯片购买支持度为5%,提高度为1.33>1,A-B规则对商品b有提高效果。

理论简单,但实践面临各种困难,证明了这句话。

数据分析

师的50%~80%的时间花在处理数据上。例如,一般的POS详细信息以下图表形式显示 计算支持度、信任度、提高度(Lift),首先需要知道Freq(A∩B)、Freq(A)、Freq(B)和总笔数值。

因此,我们希望转换为下表形式。例如,如果销售ID=00001、4种商品的两种组合(种类):

如果收银台收据(销售ID)有30种商品,组合数达到

可视化水平,集团下的各分公司、各城市、各店铺、月度、季度或年度时间的相关规则分析必须用传统工具实现上述分析。

BDP商业数据平台以高效的数据处理和优秀的可视化数据分析而闻名。在BDP中,不仅可以轻松实现多维度据分析,还可以通过灵活强大的功能组合进行更深层次的数据分析探索。

从分析师的角度来看,BDP有以下三个最大亮点:

1.简单的操作性-可以将想法转化为实践应用。

2.优秀的处理能力——简单处理亿级数据,特别突出的是表速秒级响应,BDP强大的大数据结构和云计算能力。

3.灵活性和优秀的可视性——可以通过拖动实现可视性,也可以定制报告。

在BDP中如何实现Apriori算法,实现相关规则分析:

商品两组合的初步想法是通过量化思想编码商品。例如,根据增加顺序(从1开始),计算各销售订单的最大值,要求两者之间的差距得到一组数量,以数组的转列形式实现两种商品的两组合。

图:销售单两种商品的两种组合逻辑图

BDP实现过程

为了实现上述组合算法,为了方便感兴趣的学生实践,首先将10个数据上传到BDP平台

公共编号(BDP商业数据平台)的回答:数据可以获得测试数据

图:EXCEL上传表

操作①:

【工作表】-【制作表】-【SQL制作】

图:商品量化

上图变成日期的形式,主要目的是为下一的数组转列做准备,配合explode()函数使用。其中需要说明的是上图[日期]字段为定制日期,可以改为任意日期,没有实际日期意义。

图:商品组合数效果

上图主要使用FILL_DATES([日期1]、[日期2])、Explode()。组合效果首次出现,只是缺少另一个商品名称,通过LEFTJOIN关联商品b的名称。

操作②:

【工作表】-【制作表】-【多表关联】用于制作表关联,包括(LEFT/INNER/FUIN)。

图:商品组合数实现

从上图可以看出,a商品和b商品的组合逻辑已经完成,根据现在的表格可以进行连带分析内容。

在这里,要求Freq(A)和Freq(B)和总笔数值不祥,思想大致要求所有销售商品的A-leq和B商品的频率,通过表相关联,整合到表相。

操作③:

【工作表】-【制作合并表】-【追加合并】合并订单总数、b商品订单数和AB商品连带笔数。

图:追加合并逻辑实现

追加合并可以合并同一字段的商品,计算三个指标(支持度、信赖度、提高度)有助于视觉表现。

操作④:

可视化表现:【BDP】-【仪表盘】

图:仪表盘的整体表现

注:为了更好地表现可视化效果,该部分的可视化表现成果不使用上述测试数据或企业数据。

制作三个图表进行购物篮分析:

图:TOP微波20商品连带次数

上图反映了季度连带的最高频率商品,高连带商品意味着对顾客有魅力的商品粘性强,同时也可以看到不同分公司的TOP20连带状况。根据结果,我们可以合理设计促销策略,如购买2送1等。

图:商品组合指标

图:购物分析详情

单价、支持度、信赖度、提高度综合指标看商品组合,发现高价值相关商品,有助于提高客户单价,同时考虑提高度

同样,我们能实现三种商品的组合吗?答案很明显,只要我们深入了解以上流程,三种商品的关联也可以在BDP中实现。

除开购物篮分析这一典型应用外,相关规则分析在金融行业、搜索引擎、智能化推荐等领域大有作为,例如银行客户交叉销售分析、搜索词推荐或是识别异常、根据兴趣爱好的实时新闻推荐等。

BDP强大稳定的数据计算能力、多维数据分析、直观可视化表现有助于企业实现相关规则分析。通过不同维度的分析,从大量数据中捕捉关系,进行一些放矢的决策调整,进一步提高销售能力,提高产品收益。