地 址：上海市松江66号
电 话：13302171506
网址：dsesh.com
邮 箱：52205799@qq.com
关联(lian)营销的有(you)人活动结(jie)束之后，商家在总结活动中要总结这次关联营销的关联过算活动效果，最直观的销售行展方法是通过商智来观察店铺的客单价和访问(wen)深度是否有所增加。
助教：鹿鸣 | 作者(zhe)：搜索书生
关联(lian)算法的何通数据展示
京东平台的很多模块均引入(ru)千人千面推荐算法，为用户提供个性化的法进推荐，来增加商品的有人转化率，效果十分显著。关联过(guo)算商家也(ye)可以通过科学的销售行展数据分(fen)析来对商品进行关联(lian)，达到想要的何通效果。关联销售的法进商品选择可以依赖于订单历史数(shu)据，商家通过使用关联规则算法(fa)来计算历史订单中各商品之间的有人相(xiang)关购买度，了解用(yong)户的关联过(guo)算需求动向，进而提供一些在以往订单中搭配购买次数多的销售行展商品进行关联。
我们完全可以用(yong)关联规则处理的何通数据来筛选关联商品，规则的法进支持度和置信度是计(ji)算关联度的两(liang)种(zhong)度量指标，用来反(fan)应相互之间联系的有用性和确定性。支持度，可以理(li)解为支持的程度如何关联营销，也就是在一个集合中包含特(te)别(bie)项目的概率，支持度越大，两个商品被一起购买的概率越大。在统计学中，置信度表示一个样本在某个总体参数的区间估计。也就是说用户购买了一个商品后，同时购买另一个商品的概率。置信度越高，搭配购买另一个商品的概率越大，如果两件商品作为套装购买，则置信度最大为1。
假设，购买连衣裙和打底裤的支持度是10%，置信度是(shi)30%。支持度10%表示分析的所有购买记录中，同时购买连衣裙和打底裤的频率是(shi)10%。置信度30%则(ze)意味着购买连衣裙的用户有(you)30%也购买了打底裤。通过经(jing)验数据得到最小支持度和最小置信度，当支持度和置信度满足最小支持(chi)度和最小置信度，则可以判断这两个商品具有相关(guan)性。
查看原图
现在可以考虑一种情况，假如有1000个订单，其中有600个订单含有毛衣，750个订单包含卫衣，有400个订单同时包含卫衣和毛(mao)衣。按照上文的(de)规则，计算一下这两个商品之间的(de)关联程度，可以知道购买毛衣和卫衣的支持度为40%，置信度为66%。通过这两个数字，商家会很轻易地认(ren)为毛衣和卫衣是强关联的两件商品，然而，从宏观来看，在所有的订单中，卫衣的购买率达到75%，要大于66%，说明毛衣和卫衣的购买实际上是负相关的(de)，购买了毛衣并没有给卫衣的销量带来好的影响，相反，由于(yu)买一种商品降低了买另一种商品的可能性。所以我们引入第三个相关性(xing)度量指标，也就是(shi)提(ti)升度。
毛(mao)衣和卫衣的(de)计算数据如图所(suo)示
查看原图
提升度表示在有A的情况下(xia)，同时含有B的概率。与仅仅有B的情况的比值，当这个比值小于1时，这两个商品之间存在负相关关(guan)系，也就是说，一个商品的出现会降低另一个商品的出现概率，当比值等于1的时候如何关联(lian)营销，这两个(ge)商品之间互相(xiang)不会影响，当比值大于1的时候，说明这(zhe)两个商品之间存在(zai)正相(xiang)关关系。刚刚举的例子中，购买毛(mao)衣对卫衣的(de)提升度就是置信度66%比上卫衣的购买率75%，结果是88%，所(suo)以可(ke)以判断这两个商品之间的关联关系是毫无意(yi)义的，所以两个商品各自销售会比互相推荐效果好。
当商家想(xiang)通过数据进行挑选关(guan)联商品的时(shi)候，可以在历史(shi)订单中，挑选一些热销的商品，这样从基础上就可(ke)以自然地挑选出支持度高的(de)商品组合，计算置信度，再从(cong)A向B和从B向A来计算提升度，筛选出提升度大于1的商品组合，这些商品就是有潜力互相关联(lian)的商品，再根据现状，充分考虑库存及流量分配的问题来将这些商品组合，按照支持服和(he)置信度的各自权重进(jin)行排序，就可(ke)以得到一系列进行关联销售的商品组合。
再举一个(ge)简单的例子：
五(wu)个购物车中分别有三件商品，我们可以计算它他们的支持度、置信度及提升度，来决(jue)定设置什么样的搭配可以促进销售。如图所示
查看原(yuan)图
这五(wu)个购物车中的商品，可以计算出如图所(suo)示的数据。
查看原图
