• 品類缺項推薦及多一單預測

    這是一個智能推薦的研究

    預測原理

    通過企業的小票我們可以預測不同品類之間的關系,“啤酒和尿褲”雖然是營銷領域自我鼓吹的一個善意的謊言,但其背後的邏輯是必然存在的。通過小票品類,我們可以做以下兩個維度的分析︰
    1、 收集一段時間內所有會員的購物品類,分析每一個會員購買品類的決策關系
    2、 收集每一張小票的購物品類,分析每一單的購買品類決策關系
    前者是“一段時間”內的“會員購物需求”,他體現的是品類與品類之間的需求關系,適合做缺項推薦;後者是“每一張小票”上的購物需求,體現的是同一時間的品類之間關聯關系,適合做門店多一單預測。

    典型案例

    FP-Growth(Frequency Pattern Growth)算法,是數據分析領域分析“關聯”的經典算法,其算法原理是將提供頻繁項集的數據庫壓縮到一棵頻繁模式樹,找出項與項之間的最優關系。以典型門店為例,通過1年內的所有消費數據分析,其會員品類關聯及小票品類關聯關系的舉例規則如下︰

    會員品類關聯關系,以Rule#1為例,所有消費會員中,即買了營輔,又買了喂養用品的(並非在同一單)佔41.92%;而購買了營輔的會員,購買喂養用品的概率為61%。前者表示該規則的適用度有多寬,後者表明了該規則的成功率有多高

    小票品類關聯關系,以Rule#4為例,所有消費小票中,同時購買了喂養用品+童裝童鞋+洗護用品的(在同一單)佔2.22%;而如果發現會員購買了喂養用品+童裝童鞋,那麼此時給他推薦洗護用品的成功率將是33.85%。同樣前者表示該規則的適用度有多寬,後者表明了該規則的成功率有多高。

    缺項推薦︰根據會員品類關聯關系,在抽獎類營銷活動以及缺項推薦類經營業務里使用,根據消費者歷史消費品類及缺項品類,給出最高概率的品類優惠。

    多一單預測︰根據小票品類關聯關系,在門店下單後,系統立刻分析這筆訂單的消費品類,找到最優概率的購買預測,可以通過微商城的“單單有禮”將品類優惠給出,促成在門店再一單生意機會。