廣西臻實(shí)項(xiàng)目數(shù)據(jù)分析師事務(wù)所特約分析師  陳虹堅(jiān)/文 

一、業(yè)務(wù)背景

交叉銷售是企業(yè)結(jié)合客戶需求，提高現(xiàn)有客戶客單價(jià)的一種營銷方式。實(shí)現(xiàn)交叉銷售對于企業(yè)而言意義非凡：一是使銷售行為更容易成功，將產(chǎn)品或服務(wù)推銷給一個(gè)現(xiàn)有客戶比推銷給新客戶更容易成功；二是使客戶忠誠度增加，經(jīng)濟(jì)學(xué)上的經(jīng)驗(yàn)表明，持有兩項(xiàng)產(chǎn)品的客戶流失率為55%，而持有四種產(chǎn)品以上的客戶流失率幾乎為零；三是提升企業(yè)盈利能力，交叉銷售實(shí)現(xiàn)在提升銷售的同時(shí)降低新客戶獲取的成本，提高單個(gè)客戶的貢獻(xiàn)度，從而實(shí)現(xiàn)更高的盈利。

對于企業(yè)而言，實(shí)現(xiàn)交叉銷售，首先需要通過數(shù)據(jù)分析，發(fā)現(xiàn)哪些產(chǎn)品經(jīng)常被一起購買，進(jìn)而可以對用戶進(jìn)行推薦，更多時(shí)候，需要從海量的購買記錄中尋找交叉銷售的機(jī)會(huì)。Apriori算法作為最具影響力的挖掘關(guān)聯(lián)規(guī)則的算法，已經(jīng)被廣泛應(yīng)用在零售、電信及網(wǎng)絡(luò)監(jiān)測等眾多領(lǐng)域，成為最經(jīng)典和常用的分析方法之一。

二、Apriori算法

Apriori算法是一種挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法，使用候選項(xiàng)集通過設(shè)定一些指標(biāo)找出頻繁項(xiàng)集。項(xiàng)集是產(chǎn)品的任意組合，頻繁項(xiàng)集就是經(jīng)常被一起購買的產(chǎn)品組合，反映了大部分人的購買習(xí)慣。簡而言之，Apriori算法是要發(fā)現(xiàn)大部分客戶一起購買的產(chǎn)品A、B，建立A→B或B→A的關(guān)系式。

布爾運(yùn)算（Boolean）通過對兩個(gè)以上的物體進(jìn)行并集、差集、交集的運(yùn)算，從而得到新的物體形態(tài)。算法的基本思想如下：

1.如果一個(gè)項(xiàng)集不是頻繁項(xiàng)集，那么任何包含它的項(xiàng)集也一定不是頻繁項(xiàng)集。也就是說，同時(shí)購買產(chǎn)品A和B的人很少，那么同時(shí)購買A、B和C的人就更少了。

2.如果一個(gè)項(xiàng)集是頻繁項(xiàng)集，那么它的任何子集也是頻繁項(xiàng)集，也就是說，購買A、B和C的人多，那么購買A和B的人就更多了。

三、Apriori算法的主要指標(biāo)

Apriori算法有5個(gè)關(guān)鍵指標(biāo)：項(xiàng)集/頻繁項(xiàng)集、支持度、置信度、提升度、強(qiáng)關(guān)聯(lián)規(guī)則。

指標(biāo)1、項(xiàng)集/頻繁項(xiàng)集

項(xiàng)集是所有產(chǎn)品及其任意組合，一個(gè)項(xiàng)即為一個(gè)產(chǎn)品或者組合，在多數(shù)客戶的訂單中頻繁出現(xiàn)的那些項(xiàng)就是頻繁項(xiàng)集。

指標(biāo)2、支持度

   根據(jù)項(xiàng)在全部客戶記錄中出現(xiàn)的頻率，可稱為支持度。支持度體現(xiàn)了關(guān)聯(lián)規(guī)則的普遍性。

指標(biāo)3、置信度

對于那些經(jīng)常被一起購買的產(chǎn)品，他們之間存在較強(qiáng)的關(guān)聯(lián)性，怎么定義關(guān)系的強(qiáng)弱，就涉及到置信度指標(biāo)。

置信度是指客戶在持有一個(gè)產(chǎn)品（或者一組產(chǎn)品）的前提下，還持有其他產(chǎn)品的概率，置信度體現(xiàn)關(guān)聯(lián)規(guī)則的可靠性。

指標(biāo)4、提升度

滿足條件的事件，相比不滿足條件的事件，發(fā)生增加的可能性。計(jì)算公式：Lift(A→B)=CONF(A→B)/SUPP(B)

指標(biāo)5、強(qiáng)關(guān)聯(lián)規(guī)則

諸如A→B，購買A的情況下又購買B的事件，稱為關(guān)聯(lián)規(guī)則。其中，滿足最小支持度閥值和最小置信度閥值的關(guān)聯(lián)規(guī)則稱為強(qiáng)關(guān)聯(lián)規(guī)則，規(guī)則即普遍又可靠。

四、Apriori算法的基本步驟

Apriori算法主要包括以下幾個(gè)步驟：

1.數(shù)據(jù)輸入：按照格式要求準(zhǔn)備數(shù)據(jù)，一般包含用戶ID和產(chǎn)品名稱兩個(gè)字段?？赏瑫r(shí)設(shè)定支持度閥值、置信度閥值。

2.生成項(xiàng)值：根據(jù)出現(xiàn)的全部產(chǎn)品，生成全體項(xiàng)集。

3.計(jì)算項(xiàng)集的支持度：針對每個(gè)項(xiàng)，分別計(jì)算支持度，同時(shí)去除小于支持度閥值的項(xiàng)，得到頻繁項(xiàng)集。

4.計(jì)算關(guān)聯(lián)規(guī)則的置信度：針對頻繁項(xiàng)集，建立諸如A→B的全部關(guān)聯(lián)規(guī)則，計(jì)算置信度，同時(shí)去除小于最小置信度閥值的規(guī)則。

5.將強(qiáng)關(guān)聯(lián)規(guī)則直觀展示出來。

6.規(guī)則分析：從業(yè)務(wù)角度出發(fā)，分析規(guī)則的實(shí)際意義，提取具有現(xiàn)實(shí)指導(dǎo)意義的關(guān)聯(lián)規(guī)則。

五、SAS實(shí)現(xiàn)

SAS EM有專門的關(guān)聯(lián)規(guī)則挖掘模塊，可以交互式操作。一般包括三段代碼：

STEP1：為建模創(chuàng)建事物數(shù)據(jù)庫，即為分析準(zhǔn)備一個(gè)虛擬環(huán)境，不產(chǎn)生分析結(jié)果。

STEP2：用于生成項(xiàng)集并根據(jù)支持度閥值得到頻繁項(xiàng)集，當(dāng)產(chǎn)品項(xiàng)很多時(shí)，運(yùn)算量會(huì)較大。頻繁項(xiàng)集輸出到列表ASC_RESULT中。

STEP3：利用頻繁項(xiàng)集構(gòu)造滿足最小置信度閥值的強(qiáng)關(guān)聯(lián)規(guī)則，并直觀展示出來，輸出到列表RLA_RULES中。

部分代碼清單如下：

PROC DMDB

DATA=Asso_Datsrc

OUT=_null_

DMDBCAT=Tmp2;

ID Csr_Id;

CLASS Prod;

TARGET Prod;

RUN;

PROC ASSOC

DMDBCAT=TMP2

DATA=Assoc_Datsrc

OUT=Asc_Result

PCTSUP=10

ITEMS=4;

CUSTOMER Car_Id;

TARGET Prod;

QUIT; 

PROC RULEGEN

   IN=Asc_Result

   OUT=Rla_Rules

MINCONF=60;

QUIT;

備注：

1.廣西臻實(shí)項(xiàng)目數(shù)據(jù)分析師事務(wù)所業(yè)務(wù)范圍：

●投資項(xiàng)目評估、經(jīng)濟(jì)效益評價(jià)、項(xiàng)目數(shù)據(jù)處理、項(xiàng)目融資、投資項(xiàng)目策劃、社會(huì)經(jīng)濟(jì)咨詢等。

●專業(yè)項(xiàng)目數(shù)據(jù)分析評估：為眾多投資人提供專業(yè)項(xiàng)目分析服務(wù)，減少投資風(fēng)險(xiǎn)；

●撰寫項(xiàng)目數(shù)據(jù)分析報(bào)告：為項(xiàng)目方編寫項(xiàng)目數(shù)據(jù)分析報(bào)告；

●提供融資服務(wù)：項(xiàng)目融資與項(xiàng)目分析工作緊密相連，是項(xiàng)目分析工作價(jià)值的體現(xiàn)；

●項(xiàng)目理財(cái)策劃：項(xiàng)目運(yùn)營的關(guān)健是現(xiàn)金流，是數(shù)據(jù)真實(shí)的體現(xiàn)， CPDA重要的工作是對未來運(yùn)營情況的判…

2.廣西數(shù)據(jù)分析師探討交流QQ群：117268053

3.業(yè)務(wù)咨詢電話：0771-5862703/18978862530 韋勛峰經(jīng)理

（聲明：文章來源于網(wǎng)絡(luò)，不代表本站觀點(diǎn)及立場，版權(quán)歸原作者所有，若有侵權(quán)或異議請聯(lián)系更正或刪除）