10.7 产品分析高级专题：购物篮分析的多个角度（上）在产品分析领域，购物篮分析是一种重要的结构化分析方法，它通过对消费者购物行为的数据进行深入挖掘，揭示产品之间的关联性和消费者的购买习惯。以下是对购物篮分析多个角度的详细探讨（上）。一、购物篮分析的基本概念“购物篮”（basket）原指消费者购物时的推车或提篮，现已抽象代指客户的一次完整交易，通常与“订单ID”或“会话Session”相对应。购物篮分析旨在通过分析消费者的购物篮内容，发现产品之间的关联性，为精准营销和商品组合提供决策支持。二、购物篮连带率分析1. 定义购物篮连带率是指相对于所有的购物篮（订单），包含特定产品的比率。它反映了某个产品在整个销售中的普及程度。2. 计算方法假设客户A、B、C分别在商家购买了两次订单，其中A购买了{装订机，椅子，收纳具}三个类别的产品；B购买了{椅子，收纳具，信封}三个产品；C只购买了{装订机}。此时整个订单样本为3个，其中2个订单有装订机，1个订单有信封。因此，可以说“在所有的购物篮中，66.7%的购物篮中包含装订机，而33.3%的包含信封”。3. 应用购物篮连带率可以帮助运营者了解哪些产品更受欢迎，哪些产品需要加大推广力度。同时，它还可以作为制定精准营销组合活动的重要依据。三、支持度、置信度和提升度分析1. 支持度（Support）支持度代表在所有样本中出现的概率，如购买桌子的比率、同时购买桌椅的比率。它是购物篮分析中最基础的概念之一。2. 置信度（Confidence）置信度指购买A之后再购买B的条件概率，计作P（B｜A）。它反映了在购买了某个产品后，再购买另一个产品的可能性。3. 提升度（Lift）提升度指先购买A再购买B的比率，计作Lift（A>B）。它用于衡量购买A对购买B的促进作用。4. 计算方法支持度计算：可以通过统计包含特定产品组合的订单数量，并除以总订单数量来计算。置信度计算：在已知购买A的条件下，计算购买B的概率。这可以通过统计同时购买A和B的订单数量，并除以购买A的订单数量来计算。提升度计算：提升度是置信度与B在所有订单中出现的概率之比。它反映了购买A对购买B的额外促进作用。5. 应用支持度、置信度和提升度分析可以帮助运营者发现产品之间的关联性，制定有效的商品组合和营销策略。例如，如果某个产品的提升度很高，说明它在促进其他产品销售方面具有很强的作用，可以加大对该产品的推广力度。四、案例分析案例一：购物篮比率分析假设有一个商家有816个订单，其中60个订单包含桌子，228个订单包含椅子。通过计算可以发现，“包含桌子”的购物篮比率为60/816=7.4%，“包含椅子”的购物篮比率为228/816=27.9%。这些数据可以帮助运营者了解哪些产品更受欢迎，哪些产品需要加大推广力度。案例二：支持度、置信度和提升度分析在816个订单中，有60个订单同时包含桌子和椅子。此时，“同时包含桌子和椅子”的支持度为60/816=7.4%。假设购买桌子的订单中有40个同时购买了椅子，那么“购买桌子后再购买椅子”的置信度为40/60=66.7%。同时，如果“购买椅子”在所有订单中的比率为27.9%，那么“购买桌子对购买椅子的提升度”为66.7%/27.9%=2.39，说明购买桌子对购买椅子具有很强的促进作用。五、图片展示图10-51展示了使用合计百分比计算不同子类别的订单比率的方法。图10-52展示了使用行级别计算为满足条件的明细增加标签的过程。图10-53展示了和参数子类别（电话）同时销售的子类别在全部订单中的占比（支持度）。图10-55展示了指定参数子类别计算它相对于其他子类别的置信度和提升度的结果。以上是对购物篮分析多个角度（上）的详细探讨。通过购物篮连带率分析、支持度、置信度和提升度分析等方法，我们可以深入了解消费者的购买习惯和产品之间的关联性，为精准营销和商品组合提供有力的决策支持。