购物篮分析

2025-5-27

报表设计
分析师

About 9 min

# 概述

购物篮分析（Market Basket Analysis）是一种数据挖掘技术，主要用于发现顾客购买行为中的模式和关联。它通过分析销售交易数据来识别哪些产品经常一起被购买，从而帮助企业更好地理解消费者的购买习惯、优化商品布局、制定促销策略以及提升客户体验。

# 实现思路

测试数据-示例超市.xls (opens new window)

一般我们使用三个指标来度量一个关联规则，这三个指标分别是：支持度、置信度和提升度。

# Support（支持度）

表示某个商品组合在所有交易中出现的频率。例如，如果在100次交易中有20次同时购买了A和B，则A和B的支持度为20%。

支持度 = 同时购买A和B订单数 / 总购买订单数

# Confidence（置信度）

指的是在已知一个特定商品被购买的情况下，另一个商品也被购买的概率。比如，“买了A的顾客也买了B”的置信度是80%，意味着在所有包含A的商品篮子中，有80%也包含了B。

置信度 = 同时购买A和B订单数 / 购买A的订单数

# Lift（提升度）

衡量两个商品一起购买的概率与它们独立购买概率的比值。提升度大于1表示这两个商品更可能一起被购买；等于1则表明两者独立；小于1说明这些商品倾向于不一起购买。例如，如果“买了A的顾客也买了B”的提升度是2，这意味着买A的顾客买B的可能性是随机情况下预期的两倍。

A的购买比率 = 购买A次数 / 总购买订单数
B的购买比率 = 购买B次数 / 总购买订单数
提升度 = 支持度 / (A的购买比率 * B的购买比率)

1
2
3

# 数据准备

在原有超市订单表基础之间，为了实现找到两种产品的关系可以用订单号自关联, 增加过滤条件AB商品不相等

# 增加计算字段

商品A的订单数 = {FIXED `a_子类别` : distinct(`订单 ID`) }
商品B的订单数 = {FIXED `b_子类别` : distinct(`订单 ID`) }
同时购买商品AB订单数 = {FIXED `a_子类别`, `b_子类别` : distinct(`订单 ID`) }
总订单数 = {FIXED  : distinct(`订单 ID`)}

1
2
3
4

数据明细（注意是明细数据不是汇总数据）如下所示

# 增加汇总表达式

由于上面通过计算字段增加的字段已经是汇总级别，所以下面在汇总计算的时候需要选择 max/min/avg 中的一种汇总函数，不能选择sum函数

支持度 = max(`同时购买商品AB订单数`) / max(`总订单数`)
置信度 = max(`同时购买商品AB订单数`) / max(`商品A订单数`)
商品A购买占比 = max(`商品A订单数`) / max(`总订单数`)
商品B购买占比 = max(`商品B订单数`) / max(`总订单数`)
提升度 = ${支持度} / (${商品A购买占比} * ${商品B购买占比})