相信大家都有聽過數據分析界鼎鼎有名的“沃爾瑪超市啤酒與尿不溼”的故事，沃爾瑪數據分析師通過研究發現啤酒和尿不溼之間的商品關聯之後，大膽地將啤酒放在尿不溼的旁邊，便於美國喜愛邊看體育比賽邊喝啤酒的已婚男士同時滿足給小孩買尿不溼的需求，結果發現啤酒和尿布二者的銷量都大幅地提升。
當我們在為該啤酒與尿不溼這個據分析案例腦洞瘋狂打call時，卻鮮有人真正明白商品關聯分析背後的真相和具體分析方法，別急，箇中玄機，這就為您一一道來。
通常來說，以超市購物為例，超市中各商品之間往往都存在著某種關聯關係，從廣義上來說可以定義為如下三種關聯：
強關聯：當商品的關聯度超過某個值時，我們就可以定義為強關聯的關係。這個值在不同行業的業務形態是不一樣的，需要企業根據店鋪的實際情況來制定（比如0.6）。強關聯的商品彼此陳列在一起往往能夠提高雙方的銷售量。雙向關聯的商品如果陳列位置允許的話，應該互相關聯陳列，即A產品旁邊有B，B產品旁邊也一定會有A。而對於那些單向關聯的商品，則只需要將被關聯的商品陳列在關聯商品旁邊就行，譬如尿不溼邊上就可以放置啤酒，但是啤酒旁邊不能放置尿不溼。在定義商品之間強關聯的時候，有一種情況需要靈活應對：當兩個商品之間的關聯度大到某個值時，比如0.9，此時就不要再傻乎乎還自以為聰明地把兩個商品陳列到一起了，商品分開陳列，越遠越好，這種極強度的關聯商品，通過這樣的操作方式能夠讓顧客在尋找極強關聯商品時提升沿途其他商品可能產生的購買慾望。
弱關聯：指的是關聯度不高的商品，對於這些商品可以嘗試放在一起，然後再去看是否關聯度有變化，如果關聯度大幅提升，那麼說明原來的弱關聯可能是由於陳列的原因導致的。
排斥關係：指兩個產品基本上不會出現在一張購物小票中，這種商品儘量不要陳列在一起。
其中，衡量商品之間關聯關係的指標為關聯度，計算方法為：
關聯度=同時包含商品A、B的訂單數/包含商品A的總訂單數*100%
指得是購買A商品的訂單中，有多少訂單是包含B商品的，也就是包含A商品的某個訂單中B商品同時出現的概率。
以下我們舉一個商品關聯分析實例，給大家分享下筆者是如何巧用FineBI工具中的FineDirect參數，探索和發掘訂單中各商品之間潛在的關聯價值的。
如上圖所示為FineBI中內置數據連接FRDemo中的合同信息表，我們需要分析和統計出來任意兩個商品之間的關聯度，即需要同時包含商品A、B的訂單數和包含商品A的總訂單數。
我們通過添加如下所示的FineDirect數據集（產品相關性分析），定義${產品ID}為產品ID的參數，結合SQL邏輯查詢過濾出同時包含商品A、B的訂單數和包含商品A的總訂單數。
select a.*,b. 產品訂單數 from
(
select 產品ID,count(訂單ID)as 交集訂單數 from
(
select 產品ID, 訂單ID from 訂單明細
where 訂單ID
in(select distinct 訂單ID from 訂單明細 where 產品ID='${產品ID}') and 產品ID !='${產品ID}'
)
group by 產品ID
)a
left join
(
select 產品ID,count(訂單ID) as 產品訂單數 from 訂單明細
group by 產品ID
)b
on a.產品ID=b.產品ID
再為參數添加數據字典，使用SQL查詢出產品ID的數據字典即可：
select cast(產品ID as char) from 訂單明細
前端新建儀表板，拖拽文本控件，綁定產品ID數據字典字段，同時綁定SQL數據集中定義好的“產品ID”參數。
再選擇統計組件，將產品相關性分析中的產品ID作為行表頭，交集訂單數和產品訂單數作為指標，如此便統計好了同時包含商品A、B的訂單數和包含商品A的總訂單數。
接著添加計算指標，命名為關聯度，計算交集訂單數/產品訂單數作為商品關聯度指標。
關聯度指標樣式設置為百分比格式，默認兩位小數即可，為了快速觀察重要的相關商品，可以直接按照關聯度指標降序排序。
加入查詢按鈕，調整儀表板佈局，便可以得到如下圖所示任意兩者商品之間的關聯分析統計了
我們通過分析計算出每種商品對應的關聯度之後，通常有如下幾種實操方法可供執行參考，整體提高店鋪銷量。
一、以關聯度來設計賣場的陳列、促銷、推廣等
對關聯度高的商品在銷售中特殊對待，例如交叉陳列、聯合促銷、關聯展示等。這樣給顧客帶來的感覺不是一件商品，而是一套商品。電子商務網站也是同樣的道理，並且操作起來更容易實現，也更容易和後臺數據對接。
二、建立商品的人氣指數檔案，及時更新
在人貨場三方面重點照顧人氣指數高的商品。
三、利用特殊日期、特殊事件等進行關聯銷售
例如六一節時童裝和女裝的關聯銷售。
四、建立關聯推薦機制
例如目前在網站購物中，每當某件商品收藏或加入購物車後，網站一定會提醒你，購買了該商品的顧客中還有多少顧客還購買了另外一件商品。線上商品的關聯推薦相對比較方便，線下零售目前還沒有很好的促銷機制，一般需要促銷員來執行。
五、有效地利用數據關聯分析來提高銷售業績
將關聯度高的商品做成套裝銷售，找到關聯度高的商品組合背後的消費者細分群體進行精準營銷等。將以前“賣我想賣的”商業邏輯變成現在“賣你想買的”消費邏輯，所以，通過數據分析來洞悉消費者的購買行為顯得極為重要。
——本文數據分析工具為FineBI V4.1
閱讀更多 數據分析不是個事兒 的文章
