購物籃分析
是一個非常重要的模型，關於啤酒與尿布的故事，這個故事很好地解釋了商品關聯性的作用，時至今日，仍有很強的現實指導意義。這種資料，將不同商品關聯起來，並挖掘二者之間聯絡的分析方法，就叫作“購物籃分析”。購物籃分析的實現方法有很多，下面教一下大家如何去製作一個完整的購物籃分析模型。
一、前言：
在開始製作前，先來理解一下它的價值在哪。購物籃分析的本質是研究商品與商品間的關聯關係，比如分析A商品和哪個商品搭配會賣的更好，或者分析客戶在購買了A商品之後，對B商品會產生什麼影響等等。透過這種交叉分析，我們便可以對客戶感興趣的商品組合去做出相應的調整，或者據此去深入研究更高層次的推薦演算法。
先來理解以下三個概念，支援度指同時被購買的機率，用公式則表示支援度=同時購買A和B訂單數/總購買訂單數；置信度是指購買A之後又購買B的條件機率，用公式表示就是置信度；提升度指的是先購買A對購買B的提升作用，用公式表示就是提升度（（購買A次數）*（購買B次數））。可看下圖說明，加深理解：
二、購物籃分析步驟：
需先準備關於零售行業的資料來源，包含單據編碼、商品名稱等資訊，可以在文末進行獲取。如果用Excel做購物籃分析，難度會很大，建議用其他工具進行製作，本文選擇用SQL語句的方式去製作：
第一步，新建臨時表，進行交叉關聯，為每一組交叉商品增加一列總訂單數的欄位，表命名為t1：
執行語句後，可得出以下4個欄位：
第二步，新建臨時表t2，再次進行交叉關聯，算出同時購買A商品與B商品的訂單數：
執行後，可得出：
第三步，把t1與t2兩個臨時表的欄位進行關聯：
執行語句後，可得出以下4個欄位：
第四步，新建t4，算出A訂單數：
執行語句後，可得出以下2個欄位：
第五步，新建臨時表t5，算出B訂單數：
執行語句後，可得出以下2個欄位：
最後一步，根據支援度、置信度與提升度的公式，以及我們得出的資料，便可運算了。根據t3表裡‘’同時購買A和B訂單數‘’與‘’總訂單數‘’這兩個欄位，我們可以算出支援度的資料。根據t3表裡‘’同時購買A和B訂單數‘’與t4表裡‘’A商品訂單數‘’這兩個欄位，我們可以算出置信度的資料。同理，利用‘’同時購買A和B訂單數‘’、‘’購買A訂單數‘’、‘’購買B訂單數‘’與‘’總訂單數‘’這幾個欄位，我們最後就可以得出提升度的資料了。
最後得出的結果如下：
三、後續建議：
從上面的過程來看，我們可得出製作購物籃的過程很複雜。為了對資料建模以及多維分析有更深的認識，小編推薦大家利用智分析的資料模型去製作購物籃分析，智分析的資料模型具有非常強大的多維分析能力，不僅支援自助取數，還支援SQL、MDX等高階的查詢語法。智分析的資料來源介面同樣也很豐富，可以連線各種資料庫，也可以以Excel檔案匯入的方式進行匯入：
進入資料模型的介面後，便可以開始搭建購物籃分析的資料模型了，這裡依然是選擇舊方法，新建一個SQL查詢，按照步驟便可得出資料：
資料模型搭建後，便可對購物籃分析的資料更為清晰地呈現出來，儀表盤便可進行高階操作，非常適合展示購物籃分析、RFM分析、ABC分析等資料模型：
PS：上方提及的資料，關注公眾號【思邁特Smartbi】後私信便可獲取。
