《麻瓜购物学产品交叉销售实务.ppt》由会员分享，可在线阅读，更多相关《麻瓜购物学产品交叉销售实务.ppt（23页珍藏版）》请在三一办公上搜索。
1、麻瓜購物學：產品交叉銷售實務,授課巫師Peter Wang 王耀億AsiaMiner Senior BI ConsultantP.tw,Agenda,交叉銷售應用關聯規則時序群集,交叉銷售,擁有本公司A產品的客戶推銷本公司B產品 提昇客戶對於企業之忠誠度增加利潤 如何進行交叉銷售業務靈感資料採礦(Data Mining),交叉銷售應用,零售業、線上購物：購物籃分析銀行業：保險銷售、貸款銷售電信業：電信服務銷售,美國亞馬遜書店購買蜘蛛人第一集,最常使用的資料採礦演算法,關聯規則(Association Rule),或稱為購物籃分析(Basket Analysis)找出那些事物同時發生找出產品之間
2、的關連性，同時做為產品推薦的決策基礎,關聯規則,可處理匿名消費零售業的發票號碼當鍵值可將虛擬的商品項目併入關聯規則中日本7-11的七五三規則一天的溫度相差7度，今天和昨天的溫度差到5度，且溼度差大於30%，將感冒相關用品上架可以將店別、地區、氣候、客戶基本資料作為延伸欄位加入關聯規則SQL Server 2005支援此功能,資料預處理,必須根據購物籃單位彙總資料購物籃單位必須是案例資料表之主鍵購物籃單位可以是客戶編號(銀行或電信)客戶編號+消費日/月(一般零售)發票編號(便利商店)根據交易頻繁次數決定購物籃單位大小,關聯規則,關聯規則三大類有用的規則(Useful)白酒和起士常識(Trivia
3、l)購買冷氣機與到府服務有高度相關只是反映過去某時刻行銷活動的成效只是佣金制度的成果無法解釋的結果(inexplicable),關聯規則,計算最簡單的資料採礦演算法假如購買A，則有X%的機率也會同時購買B,A,B,AB,購買A商品有80人購買B商品有100人同時購買A和B的人有65人,若購買A，則有81.25%的機率也會同時購買B(65/80=0.8125)若購買B，則有65.00%的機率也會同時購買A(65/100=0.65),關聯規則,信心水準(Confidence)這條規則的準確度有多少SQL SERVER 2005稱為機率支援(Support)這條規則的交易次數,關聯規則,Aprior
4、i演算法最大規則物件數：當A產品組合時則會購買B的規則中，A所包含的產品數量最小支援最小信心水準運算流程掃過全部交易記錄，產生一個物件數的所有物件組合刪除未達最小支援的物件組產生兩個物件數的物件組合，刪除最小支援的物件組反覆步驟，直到產生出包含最大規則物件數+1個物件的物件組刪除未達到最小信心水準的規則,建置關聯規則模型_步驟,選取Microsoft關聯規則演算法設定資料來源設定資料來源檢視設定案例資料表與巢狀資料表設定索引鍵、輸入、可預測設定資料類型與內容類型命名資料採礦模型結構與採礦模型處理資料採礦模型,建置關聯規則模型,案例資料表：一個分析單位一筆(主鍵,PK)巢狀資料表：一個分析單位多
5、筆(外鍵,FK)必須在資料來源檢視中設定主鍵外鍵關聯性,設定案例資料表與巢狀資料表,建置關聯規則模型,案例資料表的索引鍵就是案例資料表的主鍵巢狀資料表所要分析的產品同時設為索引鍵、輸入、可預測,設定索引鍵、輸入、可預測,時序群集,找出客戶下一次會來買些什麼適合持續型交易之購物模式銀行保險電信3C零售,如何開發Amazon自動推薦機制?,根據歷史POS資料建立關聯規則模型根據客戶已經購買過之商品自動推薦他其他可能購買之商品.請根據客戶目前購買之商品推薦最有可能購買的五樣商品SELECT FLATTENED PredictAssociation(AssociationModel.ProductDe
6、tail,INCLUDE_STATISTICS,5)FROM AssociationModel PREDICTION JOIN.,客戶下一次會來買什麼?,關聯規則是找出哪些商品同時購買時序群集是找出客戶下次回買什麼請推薦客戶下次來店購買機率最高的兩樣商品?SELECT FLATTENED PredictSequence(SequenceModel.ProductDetail,INCLUDE_STATISTICS,2)FROM SequenceModel PREDICTION JOIN,商品推薦技術,建立商品回應模型適用於商品數量較少、固定(例如保險銷售)常態型銷售商品需要歷史資料如果商品多、產品組合變化多、新商品(零售業、基金.)關聯規則(哪些商品同時購買?)時序規則(哪些商品先後購買?)協同式過濾(跟我們比較像的客戶都買些什麼?),Whats different,預測模型：檢視人的規則關聯規則、時序規則：檢視物的關連協同式過濾：根據人的關連性判斷推薦商品,協同式過濾,根據相似性將客戶區隔，統計各個區隔客戶最常買的商品，經剔除已購買商品後形成商品推薦清單不用維護模型可隨時間自動變化適合用於新商品,協同式過濾流程,建置客戶區隔模型(群集數k要放的極大)統計各群集之購買商品頻率根據該客戶所坐落群集，剔除已購買之商品，做為推薦商品,
