Analiza koszykowa (analiza asocjacyjna)

Analiza koszykowa (nazywana też analizą asocjacyjną) jest kluczową metodą odkrywania zależności między produktami. Wyszukuje kombinacje produktów, które często występują razem w transakcjach. Innymi słowy, pomaga sprzedawcom rozpoznawać zależności między produktami kupowanymi przez klientów.

Do czego służy analiza asocjacyjna?

Załóżmy, że prowadzisz własny internetowy sklep odzieżowy. Twoim celem jest osiągnięcie jak najwyższych przychodów.

Aby osiągnąć jak najwyższą sprzedaż, chcesz, żeby każdy klient kupił jak najwięcej. Jednym ze sposobów zachęcania do tego jest proponowanie dodatkowych produktów. Kluczowe pytanie brzmi: który produkt warto polecić? W tym miejscu przydaje się analiza koszykowa lub analiza asocjacyjna.

Analiza koszykowa odpowiada na pytanie: jak prawdopodobne jest, że klient kupi produkt A, jeśli ma już produkt B w koszyku?

Analiza koszykowa pokazuje, które produkty są często kupowane razem. Jeśli więc klient ma już w koszyku dżinsy i buty, jak prawdopodobne jest, że kupi także koszulę, skarpetki lub t-shirt?

Przykład analizy koszykowej

Aby obliczyć analizę koszykową, potrzebujesz listy wcześniejszych zakupów, na której widać, które produkty zostały kupione razem w jednej transakcji.

Wypisujesz produkty, a każdy wiersz jest jedną transakcją. W tym przykładzie masz produkty dżinsy, koszula, kurtka i buty.

Każdy wiersz jest transakcją lub zakupem. "1" oznacza kupiono, a "0" oznacza nie kupiono. Pierwsza osoba kupiła więc dżinsy, koszulę i buty.

Teraz, aby uzyskać wyniki, które możemy zinterpretować, najpierw obliczmy analizę koszykową dla tych danych w numiqo. W tym celu przejdź do kalkulatora analizy koszykowej w numiqo i skopiuj swoje dane do tabeli.

Teraz możemy określić minimalne wsparcie i minimalną ufność. Dla tych danych numiqo zwraca następujące reguły asocjacyjne:

Reguły asocjacyjne mają postać: jeśli produkty po stronie Lhs (lewa strona) występują w transakcji, to produkty po stronie Rhs (prawa strona) również występują z pewnym prawdopodobieństwem.

Interpretacja wyników analizy koszykowej

Przyjrzymy się wynikom analizy koszykowej na podstawie pierwszego zestawu reguł asocjacyjnych.

Częstość

Częstość w tabeli wyników informuje, jak często produkty po stronie Lhs i Rhs występują w jednej transakcji. W naszym przypadku: jak często koszula i buty występują razem?

Wystarczy więc policzyć, w ilu transakcjach występują oba produkty. Są to 8 transakcji.

Wsparcie

Wsparcie informuje, jaki procent wszystkich transakcji odpowiada tej regule, czyli innymi słowy, jak prawdopodobne jest, że koszula i buty wystąpią w jednej transakcji. Dzielimy więc częstość przez liczbę wszystkich transakcji.

Łącznie jest 19 transakcji, więc otrzymujemy 8/19, czyli 0,42. Prawdopodobieństwo, że koszula i buty wystąpią w jednej transakcji, wynosi więc 42 procent.

Ufność

Ufność informuje: jeśli produkty po stronie Lhs znajdują się w zamówieniu, jak prawdopodobne jest, że produkty po stronie Rhs również znajdą się w koszyku?

W naszym przykładzie oznacza to: jak prawdopodobne jest, że jeśli w koszyku znajduje się koszula, to znajdują się w nim również buty? Możemy to obliczyć, dzieląc częstość występowania koszuli i butów przez częstość występowania koszuli.

Lift

Na koniec lift. Lift porównuje ufność reguły z ogólną częstością występowania produktów po stronie Rhs. W naszym przykładzie, jeśli produkt koszula znajduje się w koszyku, wystąpienie butów jest 1,27 razy bardziej prawdopodobne niż w przeciętnej transakcji.

Analiza koszykowa i eksploracja danych

Analiza koszykowa jest metodą z obszaru eksploracji danych. W zależności od ilości dostępnych danych analiza może być bardzo wymagająca obliczeniowo.

Jednak dzięki algorytmowi Apriori istnieją bardzo skuteczne sposoby efektywnego wyznaczania reguł asocjacyjnych.

Uwaga krytyczna dotycząca analizy koszykowej

Załóżmy, że analiza koszykowa pokazuje, że jeśli dana osoba kupuje dżinsy i buty, istnieje duże prawdopodobieństwo, że kupi także koszulę. Następnie proponujesz koszulę wszystkim klientom, którzy kupują dżinsy i buty. Zwiększa to prawdopodobieństwo, że koszula zostanie kupiona pod tym warunkiem, a przyszła analiza koszykowa będzie obciążona błędem.