零售数据分析必备知识：购物篮分析

数据分析里有一个经典的案例，超市里经常会把婴儿的尿不湿和啤酒放在一起售卖，原因是经过数据分析发现，出来买尿不湿的家长以父亲居多，如果他们在买尿不湿的同时看到了啤酒，将有很大的概率购买，这样就可以提高啤酒的销售量，其实这就是关联分析。

关联分析在电商分析和零售分析中应用相当广泛，但是很多人仅仅是照猫画虎，做一点表面的购买率关联分析就行了，其实真正的商品关联分析可不是这么浅显简单。另外，由于最初这种关联分析主要是在超市应用广泛，所以也称为"购物篮分析"。下面就简单介绍一下购物篮分析。

一、什么是购物篮分析？

购物篮指的是超级市场内供顾客购物时使用的装商品的篮子，当顾客付款时这些购物篮内的商品被营业人员通过收款机一一登记结算并记录。所谓的购物篮分析(Market Basket Analysis)就是通过这些购物篮子所显示的信息来研究顾客的购买行为。

主要的目的在于找出什么样的东西应该放在一起。通过顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品，找出相关的联想（association）规则，企业藉由这些规则的挖掘获得利益与建立竞争优势。

举例来说，零售店通过购物篮分析改变置物架上的商品排列或是设计吸引客户的商业套餐等等。

那说到这里，不得不说到在购物篮分析当中，有一个至关重要的指标——购物篮系数。

什么叫做购物篮系数呢？其实就是指顾客的购物篮中平均有几件商品，比如结账时顾客的购物车中平均只有3个商品，那么购物篮系数就等于3。

购物篮系数是一个宏观指标，我们还需要看微观的购物篮系数，即制定单品或品类的购物篮系数，举个例子：某超市本月销售了6万件商品，一共是1.5万张销售单（也就是1.5万个购物篮），购物篮系数是4.0，即平均每位顾客一次性购买了4件商品。其中1500张销售单中有鸡蛋，这些销售单一共有4500件商品，则鸡蛋的购物篮系数为3.0，低于商场平均水平。

实质上，购物篮的表现形式就是"客单价"，客单价的高低直接反映了零售企业的经营效益。要想提高商业企业的销售业绩，必须改善企业购物篮。全面提升客单价，可以说零售企业的购物篮代表了企业的生存权。

二、购物篮分析应用领域

*商品配置分析:哪些商品可以一起购买,关联商品如何陈列、促销;

*客户需求分析:分析顾客的购买习惯，顾客购买商品的时间、地点等;

*销售趋势分析: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;

*帮助供应商改进老产品及开发新品:通过购物篮分析,根据客户的需求,开发新的产品/改进老产品及产品包装。

三、关联商品及二次陈列的管理

购物篮分析的结果会对商品在卖场中的陈列产生重大的影响,由于很多具有相关性的商品属于不同的部门管理,因此必然会产生商品的交叉陈列问题(即商品跨部门陈列或称为二次陈列)

一般情况的解决办法是由一名交叉陈列主管和一到两名员工组成,负责门店所有交叉商品的陈列规划,管理和协商各个部门(尤其是出现二次陈列的情况),组织这些商品的订货、补货、上架、陈列,对交叉商品的销售进行统计对比分析。

交叉陈列主管也同时肩负促销主管的职责(说明在沃尔玛的二次陈列都是针对促销),负责监督促销、追踪促销信息是否及时有效地输入到计算机系统中,协调卖场是否达到陈列标准,销售贡献度是否达到公司预期。

交叉中以使商品单品的销售额提升几倍、甚至几十倍,对低毛利商品与高毛利的商品进行交叉陈列,可以提升商店的整体毛利率。

沃尔玛利用购物篮分析获得丰厚收益的故事很多,我们在这里简单介绍3个。

案例一

沃尔玛的采购人员在对一种礼品包装的婴儿护肤品购物篮分析时发现,该礼品的购买者基本都是一些商务卡客户,进一步了解才知道,商品都是作为礼品买来送人的,而不是原先预想的"母亲"客户买给自己的孩子。因此该商品的购买目的才得以明确,这样的购买目的的信息对于商品的进一步改进提供极大的帮助。

案例二

通过对购物篮分析,沃尔玛发现,在购买沐浴用品时,很多客户都会同时购买沐浴露一类商品。这条信息提示,可以针对这种需求,将毛巾、沐浴球、洗澡用品与沐浴露等沐浴主题商品进行捆绑销售或进行相关沐浴用品主题陈列。

案例三

在对PLAYTEX(倍得适:美国著名婴儿用品品牌)商品进行购物篮分析时发现,一种带吸管的不溢水杯与婴儿用的套在肚子上的游泳圈商品之间具有关联关系。这种商品关联关系提示沃尔玛的卖场可以将这两件商品在夏季一起陈列,从中获得了很好的商业机会。

四、购物篮分析基本运作过程总结

1、选择正确的品项：这里所指的正确乃是针对企业体而言，必须要在数以百计、千计品项中选择出真正有用的品项出来。

2、经由对共同发生矩阵（co-occurrence matrix）的探讨挖掘出联想规则。

3、克服实际上的限制：所选择的品项愈多，计算所耗费的资源与时间愈久（呈现指数递增），此时必须运用一些技术以降低资源与时间的损耗。

End.

本文为挖数网整理原创文章，未经允许禁止转载，需要转载请微信联系授权（微信号：lovedata0520）

更多优质文章搜索http://www.itongji.cn/

更多零售知识订阅爱数据专栏：零售数字化