04_从啤酒与尿布，聊关联规则推荐

“把啤酒放在尿布旁，有助于提升啤酒销售量”是关联规则推荐的经典案例，今天，和大家聊聊“关联规则推荐”，正文不含任何公式，保证PM弄懂。

一、概念

什么是关联规则（Association Rules）？

答：关联规则是数据挖掘中的概念，通过分析数据，找到数据之间的关联。电商中经常用来分析购买物品之间的相关性，例如，“购买尿布的用户，有大概率购买啤酒”，这就是一个关联规则。

画外音：如果把买尿布记作A，买啤酒记作B。

“买尿布的用户有较大概率买啤酒”这个关联规则记作A -> B。

什么是关联规则推荐（Association Rule Based Recommendaion）？

答：顾名思义，利用关联规则，来实施推荐。关联规则推荐的目标，是希望达到

“将尿布放入购物车之后，再推荐啤酒”

比

“直接推荐啤酒”

获取有更好的售卖效果。

画外音：这个目标非常非常重要，有些场景，或许直接推荐更有效。

关联规则推荐的典型应用：

线下，可以将尿布和啤酒放在一起
线上，可以在用户将尿布放入购物车后，立刻推荐啤酒

二、如何实施

假设某电商会售卖ABCD四种商品，历史上共5笔订单，分别卖出{A,B,C}, {B,C,D}, {A,B,C,D}, {A,C}, {C} 如何来实施“关联规则”推荐呢？

第一步：数据准备

如上图，纵坐标是所有历史订单，横坐标是每笔订单售出的商品。

第二步：计算关联规则（组合商品）的支持度

什么是支持度（support）？

答：共5笔订单，3笔包含商品A，A的支持度是3/5。

很容易计算出，各个商品的支持度。从支持度可以看出，Best Seller是商品C，100%的订单中都包含商品C，C的支持度是1。

除了单个商品，组合商品也有支持度。

共5笔订单，2笔同时包含AB，即A->B的支持度是2/5。

画外音：全局总共4种商品，假设关联规则只关联2种商品，则一共需要计算C(4,2)共6种组合商品的支持度{AB,AC,AD,BC,BD,CD}。

支持度评估商品包含在订单中的“概率”，一个订单，有多大概率包含这个商品。

画外音：一般会先对支持度高的商品实施推荐，如果先实优化支持度低的商品，即使推荐效果翻倍，总体订单提升效果也会很有限。

第三步：计算关联规则的置信度

什么是置信度（confidence）？

答：已知购买了A，有多大概率购买了B（即同时购买了AB），称A -> B的置信度。

可以看到，商品A有3次购买，这3次中有2次购买了B，A->B的置信度是2/3。

画外音：额，本来不想贴公式的

confidence(A->B) = support(A->B)/support(A)= (2/5)/(3/5) = 2/3

这也相对比较好理解，

分子：support(A->B)是同时购买AB的比例
分母：support(A)是只购买A的比例

二者相除，得到“购买了A，有多大概率购买B”，置信度的本质是条件概率。

这里需要注意的是，X->Y与Y->X的置信度不一定相等。

如上图：

B->C的置信度是1，买商品B时，100%会买C，

C->B的置信度是3/5，买商品C时，只有3/5买了B。

画外音：

support(B->C)=3/5

support(C->B)=3/5

confidence(B->C)=support(B->C)/support(B)=1

confidence(C->B)=support(C->B)/support(C)=3/5

公式是给程序看的，excel表格是给人看的，结果都一样。

第四步：计算关联规则的提升度

上一个例子里，confidence(B->C)=1，即：如果用户购买商品B，100%会买C，那是不是意味着，如果用户将商品B放入购物车，就可以向用户推荐商品C呢？

答：不是。

我们来回顾一下，关联规则推荐的目标，是希望达到

“将尿布放入购物车之后，再推荐啤酒”

比

“直接推荐啤酒”

获取有更好的售卖效果。

虽然购买商品B，100%会买C

画外音：confidence(B->C)=1

但直接推荐C，用户也100%会买C

画外音：support(C)=1

会发现，购买B与购买C是独立事件，用户买不买C和用户买不买B没有直接关系。这里的关联规则推荐，并没有比直接推荐获取更好的效果。

用什么指标来评估关联规则推荐的效果呢？

答：提升度。

什么是提升度（lift）？

答：A->B关联规则推荐，与直接推荐B，的比值，可以用来评估推荐效果：

大于1，说明有效，在购买A时推荐B，比直接推荐B，效果更好
等于1，说明无关，购买A与购买B，是独立事件
小于1，说明负相关，购买A时推荐B，效果还不如直接推荐B

画外音：又有公式了

lift(A->B) =confidence(A->B)/support(B)

这也相对比较好理解，

分子：confidence(A->B)，购买A时，有多大概率同时购买B
分母：support(B)，有多大概率直接购买B

二者相除，得到效果是否更好。

还是通过两个直观的例子来看。

来看看关联规则A->B，与直接推荐B，效果有没有提升：

有3个订单购买A，这3个订单中有2个订单购买了B，所以A->B的置信度是2/3，即买了A有2/3的概率会买B
直接推荐B的话，5个订单中有3个购买了B，所以B的支持度是3/5，即有3/5的概率会直接买B

会发现，关联规则推荐的效果更好。

画外音：根据公式

confidence(A->B) =support(A->B)/support(A) = 2/3

support(B) = 3/5

lift(A->B) =confidence(A->B)/support(B) = 10/9

lift(A->B) > 1，故关联规则推荐是正相关的。

来看看关联规则A->D，与直接推荐D，效果有没有提升：

有3个订单购买A，这3个订单中有1个订单购买了D，所以A->D的置信度是1/3，即买了A有1/3的概率会买D
直接推荐D的话，5个订单中有2个购买了B，所以D的支持度是2/5，即有2/5的概率会直接买D

会发现，关联规则推荐的效果很差，还不如直接推荐。

画外音：根据公式

confidence(A->D) =support(A->D)/support(A) = 1/3

support(D) = 2/5

lift(A->D) = confidence(A->D)/support(D)= 5/6

lift(A->B) < 1，故关联规则推荐是负相关的。

三、总结

关联规则A->B推荐，目标是，在“用户将A放入购物车时，推荐B”比“单独推荐B”获取更好的效果
A->B的支持度，是用户同时购买A和B概率
A->B的置信度，是用户购买A的同时，有多大概率购买B
A->B的提升度，是“用户购买A的同时，有多大概率购买B”与“直接购买B的概率”的比值

（1）这个值大于1时，说明A->B有正向效果

（2）这个值等于1时，说明A和B是独立事件

（3）这个值小于1时，说明A->B有负向效果

希望这1分钟，大家能有收获。

《1分钟了解协同过滤，pm都懂了》

《1分钟了解基于内容的推荐，pm又懂了》

《1分钟了解相似性推荐，pm真懂了》

原创： 58沈剑架构师之路 4月9日

04_从啤酒与尿布，聊关联规则推荐相关推荐

Matlab关键规则挖掘尿片啤酒,数据挖掘：“啤酒＋尿布”的关联规则是怎么来的？...
关联,其实很简单,就是几个东西或者事情是经常同时呈现的,"啤酒+尿布"就是十分典型的两个关联商品. 假定两项或多项属性之间存在关联,那么其中一项的属性值就能够依据其他属 ...
关联分析(Association Analysis)--挖掘啤酒与尿布的关联规则
通过本文我们将了解: x->y的含义挖掘关联分析规则的两个步骤 aproori原理算法优化–剪枝如何生成频繁项集没有重复的k-项候选集如何产生->剪枝–>计数–频繁k-项集 ...
从啤酒和尿布讲关联规则，大数据集处理算法Apriori以及改进的PCY算法
本文将讲解关联规则的相关概念.处理相关规则的一般算法.改进的大数据处理关联规则的Apriori算法以及进一步优化的PCY算法. 啤酒和尿布的故事已经广为人晓.很多年轻的父亲买尿布的时候会顺便为自己买一 ...
关联规则概念、啤酒加尿布引出购物篮分析、频繁项集、支持度+置信度+提升度
关联规则概念.啤酒加尿布引出购物篮分析.频繁项集.支持度+置信度+提升度目录
啤酒和尿布：一文看懂关联规则
啤酒和尿布:一文看懂关联规则一.关联规则二.Apriori算法 2.1 相关概念 2.2 实现步骤 2.3 代码实现谈到大数据在零售业的应用,不得不提到一个经典的营销案例–啤酒和尿布的故事,有个 ...
如何用Python挖掘“啤酒和尿布”的关系？（Apriori算法挖掘关联规则）
一.什么是关联规则挖掘? "啤酒与尿布"的故事大家都听过吧,一些年轻的父亲在去超市给孩子买尿布的时候,会顺便给自己买点啤酒,超市发现这个规律之后,就把啤酒和尿布的货架放在一起,这次 ...
3分钟了解“关联规则”推荐
转载自 3分钟了解"关联规则"推荐 "把啤酒放在尿布旁,有助于提升啤酒销售量"是关联规则推荐的经典案例,今天,和大家聊聊"关联规则推荐",正 ...
都2020年了，别再迷信啤酒与尿布！数据分析的真相在这
一提人工智能大数据,必有人提啤酒与尿布,有意思的是,都2020年了,还有人信这个老掉牙的都市传说.今天我们系统讲解一下. 一.站在背后的关联规则支持啤酒与尿布故事的,是关联规则算法.注意:关联规则算 ...
都2020年了，还在迷信啤酒与尿布！数据分析的真相是……
一提人工智能大数据,必有人提啤酒与尿布,有意思的是,都2020年了,还有人信这个老掉牙的都市传说.今天我们系统讲解一下. 1 站在背后的关联规则支持啤酒与尿布故事的,是关联规则算法.注意:关联规 ...

04_从啤酒与尿布，聊关联规则推荐

04_从啤酒与尿布，聊关联规则推荐相关推荐

最新文章

热门文章