大数据营销-第9章-商品关联营销课件.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《大数据营销-第9章-商品关联营销课件.pptx》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 营销 商品 关联 课件
- 资源描述:
-
1、第9章 商品关联营销商品关联营销l学习目标1.了解商品关联营销(购物篮关联分析)的概念2.了解简单关联规则的概念3.了解购物篮分析模型的基本原理和方法4.了解简单关联规则的应用场景及其有效性和实用性思维导图【开篇思考】拥有海量用户、车辆、司机以及交通轨迹的大数据对于滴滴而言,已经远离了纸上谈兵,在司机接入、智慧交通等多个维度产生了实际效用。滴滴出行近日披露,在其严格的注册审核机制下,共有超2500万名“问题司机”被拒之平台外。而通过大数据实时分析、智能上车点推荐等领先技术,全国20个机场上线“智能引导”功能,帮助乘客快速出港。请试想一下:滴滴出行有哪些大数据营销的场景?目录5购物篮商品关联问题
2、背景与挖掘目标商品关联营销的概念简单关联规则购物篮分析模型简单关联规则的有效性和实用性讨论9.1 商品关联营销的概念l 关联营销:关联营销是一种建立在双方互利互益的基础上的营销,在交叉营销的基础上,将事物、产品、品牌等所要营销的东西上寻找关联性,来实现深层次的多面引导。关联营销也是一种新的、低成本的、企业在网站上用来提高收入的营销方法。目录7购物篮商品关联问题背景与挖掘目标商品关联营销的概念简单关联规则购物篮分析模型简单关联规则的有效性和实用性讨论9.2 购物篮商品关联问题背景与挖掘目标l 关联营销:关联分析是挖掘数据内在结构特征或变量之间的关联性。在日常生活中事物之间的关联性随处可见,在电子
3、商务平台的购物篮中的商品,其关联性也是显而易见的。啤酒与尿布 购物篮商品的关联关系通常有两种情况:一种是顾客在一次购买行为中放入购物篮中不同商品之间的关联关系,我们称之为简单关联关系。另一种是顾客在购买某种商品之后,在下一次光顾时会购买另一些其他商品,这些前后不同时间购买的商品之间同样存在关联关系,我们把这种关联关系称为序列关联关系。最早的关联分析概念:是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顾客购买行为的规律,发现连带购买商品,为制定合理的方便顾客选取的货架摆放方案提供依据。该分析称为购物篮分析。电子商务领域:关联分析可帮助经营者发现顾客
4、的消费偏好,定位顾客消费需求,制定合理的交叉销售方案,实现商品的精准推荐;保险公司业务:关联分析可帮助企业分析保险索赔的原因,及时甄别欺诈行为;电信行业:关联分析可帮助企业发现不同增值业务间的关联性及对客户流失的影响等。9.2 购物篮商品关联问题背景与挖掘目标目录10购物篮商品关联问题背景与挖掘目标商品关联营销的概念简单关联规则购物篮分析模型简单关联规则的有效性和实用性讨论9.3 简单关联规则9.3.1 事务和项集事务就是简单关联分析的分析对象。事务可理解为一种行为,例如,百货商店顾客的购物行为是一种事务;网页用户的页面浏览关注行为是一种事务;一份财产保险公司的汽车保单也是一种事务。项目是在事
5、务中涉及的对象。一个事务通常包含若干个项目。一个项目可以是一种商品、一个网页链接、一个险种等。若干个项目的集合叫作项目集,简称项集。我们把属于同一个事务的所有项目组成的集合,称为事务的项集。9.3 简单关联规则小明喜欢在淘宝上购物,当他想购买某商品时,会在淘宝上浏览,一遍又一遍地研究该商品,也会关注它,甚至把它加入购物车。经过一段时间的研究,小明才会放入购物篮里准备购买,同时,小明也准备购买其他商品。最终他购买了A、B、C、D、E共5件商品。在这里,小明的购物行为就是一个事务。他购买的5件商品A、B、C、D、E的集合就是项集。为了研究方便,我们会给每一个事务一个ID(标识),对应于ID就有一个
6、项集。其他客户也会在淘宝上购物,也会像小明一样有自己的购物篮,购物篮里有自己喜欢的商品,见表9.1。事务ID项 集备 注1ABCDE表中不同的字母代表不同的商品2BEF3CDG4ABDF表9.1 顾客购买行为数据示例9.3 简单关联规则9.3.2关联规则的表达形式简单关联规则的一般表示形式是:前项后项支持度(Support)=s%,置信度(Confidence)=c%,或表达为:XY(S=s%,C=c%),其中:X称为规则的前项,可以是一个项目或项集,也可以是一个包含项目以及逻辑操作(与、或、非|)的逻辑表达式;Y称为规则的后项,一般为一个项目,表示某种结论或事实;括号中,S=s%表示规则支持
7、度为s%,C=c%表示规则置信度为c%。例如,面包牛奶(S=85%,C=90%),就是一条简单关联规则。前项和后项均为一个项目。该关联规则的含义是:有90%的把握程度相信购买面包则购买牛奶,该规则适用性为85%。9.3 简单关联规则9.3.2 置信度和支持度关联规则是形如XY的表达式,其中X和Y不相交。置信度和支持度这两个指标用于量度关联规则的强度。支持度也称为相对支持度,表示X与Y同时发生的概率。置信度是指X发生的条件下Y发生的概率。因此,支持度和置信度可以分别用下列公式表示:Support(XY)=C(XY)Confidence(XY)=S(Y|X)牛奶与鸡蛋n 挖掘数据集:购物篮数据 n
8、 挖掘目标:关联规则 n 关联规则:牛奶=鸡蛋【支持度=2%,置信度=60%】n 支持度:分析中的全部事务的2%同时购买了牛奶和鸡蛋 n 置信度:购买了牛奶的客户有60%也购买了鸡蛋 n 最小支持度阈值和最小置信度阈值:由挖掘者或领域专家设定 9.3 简单关联规则9.3.2频繁项集项集是项的集合,包含k项的项集称为k项集。项集的出现频率是所有包含项集事务的级数,又称绝对支持度或支持度计数。若存在项集的支持度满足预定义的最小置信度或最小支持度的阈值,则称此项集为频繁项集,频繁k项集通常记作Lk。而同时满足最小置信度和最小支持度的规则称为强规则。包含1个项目的频繁项集称为频繁1项集;包含k个项目的
9、项集称为频繁k项集。最大频繁项集是k最大时的最大频繁k-项集。根据频繁项集的定义很容易得到以下结论,即频繁项集的子集一定是频繁项集。例如,A,B,C是一个3项的频繁项集,则其子集A,B、B,C、A,C也一定是2项的频繁项集。反之,如果在不是频繁项集的项集I中添加事务A,那么新的项集IA一定也不是频繁项集。目录17购物篮商品关联问题背景与挖掘目标商品关联营销的概念简单关联规则购物篮分析模型简单关联规则的有效性和实用性讨论9.4 购物篮分析模型 关联规则算法有Apriori算法、FP-Tree 算法、Eclat算法和灰色关联算法等。关联规则算法主要用于寻找数据中项集之间的关联关系,基于样本的统计规
10、律,进行关联规则分析。根据所分析的关联关系,可从一个特征的信息来推断另一个特征的信息。当信息置信度达到某一阈值时,就可以认为规则成立。Apriori算法是应用最广泛的关联规则算法之一,也是最为经典的在大数据集上可行的关联规则提取的算法。购物篮分析l哪些商品平凡的同时被客户购买?图9.1 购物篮商品关联规则模型的流程图9.4 购物篮分析模型9.4 简单关联规则9.4.1 原始数据的预处理ID商品A商品B商品C商品D商品E商品F商品G11111100201001103001100141101010ID项集X1A1B1C1D1E2B2E2F3C3D3G4A4B4D4F购物篮商品关联规则分析中的数据预
11、处理的主要任务是通过整理原始数据,建立事务数据集对象。事务数据集的组织方式有事实表和事务表两种格式。表9.2 事实表示例表9.3 事务表示例9.4 简单关联规则9.4.2 搜索频繁项集寻找频繁项集是Apriori算法提高寻找关联规则效率的关键。以图9.2为例,在Apriori算法中寻找频繁项集的基本原则是:如果最底层中只包含D项的1-项集不是频繁项集,则包含D项的其他所有项集,即D的超集(图中灰色圆圈)都不可能是频繁项集,后续无须再对这些项集进行判断,因为基于这些项集的关联规则不可能有较高的支持度。图9.2 寻找频繁项集Apriori算法从图9.2所示的底层(1-项集)开始向上,采用迭代方式逐
展开阅读全文