数据分析里有一个经典的案例，超市里经常会把婴儿的尿不湿和啤酒放在一起售卖，原因是经过数据分析发现，出来买尿不湿的家长以父亲居多，如果他们在买尿不湿的同时看到了啤酒，将有很大的概率购买，这样就可以提高啤酒的销售量。

这个案例可能很大多数人都听烂了，但是如果要问你这个案例背后的算法和本质是什么，可能就要难倒不少人了。

其实，这种通过研究用户消费数据，将不同商品之间进行关联，并挖掘二者之间联系的分析方法，就叫做商品关联分析法，也叫作“购物篮分析”。

购物篮分析在电商分析和零售分析中应用相当广泛，但是很多人仅仅是照猫画虎，做一点表面的购买率关联分析就行了，其实真正的商品关联分析可不是这么浅显简单，下面就简单介绍一些商品关联分析。

一、商品关联分析的定义和目的

关联大家应该都很好理解，就是反映某个事物与其他事物之间相互依存关系的，在商品关联分析的定义是，通过对顾客的购买记录数据库进行某种规则的挖掘，最终发现顾客群体的购买习惯的内在共性。

什么叫做内在共性呢？举个简单例子，一般来说女性去超市买的东西是化妆品、服装、时蔬等等，而男性去超市买的东西大多是日用品，所以超市里会设置女性专柜和男性专柜，通过简单的客户分群实现商品分类。

我们都知道，做数据分析的目的就是找到数据之间的关联和联系，而对于产品或商品来说，我们的目的是什么呢？

答案是找出顾客购买行为的模式，比如说用户买了A商品，是否会对B商品产生什么影响；比如用户今天的购买行为，会不会对明天的销售量带来影响；比如不同的用户是否具有不同的购买模式，等等。

而这种挖掘方式要基于一定的规则，这个规则就是进行关联分析的算法，也就是下面我们要说的内容。

二、商品关联分析的指标

商品关联分析中有很多的指标体系，一般来说有下面三种比较常见：

1、支持度

支持度是指A商品和B商品同时被购买的概率，或者说某个商品组合的购买次数占总商品购买次数的比例，用图表示就是两者之间的交集。

其算法公式是：S=F[(A&B)/N]

其中S代表支持度，F代表概率函数，A&B代表购买了A且购买了B的次数，N代表购买总次数。

比如今天共有10笔订单，其中同时购买牛奶和面包的次数是6次，那么牛奶+面包组合的置信度就是6/10=60%

2、置信度

置信度是指购买A之后又购买B的条件概率，简单说就是因为购买了A所以购买了B的概率，用图表示就是交集在A中的比例。

其算法公式是：C=F(A&B)/F(A)

其中C代表置信度，F表示条件概率，A&B代表购买了A且购买了B的次数，A代表购买A的次数。

比如今天共有10笔订单，其中购买A的次数是8，同时购买A和B的次数是6，则其置信度是6/8=75%

3、提升度

提升度是先购买A对购买B的提升作用，用来判断商品组合方式是否具有实际价值，换句话说，就是看组合商品被购买的次数是否高于单独商品的购买次数，大于1说明该组合方式有效，小于1则说明无效。

其算法公式是：L=S(A&B)/[S(A)*S(B)]

其中L代表提升度，S(A&B)代表A商品和B商品同时被购买的支持度，S(A)*S(B)代表商品A被购买的概率与B被购买概率的乘积

比如今天共有10笔订单，购买A的次数是8，购买B的次数是4，购买A+B的次数是6，那么提升度是0.6/(0.8*0.4)>1，因此A+B的组合方式是有效的。

三、商品关联分析的步骤

1、数据来源

我们以某份超市的购买订单数据为基础，其中包含了商品类别、价格、特价、订单ID等信息

2、使用工具

我们在建立关联模型的时候，如果选择用excel等工具实现起来较为困难，为了提高分析效率，我们可以使用专业的数据分析BI工具，比如下面我用到的FineBI，可以直接将Excel数据导入到系统里进行分析，当然也可以选择连接oracle等库使用数据库表，通过建立自助数据集的方式进行自主分析。

首先我们先进行交集的计算，将刚才的excel数据表直接导入：

3、数据合并

计算交集的方法很简单，就是复制一列相同的商品类别，将两列合并在一起，就可以分出比如A+A、A+B、B+A等的商品组合，操作方法是直接点击左侧合并，并选择“并集合并”。

4、过滤重复值

很显然我们不需要A+A的组合，因此要将商品类别相同的数据给过滤掉，直接左侧添加过滤栏，过滤条件设置为“MeaNames=新MeaNames”。

5、计算交集次数

过滤掉了重复值也就得到了我们的交集，但是怎么计算每个交集的次数呢？这时候我们要用到辅助列，也就是新添加一列”值为1“的常数列，然后再新增一列，将相同类别的商品求和，也就是计算相同类别商品1的个数，作为我们每个交集的次数。

6、计算支持度

计算出了每个商品组合的交集次数，我们就可以来计算关联分析里的支持度、置信度和提升度了。

首先支持度要计算出购物的总次数，我们再新建一个数据集，还是用到刚才的excel数据表，所有数值都添加进去。

然后我们直接计算不同类别的ID数总和就可以了，新添加一列然后选择组内求和，条件是ID数。

这样我们就有了交集表和总数表，下一步就是将两张表合并成一张表，从下表我们就能看出不同商品组合的总次数和交集数。

根据支持度的公式，我们直接新加一列，公式为“交集/总数”，这样我们的支持度就计算出来了。

7、计算置信度

置信度就比较好计算了，根据公式我们只要算出A商品的购买率就可以了，直接新加一列，命名为置信度，公式为“交集/购买A的数量”，即可计算出置信度了。

8、计算提升度

计算提升度我们可以照猫画虎，根据定义新加一列，公式为“支持度/[(购买A的数量/订单总数)*(购买B的数量/订单总量)]，就能得到提升度。

9、最终结果

四、分析结果

从最终得到的结果我们能够看出来不同商品之间的类别关系，比如下面几条结论：

1.面包与牛奶的支持度最高，说明把面包和牛奶放在一起捆绑销售可以提高销量；

2.水果与面包的支持度最低，需要把这两种商品分开放置，尽量不要靠近；

3.牛奶与鸡蛋的置信度最高，说明买了鸡蛋之后用户很有可能继续购买牛奶；

当然还有很多其他结论，可以帮助我们对商品的销售进行分析和处理，有利于我们提高销量，实现数据价值。