使用關(guān)聯(lián)規則實(shí)現交叉銷(xiāo)售

廣西臻實(shí)項目數據分析師事務(wù)所特約分析師  陳虹堅/文 

一、業(yè)務(wù)背景

交叉銷(xiāo)售是企業(yè)結合客戶(hù)需求，提高現有客戶(hù)客單價(jià)的一種營(yíng)銷(xiāo)方式。實(shí)現交叉銷(xiāo)售對于企業(yè)而言意義非凡：一是使銷(xiāo)售行為更容易成功，將產(chǎn)品或服務(wù)推銷(xiāo)給一個(gè)現有客戶(hù)比推銷(xiāo)給新客戶(hù)更容易成功；二是使客戶(hù)忠誠度增加，經(jīng)濟學(xué)上的經(jīng)驗表明，持有兩項產(chǎn)品的客戶(hù)流失率為55%，而持有四種產(chǎn)品以上的客戶(hù)流失率幾乎為零；三是提升企業(yè)盈利能力，交叉銷(xiāo)售實(shí)現在提升銷(xiāo)售的同時(shí)降低新客戶(hù)獲取的成本，提高單個(gè)客戶(hù)的貢獻度，從而實(shí)現更高的盈利。

對于企業(yè)而言，實(shí)現交叉銷(xiāo)售，首先需要通過(guò)數據分析，發(fā)現哪些產(chǎn)品經(jīng)常被一起購買(mǎi)，進(jìn)而可以對用戶(hù)進(jìn)行推薦，更多時(shí)候，需要從海量的購買(mǎi)記錄中尋找交叉銷(xiāo)售的機會(huì )。Apriori算法作為最具影響力的挖掘關(guān)聯(lián)規則的算法，已經(jīng)被廣泛應用在零售、電信及網(wǎng)絡(luò )監測等眾多領(lǐng)域，成為最經(jīng)典和常用的分析方法之一。

二、Apriori算法

Apriori算法是一種挖掘布爾關(guān)聯(lián)規則頻繁項集的算法，使用候選項集通過(guò)設定一些指標找出頻繁項集。項集是產(chǎn)品的任意組合，頻繁項集就是經(jīng)常被一起購買(mǎi)的產(chǎn)品組合，反映了大部分人的購買(mǎi)習慣。簡(jiǎn)而言之，Apriori算法是要發(fā)現大部分客戶(hù)一起購買(mǎi)的產(chǎn)品A、B，建立A→B或B→A的關(guān)系式。

布爾運算（Boolean）通過(guò)對兩個(gè)以上的物體進(jìn)行并集、差集、交集的運算，從而得到新的物體形態(tài)。算法的基本思想如下：

1.如果一個(gè)項集不是頻繁項集，那么任何包含它的項集也一定不是頻繁項集。也就是說(shuō)，同時(shí)購買(mǎi)產(chǎn)品A和B的人很少，那么同時(shí)購買(mǎi)A、B和C的人就更少了。

2.如果一個(gè)項集是頻繁項集，那么它的任何子集也是頻繁項集，也就是說(shuō)，購買(mǎi)A、B和C的人多，那么購買(mǎi)A和B的人就更多了。

三、Apriori算法的主要指標

Apriori算法有5個(gè)關(guān)鍵指標：項集/頻繁項集、支持度、置信度、提升度、強關(guān)聯(lián)規則。

指標1、項集/頻繁項集

項集是所有產(chǎn)品及其任意組合，一個(gè)項即為一個(gè)產(chǎn)品或者組合，在多數客戶(hù)的訂單中頻繁出現的那些項就是頻繁項集。

指標2、支持度

   根據項在全部客戶(hù)記錄中出現的頻率，可稱(chēng)為支持度。支持度體現了關(guān)聯(lián)規則的普遍性。

指標3、置信度

對于那些經(jīng)常被一起購買(mǎi)的產(chǎn)品，他們之間存在較強的關(guān)聯(lián)性，怎么定義關(guān)系的強弱，就涉及到置信度指標。

置信度是指客戶(hù)在持有一個(gè)產(chǎn)品（或者一組產(chǎn)品）的前提下，還持有其他產(chǎn)品的概率，置信度體現關(guān)聯(lián)規則的可靠性。

指標4、提升度

滿(mǎn)足條件的事件，相比不滿(mǎn)足條件的事件，發(fā)生增加的可能性。計算公式：Lift(A→B)=CONF(A→B)/SUPP(B)

指標5、強關(guān)聯(lián)規則

諸如A→B，購買(mǎi)A的情況下又購買(mǎi)B的事件，稱(chēng)為關(guān)聯(lián)規則。其中，滿(mǎn)足最小支持度閥值和最小置信度閥值的關(guān)聯(lián)規則稱(chēng)為強關(guān)聯(lián)規則，規則即普遍又可靠。

四、Apriori算法的基本步驟

Apriori算法主要包括以下幾個(gè)步驟：

1.數據輸入：按照格式要求準備數據，一般包含用戶(hù)ID和產(chǎn)品名稱(chēng)兩個(gè)字段?？赏瑫r(shí)設定支持度閥值、置信度閥值。

2.生成項值：根據出現的全部產(chǎn)品，生成全體項集。

3.計算項集的支持度：針對每個(gè)項，分別計算支持度，同時(shí)去除小于支持度閥值的項，得到頻繁項集。

4.計算關(guān)聯(lián)規則的置信度：針對頻繁項集，建立諸如A→B的全部關(guān)聯(lián)規則，計算置信度，同時(shí)去除小于最小置信度閥值的規則。

5.將強關(guān)聯(lián)規則直觀(guān)展示出來(lái)。

6.規則分析：從業(yè)務(wù)角度出發(fā)，分析規則的實(shí)際意義，提取具有現實(shí)指導意義的關(guān)聯(lián)規則。

五、SAS實(shí)現

SAS EM有專(zhuān)門(mén)的關(guān)聯(lián)規則挖掘模塊，可以交互式操作。一般包括三段代碼：

STEP1：為建模創(chuàng )建事物數據庫，即為分析準備一個(gè)虛擬環(huán)境，不產(chǎn)生分析結果。

STEP2：用于生成項集并根據支持度閥值得到頻繁項集，當產(chǎn)品項很多時(shí)，運算量會(huì )較大。頻繁項集輸出到列表ASC_RESULT中。

STEP3：利用頻繁項集構造滿(mǎn)足最小置信度閥值的強關(guān)聯(lián)規則，并直觀(guān)展示出來(lái)，輸出到列表RLA_RULES中。

部分代碼清單如下：

PROC DMDB

DATA=Asso_Datsrc

OUT=_null_

DMDBCAT=Tmp2;

ID Csr_Id;

CLASS Prod;

TARGET Prod;

RUN;

PROC ASSOC

DMDBCAT=TMP2

DATA=Assoc_Datsrc

OUT=Asc_Result

PCTSUP=10

ITEMS=4;

CUSTOMER Car_Id;

TARGET Prod;

QUIT; 

PROC RULEGEN

   IN=Asc_Result

   OUT=Rla_Rules

MINCONF=60;

QUIT;

備注：

1.廣西臻實(shí)項目數據分析師事務(wù)所業(yè)務(wù)范圍：

●投資項目評估、經(jīng)濟效益評價(jià)、項目數據處理、項目融資、投資項目策劃、社會(huì )經(jīng)濟咨詢(xún)等。

●專(zhuān)業(yè)項目數據分析評估：為眾多投資人提供專(zhuān)業(yè)項目分析服務(wù)，減少投資風(fēng)險；

●撰寫(xiě)項目數據分析報告：為項目方編寫(xiě)項目數據分析報告；

●提供融資服務(wù)：項目融資與項目分析工作緊密相連，是項目分析工作價(jià)值的體現；

●項目理財策劃：項目運營(yíng)的關(guān)健是現金流，是數據真實(shí)的體現， CPDA重要的工作是對未來(lái)運營(yíng)情況的判…

2.廣西數據分析師探討交流QQ群：117268053

3.業(yè)務(wù)咨詢(xún)電話(huà)：0771-5862703/18978862530 韋勛峰經(jīng)理

（聲明：文章來(lái)源于網(wǎng)絡(luò )，不代表本站觀(guān)點(diǎn)及立場(chǎng)，版權歸原作者所有，若有侵權或異議請聯(lián)系更正或刪除）