麻瓜购物学：产品交叉销售实务(1).ppt

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 Consultant P.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(Trivial) 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,Apriori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.ProductDetail, 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