想必大家都听说过美国沃尔玛连锁超市“啤酒与尿不湿”的故事。为什么沃尔玛超市里会把婴儿的尿不湿和啤酒摆放在一起售卖呢？
因为超市发现尿不湿和啤酒的购买峰值曲线有极大的相似性，观察得知，美国家庭中母亲在家照顾孩子，就会让父亲下班后买尿不湿回家，而男士来到超市后习惯于给自己买上一罐啤酒。那么如果将啤酒放在尿不湿附近，将有很大概率提高啤酒的销售量。实践证明的确如此。
其实，这种通过研究已经产生的数据，将不同标的关联起来并挖掘二者之间联系的分析方法，就叫做关联分析法，也就是商场和电商领域的“购物篮分析”。
今天小亿就来说说什么是关联分析，关联分析可以应用在哪些地方，以及如何做好商品的关联分析。
一、什么关联分析？
关联就是反映某个事物与其他事物之间相互依存关系，而关联分析是指在交易数据中，找出存在于项目集合之间的关联模式，即如果两个或多个事物之间存在一定的关联性，则其中一个事物就能通过其他事物进行预测。通常的做法是挖掘隐藏在数据中的相互关系，当两个或多个数据项的取值相互间高概率的重复出现时，那么就会认为它们之间存在一定的关联。
换句话说，两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。简单地来说，关联规则可以用这样的方式来表示：A→B，其中A被称为前提或者左部(LHS)，而B被称为结果或者右部(RHS)。如果我们要描述关于尿布和啤酒的关联规则（买尿布的人也会买啤酒），那么我们可以这样表示：买尿布→买啤酒。
二、关联分析可以应用在哪些地方？
一些行业的关联规则十分清晰，例如人口普查、医疗诊断、甚至人类基因组中的蛋白质序列。在关联销售宝贝的价格规律，卖家改进关联营销策略方面，关联分析法的适用性尤为突出。
关联销售在具体营销操作中，往往会使用一种商品作为引入商品，另一种商品作为利润商品，营销人员往往会认为引入商品应当是低价的一种，那么是否女装类目中存在此类规律呢？
如果将关联比例大于10%的关联商品和结果商品的类目均价互相比较，就会发现既有用半身裙、小背心、雪纺衫之类的相对低价商品，关联至衬衫、裤子、连衣裙等相对高价商品的记录，也有用衬衫、短外套、连衣裙、西装等相对高单价商品，关联至裤子、连衣裙、T恤等相对低单价商品的记录，而且两种情况的数量基本一致。该分析结果告诉我们，至少在女装类目中，关联销售更多是基于买家的内在需求以及商品的性质、特征等而出现，并没有什么特定的低价导入、高价关联之类的规律存在。
在今天主要探讨的商品销售这个目标上，“超市购物篮”数据的研究可以作为研究关联规则挖掘的一个典型的例子。不仅在线下超市，电商卖家的“满就送”、“多加一件包邮”等形式促销，也是商品关联销售思维演化来的。
但他们忽略了关联销售最重要的一个环节，就是消费者心理最想要什么东西，以及可以接受的心理价位是什么？这就需要对大量商品记录数据做分析，提取出能够反映顾客偏好的有用的规则。
如今疫情尚没有宣告终结，超市门店生意仍处困境，线上流量红利竞争持续，竞争的层面也在不断深化，已经从最基本的增加PV、提升PR、制造爆款……扩展到提升客单价、重购率，培养核心客户群、打造私域流量等方面。在这样的情况下，做好关联分析就会让你的企业在竞争中多一个抓手。具体而言，他可以帮助店铺实现以下营销目的：
1.提升页面浏览率：由于同一页面中会涉及到多个商品，当这些商品的关联性较强时，就会有效提升该页面以及其关联商品页面的PV。
3.提升利润商品的展现机会：现在电商卖家对做爆款是又爱又恨，爱的是他能带来流量，恨的是他带走了利润，其实，只要做好关联销售，将爆款商品和利润商品有效组合起来，就能获得流量和利润的双丰收！
除此以外，关联技术不但在商业领域被广泛应用，在医疗、保险、电信和证券等领域也得到了有效的应用。
三、如何依据数据做好关联分析？
1.关联规则的常用指标
（1）支持度
在关联算法中很重要的一个概念是支持度(Support)，也就是数据集中包含某几个特定项的概率。比如在1000次的商品交易中同时出现了啤酒和尿布的次数是50次，那么此关联的支持度为5%。
支持度是指A商品和B商品同时被购买的概率，或者说某个商品组合的购买次数占总商品购买次数的比例，用图表示就是两者之间的交集。
其算法公式是：S=F[（A&B）/N]
其中S代表支持度，F代表概率函数，A&B代表购买了A且购买了B的次数，N代表购买总次数。
比如今天共有10笔订单，其中同时购买牛奶和面包的次数是6次，那么牛奶+面包组合的置信度就是6/10=60%
（2）置信度
置信度是指购买A之后又购买B的条件概率，简单说就是因为购买了A所以购买了B的概率，用图表示就是交集在A中的比例。
其算法公式是：C=F（A&B）/F（A）
其中C代表置信度，F表示条件概率，A&B代表购买了A且购买了B的次数，A代表购买A的次数。
比如今天共有10笔订单，其中购买A的次数是8，同时购买A和B的次数是6，则其置信度是6/8=75%
（3）提升度
提升度是先购买A对购买B的提升作用，用来判断商品组合方式是否具有实际价值，换句话说，就是看组合商品被购买的次数是否高于单独商品的购买次数，大于1说明该组合方式有效，小于1则说明无效。
其算法公式是：L=S（A&B）/[S（A）*S（B）]
其中L代表提升度，S（A&B）代表A商品和B商品同时被购买的支持度，S（A）*S（B）代表商品A被购买的概率与B被购买概率的乘积
比如今天共有10笔订单，购买A的次数是8，购买B的次数是4，购买A+B的次数是6，那么提升度是0.6/（0.8*0.4）>1，因此A+B的组合方式是有效的。
2.关联规则的分类
（1）根据规则中所处理的变量的类型，关联规则可以分为布尔型和数值型
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系。数值型关联规则可以对数值型字段，原始数据进行处理，包含多种类型的变量。例如：性别=“女”=>职业=“会计”，是布尔型关联规则；性别=“女”=>avg（收入）=3000，涉及的收入是数值类型，所以是一个数值型关联规则。
（2）基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则
在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。
（3）基于规则中涉及到的数据的维数，关联规则可以分为单维和多维的
在单维的关联规则中，我们只涉及到数据的一个维，处理单个属性中的一些关系，如用户购买的物品。多维的关联规则中要处理的数据将会涉及多个维，处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品是单维的关联规则；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是多维的一条关联规则。
我们都知道，做数据分析的目的就是找到数据之间的关联和联系，而对于产品或商品来说，我们的目的是找出顾客购买行为的模式，比如说用户买了A商品，是否会对B商品产生什么影响；比如用户今天的购买行为，会不会对明天的销售量带来影响；比如不同的用户是否具有不同的购买模式等等。而这种挖掘方式要基于一定的规则，这个规则就是进行关联分析的算法
（1）Apriori算法
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。
算法的基本思想：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样；然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。
（2）AprioriTid算法
AprioriTid算法对Apriori算法做了调整，它的特点是在第一次遍历数据库D之后，就不再使用数据库来计算支持度，而是用集合Ck来完成。
基本思想：跟Apriori算法的步骤基本相同，只是在第一次通过之后，数据库不用于计算候选项集；生成另一个集合C'，其中每个成员具有每个事务的TID以及该事务中存在的大项集，这个集用于计算每个候选项集。
（3）SETM算法
基本思想：候选项目集在扫描数据库时即时生成，但在通过结束时计算，新的候选项集生成事务的TID与候选项集一起保存在顺序结构中；结束时，通过聚合该顺序结构来确定候选项集的支持计数。
（4）FP-tree算法
FP-tree算法又称FP-Growth算法，是在不使用候选代的情况下查找频繁项集的另一种方法，从而提高了性能。其核心是使用名为频繁模式树（FP-tree）的特殊数据结构，保留了项集关联信息。
四、关联分析的步骤拆解
1.从原始资料集合中找出所有高频项目组(LargeItemsets)
高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。以一个包含A与B两个项目的2-itemset为例，我们可以求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(MinimumSupport)门槛值时，则{A,B}称为高频项目组。
一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequentk-itemset)，一般表示为Largek或Frequentk。算法并从Largek的项目组中再试图产生长度超过k的项目集Largek+1，直到无法再找到更长的高频项目组为止。
2.产生关联规则
从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小可信度(MinimumConfidence)的条件门槛下，若一规则所求得的可信度满足最小可信度，则称此规则为关联规则。
例如：经由高频k-项目组{A,B}所产生的规则，若其可信度大于等于最小可信度，则称{A,B}为关联规则。
就“啤酒+尿布”这个案例而言，使用关联规则挖掘技术，对交易资料库中的记录进行资料挖掘，首先必须要设定最小支持度与最小可信度两个门槛值，在此假设最小支持度min-support=5%且最小可信度min-confidence=65%。因此符合需求的关联规则将必须同时满足以上两个条件。若经过挖掘所找到的关联规则{尿布，啤酒}满足下列条件，将可接受{尿布，啤酒}的关联规则。用公式可以描述为：
Support(尿布，啤酒)≥5%andConfidence(尿布，啤酒)≥65%
其中，Support(尿布，啤酒)≥5%于此应用范例中的意义为：在所有的交易记录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)≥65%于此应用范例中的意义为：在所有包含尿布的交易记录资料中，至少有65%的交易会同时购买啤酒。
因此，今后若有某消费者出现购买尿布的行为，我们将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据{尿布，啤酒}关联规则而定，因为就过去的交易记录而言，支持了“大部分购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用于记录中的指标取离散值的情况。
如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化(实际上就是将某个区间的值对应于某个值)，数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
如今关联规则挖掘的应用领域非常多，但凡需要分析事物和事物间的频繁模式的场景，都可以用到关联规则挖掘。
1.准备数据
我们准备了某超市的一些购物篮数据。该数据集有7个字段。根据关联规则的挖掘特性，需要选择一个事务字段和一个事项字段。不然发现，CARD_NO(卡号)字段同一卡号购买过多种不同商品，可作为事务字段，而GOODS(购买商品)字段可作为事项字段。另外，界面信息显示，该数据集有2800条购买数据，由939个客户(卡号)购买了11种不同商品，符合“经常同时购买”的特征。接下来我们开始用数据集训练一个合适的关联规则模型。
2.训练模型
先创建一个挖掘过程，选择关联规则FP-Growth进入挖掘过程界面。系统内置了两种关联规则算法，他们的参数设置都一样。我们选择性能较好的FP-Growth算法。再选择“购物篮”数据集，选择CARD_NO字段为事务字段，GOODS字段为项字段，设置所有数据参与挖掘(100%抽样)。最低支持度设置为5项，最小可信度设置为40%。注意，这两个参数设置过大，可能挖掘不出关联规则，可根据实现情况调整。点击”训练模型”菜单查看训练出来的关联规则。
如上图所示，该模型挖掘到了100条关联规则。每条关联规则左边代表。系统虽然内置了FP-Growth和Apriori两种挖掘算法，而且操作方法一样，但它们还是存在以下特点：
所以在选择算法时，绝大部分情况下，可以优先选择FP-Growth算法。
3.模型应用
关联规则模型的应用同其它类型的挖掘模型，也是要先发布选择好的关联规则模型，再制作相应的模型应用用于关联规则的显示和查询。这里就不重复讲解了。