大数据时代下关联规则在零售业中的应用与研究

大数据时代下关联规则在零售业中 的应用与研究

肖淑华

德宏师范高等专科学校，云南德宏 678400

摘要：本文通过采用关联规则中Apriori算法来分析零售业中商品之间的关联关系，通过分析商品之间两个指标：支持度和置信度，来衡量商品之间的关联关系，把日常数据知识化，对知识化的数据进行分析，找到具有强关联规则的商品组合，从而运用到零售业的营销策划、广告宣传、商品布局之中。

关键词： 数据挖掘 关联规则 零售业

在大数据时代下，零售业中积累了大量待挖掘的数据，如何有效地利用这些数据来分析消费者的需求，洞察消费者的购买习惯，提高零售业的销售量，对于当下零售业的发展以及企业管理者的决策来说显得尤为重要。

1. 研究的方法及数据处理

通过收集商品销售中的原始交易数据，以数据为处理对象，以关联规则算法为处理手段，通过算法分析商品之间的关联关系，把存在关联关系的商品尽可能的摆放在一起或者进行捆绑销售，进一步促进零售业商品的销售，提高企业的竞争力。

2. 商品销售目前存在的问题

当前，随着人们生活水平的不断提高，零售业在不断增长，零售商品种类繁多，纷繁复杂，如何对零售商品进行合理的布局、设计营销策划成为零售业发展的关键因素，但是在实际生活中，许多零售业在进行商品布局的过程中，考虑的只是分类存放、清洁整齐、安全陈列、丰富饱满等，缺忽略了最重要的因素：商品之间的关联性，导致顾客在进行商品购买时，没有目的性、针对性，在错综复杂的商品中挑花了眼，难以方便快捷地找到所需要的商品，在一定程度上影响了商品的销售。

3. 关联规则的基本原理

3.1关联规则

关联规则是某种事物的发生其他事物也会发生的一种联系，主要目的是寻找隐含在事物中的关联关系，通过寻找事物之间的关联关系，在频繁项集中找到事物之间的强关联规则。挖掘关联规则过程主要分为两步：一是找出所有的频繁项集，即找出支持度不低于用户指定的最小支持度项目集，二是利用最大数据项集生成所需要的关联规则，根据用户指定的最小置信度，找出最终得到的强关联规则。

3.2 Apriori算法

根据Apriori算法的性质，在频繁项集中所有非空子集都是频繁的。通过对需要进行数据挖掘的原始数据进行多次扫描，从候选集中找出频繁项集，找出支持度不小于最小支持度的所有项集，同时进行连接、剪枝、计算，依次反复循环操作，直到不再产生频繁项集为止，同时根据指定的最小支持度，确定最终得到的关联规则。

4. 商品购买关联关系分析

4.1优化陈列布局

通过分析以下顾客原始购物清单，运用关联规则寻找那些可以同时购买，且支持度≥50%的商品名称。通过多次扫描零售业中销售系统数据库4.1，可以得出如下表4.1.1、4.1.2和4.1.3，其中，支持度小于50%的项目，即频繁1项集中的鲜肉、洗衣粉、啤酒等，即频繁2项集中的牛奶和洗衣粉、蔬菜和牛奶等，频繁3项集中蔬菜、水果和牛奶，蔬菜、水果和鲜肉等可直接省略。

表4.1

表4.1.1 频繁1项集集合

表4.1.2频繁2项集集合

表4.1.3 频繁3项集集合

通过以上，可以得出以下几条规则

规则1：蔬菜→水果，supp=50%，conf=50%/50%=100%

规则2：水果→蔬菜，supp=50%，conf=50%/87.5%≈57.14%

规则3：水果→牛奶，supp=75%，conf=75%/87.5%≈85.71%

规则4：牛奶→水果，supp=75%，conf=75%/87.5%≈85.71%

规则5：牛奶→面包，supp=62.5%，conf=62.5%/87.5%≈71.43%

规则6：面包→牛奶，supp=62.5%，conf=62.5%/62.5%=100%

通过以上数据分析，我们在进行零售业货架陈列的时候可以将蔬菜和水果、水果和牛奶、牛奶和面包尽量靠近摆放，从而有效帮助零售业进行货架陈列优化，提升零售业陈列管理能力，优化陈列服务，站在顾客的角度规划零售业产品陈列。

4.2捆绑销售设计

捆绑销售作为一种重要的销售策略，是学者们研究的热点。大数据研究发现，关联产品捆绑是消费者接受度最高的，对商品及品牌的信任度和满意度影响显著。相对于同产品和同类产品捆绑，相关产品捆绑更加能满足消费者需求，关联规则是研究捆绑销售策略的有效手段^[1] 。

基于消费者的关联购买意愿进行捆绑销售分析, 通过Apriori关联规则分析，从频繁1项集中可以看出50%的顾客购买了蔬菜，87.5%的顾客购买了水果，87.5%的顾客购买了牛奶，62.5%的顾客购买了面包。从频繁2项集中可以看出50%的顾客同时购买了蔬菜和水果，75%的顾客购买了水果和牛奶，62.5%的顾客购买了牛奶和面包。从频繁3项集中可以看出50%的顾客同时购买了水果、牛奶和面包。在进行商品销售的时候可以对蔬菜和水果、水果和牛奶、面包和牛奶以及水果、牛奶和面包进行捆绑销售，运用此方法可以对超市销售系统里面所有的销售数据进行分析，发现不同商品之间的关联性，从而对具有强关联规则的商品进行捆绑销售设计。

4.3关联商品推荐

根据以上商品之间的关联关系，销售人员可以根据顾客的购买需求，快速为顾客推荐商品，同时在顾客结账时，可以根据顾客购物清单中的商品信息，快速匹配具有强关联规则的商品信息，提醒顾客关联商品在进行促销活动，进而促进零售业商品的销售。

4.4 转变经营理念

零售业经营是一个坚持不懈、持续优化的过程，通过数据分析，我们可以找到那些经常被顾客购买的商品，即频繁项集中的商品，根据频繁项集中辐射的商品种类增减商品、调整服务，改善经营，更新观念，主动捕捉市场机会，获得竞争优势。

5. 结语

本文通过对顾客原始购物清单进行分析研究，利用关联规则算法发现商品之间存在的关联关系，对存在强关联关系的商品进行捆绑销售，进而促进商品销售。通过数据分析，对零售业商品货架陈列、捆绑销售、快速推销以及转变经营理念提供了科学决策。

1. 汤美芳. 大数据时代下传统零售业的营销策略分析[J]. 内蒙古科技与经济，2020(2):45 - 48.

2. 辛智慧，薛亚楠，杨灿 关联规则的应用研究 ———以某超市为例（西安财经学院，陕西 西安 710100）

3. 张生华，李佳慧，李娜 关联规则分析在超市商品布局中的应用 （扬州市职业大学，江苏 扬州 225000）