當我們在賣場中瀏覽商品時,是否思考過商品的擺放、貨架陳列方式有可能都是經過精心安排的呢? 組合商品又是如何決定的呢?

圖中是美國梅西百貨(Macy’s)銷售資料庫的分析案例,資料科學家將9835筆銷售資料,169項商品,以R軟體進行#關聯規則探勘,並結合延伸套裝arulesViz的網絡視覺化技術,發現一些商品容易「同時」被放在一個購物籃當中,例如「當顧客有買起司與火腿時,白吐司被買的可能性相當高」。這時候,若將這三樣商品擺放在附近,容易提高彼此的買氣。

1024-2-compressed

「購物籃分析」在1993年時由Agrawal等人提出,屬於一種探勘關聯規則的演算法,在銷售領域的應用上,相對較為普遍,試圖找出顧客購物的潛在規律與模式,是企業主規劃商場佈置、擬定促銷策略的重要參考依據。

當然,這個方法不只可應用於零售業的銷售資料,其他像是保單購買、信用卡消費、服務使用等紀錄,都可以予以分析,提供經營上、策略面的決策思考。然而,任何分析軟體都只是個協助工具,經營者、分析者的觀點亦是很重要的方向盤!有了明確的目標、正確的方向與方法,便能善用數據,做出好決策。

在這個資訊科技發達的時代,除非你還在用手工記錄銷售資料,否則,從網站後台或是結帳系統導出的銷售資料,就能夠透過「購物籃分析」挖掘出對經營有幫助的關鍵線索喔!

參考我們的創業數據診斷服務