Анализ рыночной корзины — процесс п

Анализ рыночной корзины — процесс поиска наиболее типичных шаблонов покупок в супермаркетах. Он производится путем анализа баз данных транзакций с целью определения комбинаций товаров, связанных между собой. Иными словами, выполняется обнаружение товаров, наличие которых в транзакции влияет на вероятность появления других товаров или их комбинаций.

Результаты, полученные с помощью анализа рыночной корзины, позволяют оптимизировать ассортимент товаров и запасы, размещение их в торговых залах, увеличивать объемы продаж за счет предложения клиентам сопутствующих товаров. Например, если в результате анализа будет установлено, что совместная покупка макарон и кетчупа является типичным шаблоном, то разместив эти товары на одной и той же витрине можно «спровоцировать» покупателя на их совместное приобретение.



Ассоциативные правила

Для решения задачи анализа рыночной корзины используются ассоциативные правила вида «если… то...». Например, «если клиент купил пиво, то он купит и чипсы». Каждая покупка именуется «транзакцией», на основании большего набора таких транзакций и строят исследования поведения клиента.

Ассоциативные правила являются очень простой и удобной формой записи знаний. Еще раз хочу уточнить, что информация о транзакциях является исходными данными, а вот полученные ассоциативные правила являются теми знаниями, которые помогли в 80-х большим супермаркетам сэкономить большие деньги.

Для характеристики правила используются некоторые метрики:

Правило X->Y имеет поддержку s (support), если s транзакций из D, содержат пересечение множеств X и Y. Достоверность правила показывает какова вероятность того, что из X следует Y. Правило X->Y справедливо с достоверностью c (confidence), если c транзакций из D, содержащих X, также содержат Y, conf(X-> Y) = supp(X->Y)/supp(X ).

Например: «75% транзакций, содержащих хлеб, также содержат молоко. 3% от общего числа всех транзакций содержат оба товара». 75% – это достоверность (confidence) правила, 3% — это поддержка (support), или «Хлеб» -> «Молоко» с вероятностью 75% и поддержкой 3%.

Как правило, очевидные правила имеют поддержку и достоверность высокую (60% и больше), но не являются знаниями де-факто. Основное внимание необходимо уделять правилам, имеющим поддержку 5-10%, именно они могут стать источником идеи промоакции или услуги.

結果 (英文) 1:

Market basket analysis is the process of finding the most common patterns of purchases in supermarkets. It is produced by analyzing transaction databases with a view to defining combinations of goods connected among themselves. In other words, detecting the presence of products in the transaction affects the likelihood of other goods or their combinations.The results obtained using the market basket analysis, allow to optimize the assortment of goods and supplies, placing them in the trading halls, increase sales by offering customers related products. For example, if the review finds that the joint purchase of macaroni and ketchup is a typical pattern, placing these products on the same showcase can "provoke" the buyer on their joint acquisition.Ассоциативные правилаДля решения задачи анализа рыночной корзины используются ассоциативные правила вида «если… то...». Например, «если клиент купил пиво, то он купит и чипсы». Каждая покупка именуется «транзакцией», на основании большего набора таких транзакций и строят исследования поведения клиента.Ассоциативные правила являются очень простой и удобной формой записи знаний. Еще раз хочу уточнить, что информация о транзакциях является исходными данными, а вот полученные ассоциативные правила являются теми знаниями, которые помогли в 80-х большим супермаркетам сэкономить большие деньги.Для характеристики правила используются некоторые метрики:Правило X->Y имеет поддержку s (support), если s транзакций из D, содержат пересечение множеств X и Y. Достоверность правила показывает какова вероятность того, что из X следует Y. Правило X->Y справедливо с достоверностью c (confidence), если c транзакций из D, содержащих X, также содержат Y, conf(X-> Y) = supp(X->Y)/supp(X ).Например: «75% транзакций, содержащих хлеб, также содержат молоко. 3% от общего числа всех транзакций содержат оба товара». 75% – это достоверность (confidence) правила, 3% — это поддержка (support), или «Хлеб» -> «Молоко» с вероятностью 75% и поддержкой 3%.Как правило, очевидные правила имеют поддержку и достоверность высокую (60% и больше), но не являются знаниями де-факто. Основное внимание необходимо уделять правилам, имеющим поддержку 5-10%, именно они могут стать источником идеи промоакции или услуги.

結果 (英文) 3:

market basket analysis is the process of searching for the most typical patterns of shopping in the supermarket. it is produced through the analysis of database transactions to identify combinations of products related.in other words, is the discovery of the goods, the existence of which the transaction affects the likelihood of other goods or their combinations.

the results obtained through the analysis of market basketallow to optimize the assortment of goods and supplies, placing them in the halls, to increase sales by offering customers related products. for example,if, as a result of the analysis, it is found that the joint purchase of pasta and ketchup is a typical templatethen by placing the goods at the same window can be спровоцировать» buyer on their joint acquisition.





provide an associative rulesin order to meet the challenge of market basket analysis are used to provide an associative rules of "if... then...". for example, if a customer bought a beer, he buys and чипсы». each purchase is referred to as the "транзакцией»,on the basis of more of such transactions and they study customer behavior.

provide an associative rules are very simple and convenient form of the knowledge. again, i want to clarifywhat information about transactions is the source data, and this obtained provide an associative rules are the knowledge that helped in the 1980s big supermarkets to save a lot of money

.for the characteristics of the rules used by several metrics:

rule x - > y has a support s (support), if s transactions from d, contain the intersection of x and y, the rule shows the possibility offrom x to y. the rule x - > y fairly reliably c (confidence), if the transaction of d containing x, also contain y, conf (x - > y) = supp (x - > y) / (x) supp.

for example: 75% of transactions containing bread also contain milk.3% of the total number of transactions contain both commodity. 75% is the (an) rules, 3% of it is support (support), or "хлеб» - >" milk "with a probability of 75% and a support 3%.

generallythe rules have high support and accuracy (60% and more), but are not knowledge de facto. the focus should be on rules with support of 5 - 10%they can be a source of ideas promotions are offered or services.