Temaer:

• Anvendelse af en markedskurveanalyserutine til scoring

Sådan gør du:

• Opret en associationsmodel ved hjælp af markedskurveanalyse
• Generér regler
• Generér et frekvensdiagram

Reference:

• Sådan gør du:
  • Output fra en analyse af indkøbskurven

  Hvad er en analyse af indkøbskurven?

  Analyse af indkøbskurven er en teknik, der identificerer styrken af forbindelsen mellem par af produkter, der er købt sammen, og identificerer mønstre for fælles forekomst. En co-occurrence er, når to eller flere ting finder sted sammen.

  Market Basket Analysis skaber Hvis-Da-scenarieregler, f.eks. hvis vare A er købt, er det sandsynligt, at vare B også vil blive købt. Reglerne er af probabilistisk karakter, eller med andre ord er de afledt af hyppigheden af samforekomst i observationerne. Hyppigheden er den andel af kurvene, der indeholder de pågældende varer. Reglerne kan anvendes i forbindelse med prisfastsættelsesstrategier, produktplacering og forskellige former for krydssalgsstrategier.

  Hvordan markedskurveanalyse fungerer

  For at gøre det lettere at forstå, kan man tænke på markedskurveanalyse som at handle i et supermarked. Markedskurveanalysen tager udgangspunkt i data på transaktionsniveau, som indeholder en liste over alle varer, som en kunde har købt ved et enkelt køb. Teknikken fastslår sammenhængen mellem hvilke produkter der blev købt sammen med hvilke andre produkter. Disse relationer bruges derefter til at opbygge profiler med If-Then-regler for de købte varer.

  Reglerne kan skrives som:

  If {A} Then {B}

  Den Hvis-del af reglen ({A} ovenfor) er kendt som antecedent, og den DÅ-del af reglen er kendt som konsevent ({B} ovenfor). Antecedenten er betingelsen, og konsekvensen er resultatet. Associeringsreglen har tre mål, der udtrykker graden af tillid til reglen: Support, Confidence og Lift.

  For eksempel: Du er i et supermarked for at købe mælk. Er du på baggrund af analysen mere tilbøjelig til at købe æbler eller ost i den samme transaktion end en person, der ikke har købt mælk?

  I den følgende tabel (tabel 1) er der ni kurve med forskellige kombinationer af mælk, ost, æbler og bananer.

  

  Det næste skridt er at bestemme relationerne og reglerne. Til forklaring viser den følgende tabel nogle af relationerne. I alt er der 22 regler for de ni kurve. Det fuldstændige regelsæt er vist i forklaringen til RStat-outputtet.

  

  Det første mål kaldet støtte er antallet af transaktioner, der omfatter elementer i reglens {A} og {B} dele som en procentdel af det samlede antal transaktioner. Det er et mål for, hvor hyppigt samlingen af elementer forekommer sammen som en procentdel af alle transaktioner.

  Støtteformlen skrevet ud ville se nogenlunde sådan ud:

  

  Interpreteret som:

  Den anden målestok, der kaldes reglens tillid, er forholdet mellem antallet af transaktioner, der omfatter alle varer i {B}, samt antallet af transaktioner, der omfatter alle varer i {A}, og antallet af transaktioner, der omfatter alle varer i {A}, og antallet af transaktioner, der omfatter alle varer i {A}.

  Vidensformlen skrevet ud ville se ud som noget i retning af:

  

  Interpreteret som: Hvor ofte poster i B optræder i transaktioner, der kun indeholder A.

  Det tredje mål, der kaldes løft eller løfteforhold, er forholdet mellem tillid og forventet tillid. Forventet tillid er tilliden divideret med hyppigheden af B. Løftet fortæller os, hvor meget bedre en regel er til at forudsige resultatet end blot at forudsætte resultatet i første omgang. Større løfteværdier indikerer stærkere sammenhænge.

  Løfteformlen skrevet ud ville se nogenlunde sådan ud:

  

  Interpræsenteret som: Hvor meget vores tillid er steget til, at B vil blive købt, givet at A blev købt.

  Praktiske anvendelser af markedskurveanalyse

  Når man hører markedskurveanalyse, tænker man på indkøbsvogne og supermarkedskøbere. Det er vigtigt at være klar over, at der er mange andre områder, hvor Markedskurveanalyse kan anvendes. Et eksempel på Market Basket Analysis for et flertal af internetbrugere er en liste over potentielt interessante produkter til Amazon. Amazon oplyser kunden om, at folk, der har købt den vare, som de køber, også har anmeldt eller købt en anden liste med varer. En liste over anvendelser af Market Basket Analysis i forskellige brancher er anført nedenfor:

  • Detailhandel. Inden for detailhandel kan Market Basket Analysis hjælpe med at fastslå, hvilke varer der købes sammen, købes i rækkefølge og købes efter sæson. Dette kan hjælpe detailhandlere med at bestemme produktplacering og optimering af kampagner (f.eks. ved at kombinere produktincitamenter). Giver det mening at sælge sodavand og chips eller sodavand og kiks?
  • Telekommunikation. Inden for telekommunikation, hvor høje afgangsrater fortsat er et voksende problem, kan markedsbaseret analyse anvendes til at fastslå, hvilke tjenester der udnyttes, og hvilke pakker kunderne køber. De kan bruge denne viden til at rette markedsføringsindsatsen mod kunder, der er mere tilbøjelige til at følge den samme vej.

    For eksempel tilbyder telekommunikation i dag også tv og internet. Oprettelse af pakker til køb kan bestemmes ud fra en analyse af, hvad kunderne køber, og derved får virksomheden en idé om, hvordan den skal prissætte pakkerne. Denne analyse kan også føre til fastlæggelse af kapacitetsbehovet.

  • Banker. Inden for finanssektoren (f.eks. banksektoren) kan Market Basket Analysis bruges til at analysere kundernes kreditkortkøb for at opbygge profiler med henblik på afsløring af svig og krydssalgsmuligheder.
  • Forsikring. Inden for forsikring kan Market Basket Analysis bruges til at opbygge profiler med henblik på at opdage svindel med sygesikringskrav. Ved at opbygge profiler af erstatningskrav er man i stand til at bruge profilerne til at afgøre, om mere end 1 erstatningskrav tilhører en bestemt erstatningsmodtager inden for et bestemt tidsrum.
  • Medicinsk. Inden for sundhedspleje eller medicin kan markedsbaseret analyse anvendes til komorbide tilstande og symptomanalyse, hvormed en sygdomsprofil bedre kan identificeres. Den kan også anvendes til at afsløre biologisk relevante sammenhænge mellem forskellige gener eller mellem miljøpåvirkninger og genekspression.

  Datakrav

  1. Kurve
     • Denne kolonne identificerer de enkelte kurve.
     • Værdierne kan være kategoriske eller numeriske for at identificere kurvene.
  2. Produkter
     • Denne kolonne indeholder alle de varer, der er indeholdt i hver kurv.
     • Værdierne for varer kan være kategoriske eller numeriske.

For eksempel fra tabel 1 nedenfor: