+ 
+ 任务知识导入
+
+
+ 任务知识导入
+
+
+
+
+
+
+
+ 现有某购物商场的购物篮数据，请分析两两搭配销售的价值。A、B、C、D分别代表不同的商品 + +
+
+
+ 
+ 案例背景：
+
+
+ 购物篮分析是指通过分析消费者在电商平台上的购物数据，了解他们购买商品之间的关联性，在做商品推荐和货架摆放布局时候，将关联度高的商品放一起捆绑销售，从而提升销售额。
+ 案例背景：
+ + 现有某购物商场的购物篮数据，请分析两两搭配销售的价值。A、B、C、D分别代表不同的商品 + +
+
+
+
+
+
+
+
+
+
+
+
+ 下载数据
+
+ 计算公式如下：
+ 1.支持度是指A和B两个商品同时被购买的概率，AB组合的支持度=同时包含A和B商品的订单数/总订单数*100%=P(A∩B)
+
+ 2.置信度是指购买A之后又购买了B的条件概率,是买了A和B的订单占所有买了A的订单里的占比，A对B的置信度=P(A∩B)/P(A)
+
+ 3.提升度是指在购买A产品这个条件下购买B产品的可能性与没有这个条件下购买B产品的可能性之比（置信度/无条件概率），A对B的提升度=A对B的置信度/P(B）。
+ 一般而言，提升度如果小于1，则该推荐规则不应该被使用。
+
+
+ 请按照A、B、C、D顺序依次两两组合： + +
+
+
+ 
+ 第一步，划分商品组合
+
+
+ 根据购物篮A、B、C、D四种不同的商品，按照两两搭配的方式，可能有以下几种组合。
+ 第一步，划分商品组合
+ + 请按照A、B、C、D顺序依次两两组合： + +
+
+
+
+
+
+
+
+ —
+
+
+
+
+ 添加组合
+ 
+
+
+
+
+ -
+
- {{ item || "-" }} +
商品组合
+提交
+
+
+
+
+
+ 第二步，计算无条件概率
+
+
+ 根据购物篮信息，计算A、B、C、D四种商品的无条件概率。
+
+
+ 第二步，计算无条件概率
+
+
+
+
+
+
+
+ %
+
+
+
+
+ 提交
+
+
+ 计算结果保留小数点后两位小数。 + +
+
+
+
+ 第三步，计算支持度、置信度、提升度
+
+
+ 按照第一步中的两两组合情况，依次计算各自组合的支持度、置信度、提升度。
+ 第三步，计算支持度、置信度、提升度
+ + 计算结果保留小数点后两位小数。 + +
+
+
+
+
+
+
+ %
+
+
+
+
+
+ %
+
+
+
+
+
+ %
+
+
+
+
+ 提交
+
+
+ 当A对B的提升度＜1，则表示买A再买B的概率小于本身买B的概率，就表示买A对买B带来了负向效果。
+ 当A对B的提升度 = 1，则代表买A对买B没有影响。 + +
+
+
+
+ 第四步，判断两两搭配销售价值
+
+
+ 当A对B的提升度＞1，则表示买A再买B的概率大于本身买B的概率，就表示买A对买B带来了提升效果。
+ 第四步，判断两两搭配销售价值
+ + 当A对B的提升度＜1，则表示买A再买B的概率小于本身买B的概率，就表示买A对买B带来了负向效果。
+ 当A对B的提升度 = 1，则代表买A对买B没有影响。 + +
+
+
+
+
+
+
+
+
+
+
+
+ 提交
+ + 进一步的分析，可以分析支持度最高top10的商品组合、置信度最高top10的商品组合、提升度最高top10的商品组合。 +
+
+
+
+
+ 第五步，制定营销策略
+
+
+ 通过购物篮分析，能给实际销售带来的价值：
+
+
+ 第五步，制定营销策略
+
+ 
+ 优化商品配置：可以厘清哪些商品可以一起购买,关联商品可以优化陈列方式、进行促销等;
+
+
+ 优化商品配置：可以厘清哪些商品可以一起购买,关联商品可以优化陈列方式、进行促销等;
+
+ 
+ 了解客户需求：分析出顾客的购买习惯，顾客购买商品的时间、地点等;
+
+
+
+ 了解客户需求：分析出顾客的购买习惯，顾客购买商品的时间、地点等;
+
+
+ 
+ 分析销售趋势：利用数据仓库对品种和库存的趋势进行分析,选定需要补充的商品,研究顾客购买趋势,分析季节性购买模式,确定降价商品。
+
+
+ 分析销售趋势：利用数据仓库对品种和库存的趋势进行分析,选定需要补充的商品,研究顾客购买趋势,分析季节性购买模式,确定降价商品。
+ 
+