数据分析扫盲贴：逆天的啤酒和尿不湿的故事
关联规则啤酒和尿布
关联规则啤酒和尿布关联规则是数据挖掘领域中的一种方法，用于发现数据集中的相关项，并且帮助人们理解不同项之间的关联关系。
其中一个经典的关联规则案例是啤酒和尿布之间的关联关系。
啤酒和尿布的关联规则起初被发现于一个美国大型零售连锁超市的实际销售数据中。
研究人员发现，当一位顾客购买尿布时，他们也很有可能同时购买啤酒。
这一现象非常有趣，因为尿布和啤酒并无直接关联，但数据显示了它们之间的明显关联。
这种关联现象可以通过关联规则分析来解释和预测。
关联规则分析的目标是从数据集中发现频繁项集，即在数据中经常同时出现的一组项。
在这个案例中，啤酒和尿布的购买很可能是一种频繁项集。
关联规则通常由两个部分组成：前项和后项。
在这种关系中，尿布是前项，啤酒是后项。
关联规则可以用以下形式表示：尿布->啤酒。
关联规则的强度通常通过两个指标来衡量：支持度和置信度。
支持度表示项集在数据中出现的频率，即项集在数据集中的比例。
支持度可以用来判断一个关联规则的重要性，如果一个规则的支持度很低，说明该规则并不常见。
置信度表示如果一个事务包含前项，那么它也极有可能包含后项。
置信度可以用来评估规则的可信度和准确性。
在啤酒和尿布的关联规则案例中，支持度可以用来说明购买尿布和啤酒的频率有多高。
如果数据显示购买尿布和啤酒的频率非常高，那么这个关联规则的支持度就会很高。
置信度可以用来解释购买尿布时购买啤酒的概率有多大。
如果数据显示大多数购买尿布的顾客也购买了啤酒，那么这个关联规则的置信度就会很高。
为什么会出现啤酒和尿布之间的关联规则呢？有几种可能的解释。
首先，这种现象可能是由于顾客的行为模式。
例如，尿布和啤酒很有可能在超市的相似位置陈列，这样一来顾客在购买尿布时就会被啤酒吸引。
此外，购买尿布往往与有婴儿的家庭相关，而有婴儿的家庭可能更有可能购买啤酒。
在实际应用中，关联规则分析可以用于市场营销、商品推荐、销售优化等领域。
通过发现不同商品之间的关联规则，企业可以制定相应的营销策略，提高销售额和顾客满意度。
啤酒和尿布
啤酒和尿布……大数据故事：啤酒与尿布这是一个老故事, 但每次看总是能从中想到点什么。
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。
但是这个奇怪的举措却使尿布和啤酒的销量双双增加了，这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。
原来，美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布。
而丈夫在买完尿布之后又要顺手买回自己爱喝的啤酒，因此啤酒和尿布在一起购买的机会还是很多的。
这个发现为商家带来了大量的利润，但是如何从浩如烟海却又杂乱无章的大数据中，发现啤酒和尿布销售之间的联系呢?正是商家通过对超市一年多原始交易数字进行详细的分析，才发现了这对神奇的组合。
大数据故事：美国密执安州有一家名为“阿汉”的小餐馆有个异常奇特的做法：经常光顾该餐馆的顾客，只要愿意，便可报上自己的常住地址，在客户登记簿上注册，开一个“户头”，以后顾客每次到这里来就餐，餐馆都会如实地在其户头上记下用餐款额。
每年的9月30日，餐馆便会按客户登记簿上的记载算出每位顾客从上年9月30日以来在餐馆的消费总额，然后再按餐馆纯利10%的比例算出每位顾客应得的利润分发给顾客，这样，餐馆自然就常常门庭若市。
阿汉餐馆给顾客分红的方法虽然损失了一部分纯利，但却使顾客感到自己与餐馆的利润息息相关，自己也是餐馆的一员。
这样一来，餐馆密切了与消费者的关系，吸引了许多回头客。
这种让食客成为“股东”的做法其实也是一种“组合”式的生意之道，不同的是前者是明显的“物质组合”，而后者是隐蔽的“人员组合”，两者都是以消费者心甘情愿地付出而给老板带来了滚滚利润，何乐而不为呢？得大数据者得天下大数据在“有心人”的分析下，成为了预测未来的风向标，成为了创造财富的引燃器，也成为了创业者的好帮手。
我们大胆猜测，未来的数据市场有可能会出现数据现货，期货交易。
到了那个时候，数据进入资产表的时间就真的是指日可待了。
啤酒与尿布案例的基本原理(一)
啤酒与尿布案例的基本原理(一)啤酒与尿布案例的基本原理引言在市场营销和消费行为研究中，有一个著名的案例被广泛提及，那就是“啤酒与尿布案例”。
这个案例为我们揭示了消费者购买行为中的某些隐藏规律，本文将从浅入深解释相关原理。
什么是“啤酒与尿布案例”？“啤酒与尿布案例”指的是在一家超市的数据分析中发现，经常购买尿布的顾客也常常购买啤酒。
这一发现似乎没有直接的联系，然而却反映出了消费行为中的一种隐藏模式。
第一层原理：购买尿布与啤酒的关系1.顾客购买尿布是因为他们是有小孩的家庭，这意味着他们可能需要在尿布用完时立即购买。
2.通常，尿布的购买和孩子的年龄阶段相关，而孩子的年龄越大，尿布购买的频率就越低。
第二层原理：购买行为的状况与需求1.当顾客来到超市时，他们会进行一次综合性的购物。
他们会购买他们当前需要的商品，同时也会购买一些平时消费的商品。
2.由于顾客在购买尿布时可能会陪同孩子一起来店里，他们可能会选择购买一些额外的商品，例如啤酒，以满足他们自己的需求。
第三层原理：购买决策受到促销活动的影响1.在超市中，啤酒通常位于销售区域的后部位置，需要顾客经过其他商品才能到达。
2.当超市组织促销活动时，他们可能将尿布和啤酒放在相邻的位置，以便引起顾客的注意。
3.由于啤酒常常处于折扣或促销状态，诱使顾客购买。
因此，尿布购买者也会受到促销的影响，选择购买啤酒。
第四层原理：数据分析的作用1.超市通过对销售数据的分析，发现了尿布购买者购买啤酒的规律。
2.通过数据分析，超市可以了解不同商品之间的潜在联系，从而优化产品陈列和促销策略。
结论在市场营销中，了解消费者的购买行为和隐藏模式对于企业制定有效的策略至关重要。
尽管“啤酒与尿布案例”只是一个简单的例子，它却揭示了购买行为中的某种规律。
通过深入研究这些规律，企业可以更好地满足消费者的需求，提高销售额。
以上就是关于“啤酒与尿布案例”的基本原理的解释。
希望这篇文章能帮助你更好地理解市场营销和消费行为中的一些重要概念。
啤酒与尿布(购物篮分析)
实地调查
针对性营销…
RFM分析
RFM分析(recency, frequency, monetary), 用来确定哪些客户是"最好"的.
– 最近一次消费日期 – 消费频率 – 消费金额 – 结合这三个指标,我们就可以把顾客分成5*5 *5 = 125类,然后制定响应的营销策略.
" 你80%的业务来自你20%的客户."
门店的命运
客流量 捕获量 成交率 客单价 我们?
商品的命运
通过率 停留率 成交率 我们?
购物篮变化和客户群体
商品"人气度"-PI值
PI值高的商品往往是价格敏感商品 PI PI值与商品定价,毛利率往往呈反比关系 我们?
购物篮分析实例
附近写字楼的后勤人员 采购并顺便给同事 带冲饮类商品
好处:方便购物;节约购物时间;心理暗示以提升关联购买
关联商品的陈列
关联商品的陈列
切勿盲目模仿
商品与购物篮的关系
好商品or坏商品
什么才是好商品?销量高?毛利高?周转快?
好商品or坏商品
什么是坏商品?
好商品or坏商品
商品重要度:一个综合指标,根据商品的 作用,综合了销售量,周转率,人气度, 毛利额,毛利率等等指标.
购物篮分析 -啤酒与尿布
引子
在美国沃尔玛超市的货架上,尿片和啤酒 赫然地摆在一起出售.为啥…? 每逢周末,啤酒和尿片的销量都很大 有孩子的家庭中,太太经常嘱咐丈夫下班 后要买尿片,而丈夫们在买完尿片以后又 顺手买啤酒
引子
搞清原因后,沃尔玛的工作人员打破常规, 尝试将啤酒和尿片摆在一起,结果使得啤 酒和尿片的销量双双激增,为商家带来了 大量的利润
RFM分析
数据挖掘案例分析啤酒与尿布
前言“啤酒与尿布”的故事是营销届的神话，“啤酒”和“尿布”两个看上去没有关系的商品摆放在一起进行销售、并获得了很好的销售收益，这种现象就是卖场中商品之间的关联性，研究“啤酒与尿布”关联的方法就是购物篮分析，购物篮分析曾经是沃尔玛秘而不宣的独门武器，购物篮分析可以帮助我们在门店的销售过程中找到具有关联关系的商品，并以此获得销售收益的增长！商品相关性分析是购物篮分析中最重要的部分，购物篮分析英文名为market basket analysis(简称MBA，当然这可不是那个可以用来吓人的学位名称)。
在数据分析行业，将购物篮的商品相关性分析称为“数据挖掘算法之王”，可见购物篮商品相关性算法吸引人的地方，这也正是我们小组乐此不疲的围绕着购物篮分析进行着研究和探索的根本原因。
购物篮分析的算法很多，比较常用的有A prior/ æ’ p r i ə/算法、FP-tree结构和相应的FP-growth算法等等，上次课我们组的邓斌同学已经详细的演示了购物篮分析的操作流程，因此在这里我不介绍具体的购物篮分析算法，而是在已经获得的结果的基础上剖析一下数据身后潜藏的商业信息。
目前购物篮分析的计算方法都很成熟，在进入20世纪90年代后，很多分析软件均将一些成熟的购物篮分析算法打包在自己的软件产品中，成为了软件产品的组成部分，客户购买了这些软件产品后就等于有了购物篮分析的工具，比如我们正在使用的Clementine。
缘起“啤酒与尿布”的故事可以说是营销界的经典段子，在打开Google搜索一下，你会发现很多人都在津津乐道于“啤酒与尿布”，可以说100个人就有100个版本的“啤酒与尿布”的故事。
故事的时间跨度从上个世纪80年代到本世纪初，甚至连故事的主角和地点都会发生变化——从美国跨越到欧洲。
认真地查了一下资料，我们发现沃尔玛的“啤酒与尿布”案例是正式刊登在1998年的《哈佛商业评论》上面的，这应该算是目前发现的最权威报道。
啤酒与尿布经典大数据案例沃尔玛经典营销
啤酒与尿布经典大数据案例沃尔玛经典营销
“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。
在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。
父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。
如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。
沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来。
当然“啤酒与尿布”的故事必须具有技术方面的支持。
1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。
艾格拉沃从数学及计算机算法角度提出了商品关联关系的计算方法——Ap rior算法。
沃尔玛从上个世纪90 年代尝试将 Aprior 算法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。
。
大数据案例：啤酒尿布的关联算法怎么来的？
association，两者都可以用来描述事件之间的关联程度。
其中前者主要用在互联网的内容和文档上，比如搜索引擎算法中文档之间的关联性，我们采用的词是relevance;而后者往往用在实际的事物之上，比如电子商务网站上的商品之间的关联度我们是用association来表示的，而关联规则是用associationrules来表示的。
如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。
简单地来说，关联规则可以用这样的方式来表示：A→B，其中A被称为前提或者左部(LHS)，而B被称为结果或者右部(RHS)。
如果我们要描述关于尿布和啤酒的关联规则(买尿布的人也会买啤酒)，那么我们可以这样表示：买尿布→买啤酒。
关联算法的两个概念在关联算法中很重要的一个概念是支持度(Support)，也就是数据集中包含某几个特定项的概率。
比如在1000次的商品交易中同时出现了啤酒和尿布的次数是50次，那么此关联的支持度为5%。
和关联算法很相关的另一个概念是置信度(Confidence)，也就是在数据集中已经出现A时，B发生的概率，置信度的计算公式是：A与B同时出现的概率/A出现的概率。
数据关联是数据库中存在的一类重要的可被发现的知识。
若两个或多个变量的取值之间存在某种规律性，就称为关联。
关联可分为简单关联、时序关联、因果关联等。
关联分析的目的是找出数据库中隐藏的关联网。
有时并不知道数据库中数据的关联函数，或者即使知道也是不确定的，因此关联分析生成的规则带有置信度。
关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。
它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
关联规则挖掘的一个典型例子是购物篮分析。
关联规则研究有助于发现交易数据库中不同商品(项)之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。
分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。
啤酒加尿布的案例分析
啤酒加尿布的案例分析啤酒加尿布，这似乎是一个不可思议的组合，但在市场营销领域却有着独特的案例。
啤酒作为一种饮品，而尿布则是日常生活中必不可少的用品，它们之间的联系又是怎样的呢？让我们来进行一次深入的案例分析。
首先，我们来看看啤酒和尿布这两个产品在市场上的销售情况。
在一般情况下，啤酒和尿布这两种产品并没有直接的关联，它们的消费群体也有很大的区别。
啤酒主要是成年人的饮品，而尿布则是家庭中有婴儿的家庭必备品。
然而，在某些情况下，这两种产品的销售却呈现出了明显的相关性。
在一些超市和便利店的销售数据中发现，啤酒和尿布的销售往往会同时增加，这引起了市场营销专家的兴趣。
其次，我们来分析一下这种现象背后的原因。
经过调查发现，这种现象很大程度上是由于家庭主妇的购物习惯所致。
在一些家庭中，丈夫通常会被要求去购买尿布，而在购买尿布的同时，他们往往会顺便购买一些啤酒。
这是因为家庭主妇通常会把购物清单分为两类，一类是必需品，如尿布、牛奶等，另一类是奢侈品，如啤酒、零食等。
在购物时，丈夫往往会觉得自己已经完成了任务，于是会顺手拿一些奢侈品放进购物车。
再者，这种现象也与超市的产品摆放有关。
一些超市会将啤酒和尿布摆放在相邻的位置，这种摆放方式也会影响消费者的购买决策。
当消费者在购买尿布时，很容易被摆放在附近的啤酒吸引，从而增加了啤酒的销量。
综上所述，啤酒加尿布的案例分析告诉我们，在市场营销中，产品之间可能存在着意想不到的相关性。
通过深入的分析和调查，我们可以发现一些看似不相关的产品之间的潜在联系，从而为营销策略的制定提供新的思路和方法。
这也提醒我们，要时刻关注消费者的行为和购买习惯，从中发现商机，制定更加精准的营销策略。
在市场竞争日益激烈的今天，这种细微的发现和洞察往往能够成为企业取得成功的关键因素。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据分析扫盲贴：逆天的啤酒和尿不湿的故事
一般讲数据分析必将啤酒和尿不湿的故事。
本来我以为这是一个妇孺皆知的故事，但是从最近给几个企业的内训来看，只有约10-20%的人来知道这个故事，并且还是知其然不知其所以然。
所以今天有必要普及一下。
大数据挖掘和商品的相关性分析时必须要说说啤酒与尿不湿的故事，说的是美国沃尔玛超市数据挖掘的一个案例。
本来，啤酒和尿不湿是两个完全不相关的商品，但美国沃尔玛超市的数据分析人员在做数据分析的时候发现，每到周末同时购买啤酒和尿不湿的人较平时增加很多。
他们感到很奇怪，本着数据分析中溯源的原则，他们对数据进行了进一步挖掘并且走访了很多同时购买这两样商品的顾客。
他们发现这些顾客有几个共同的特点：
一般是周末出现这种情况
购买者以已婚男士为主
他们家中有孩子且不到两岁，有尿不湿的刚需
他们喜欢看体育比赛节目，并且喜欢边喝啤酒边看。
顾客有喝啤酒的需求
周末是体育比赛扎堆的日子，所以出现这种关联销售多在周末的时候。
发现这个秘密后，于是超市就大胆的将啤酒放在尿不湿旁边陈列，让这些顾客购买起来更方便。
实验结果发现二者的销售量都大幅度的提升。
这是一个典型的利用关联销售提升业绩的案例。
商品的关联分析是很神奇的事情，当然我们大部分时候还不需要去挖掘类似于啤酒与尿不湿这样的案例，实际上我们更需要分析商品的基本关联情况。
关联分析多了，惊喜自然就来了。
不过遗憾的是，我们没有人实地看到过超市尿不湿旁边陈列啤酒的案例，据说这个故事是某软件公司“杜撰”出来的，目的是为了更好的销售自己的软件。
不过今天让大家开开眼，看看什么是真实版的“啤酒与尿不湿”！
这是发生在去年情人节屈臣氏的一个案例。
大家想想，情人节的刚需是什么？
巧克力和玫瑰！不过屈臣氏没有玫瑰，只有巧克力。
那问题来了，巧克力和什么东西陈列在一起才能体现啤酒与尿不湿的感觉？大家可以琢磨10秒钟！
上图
大家开眼了吧？这样的陈列是不是有些没有节操？不过更没有节操的图片来了。
我去！红酒+避孕套！还能不能安静的买一瓶红酒了？
以上这两个案例其实和数据挖掘关系不大，最多是向啤酒与尿不湿致敬的一种关联陈列方法罢了。
不过有启示，商品的关联分析确实是一个大金矿。
分析师们，挖吧！
摘自：中国统计网。