任务知识导入
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。
第一步，划分商品组合
请按照A、B、C、D顺序依次两两组合：
- {{ item }} -
商品组合
X
√
提交
第二步，计算无条件概率
X
√
提交
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。
X
√
X
√
X
√
提交
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。
X
√
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
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;
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。