WordPress适合做多大级别的网站,高端建筑班,直播系统程序,郑州网站推广公司电话转载自 3分钟了解“关联规则”推荐
“把啤酒放在尿布旁#xff0c;有助于提升啤酒销售量”是关联规则推荐的经典案例#xff0c;今天#xff0c;和大家聊聊“关联规则推荐”#xff0c;正文不含任何公式#xff0c;保证PM弄懂。一、概念
什么是关联规则#xff08;Associ…转载自 3分钟了解“关联规则”推荐
“把啤酒放在尿布旁有助于提升啤酒销售量”是关联规则推荐的经典案例今天和大家聊聊“关联规则推荐”正文不含任何公式保证PM弄懂。一、概念
什么是关联规则Association Rules
答关联规则是数据挖掘中的概念通过分析数据找到数据之间的关联。电商中经常用来分析购买物品之间的相关性例如“购买尿布的用户有大概率购买啤酒”这就是一个关联规则。
画外音如果把买尿布记作A买啤酒记作B。
“买尿布的用户有较大概率买啤酒”这个关联规则记作A - B。什么是关联规则推荐Association Rule Based Recommendaion
答顾名思义利用关联规则来实施推荐。关联规则推荐的目标是希望达到“将尿布放入购物车之后再推荐啤酒”
比
“直接推荐啤酒”
获取有更好的售卖效果。
画外音这个目标非常非常重要有些场景或许直接推荐更有效。关联规则推荐的典型应用
线下可以将尿布和啤酒放在一起线上可以在用户将尿布放入购物车后立刻推荐啤酒二、如何实施
假设某电商会售卖ABCD四种商品历史上共5笔订单分别卖出{A,B,C}, {B,C,D}, {A,B,C,D}, {A,C}, {C} 如何来实施“关联规则”推荐呢第一步数据准备如上图纵坐标是所有历史订单横坐标是每笔订单售出的商品。第二步计算关联规则组合商品的支持度什么是支持度support
答共5笔订单3笔包含商品AA的支持度是3/5。很容易计算出各个商品的支持度。从支持度可以看出Best Seller是商品C100%的订单中都包含商品CC的支持度是1。除了单个商品组合商品也有支持度。共5笔订单2笔同时包含AB即A-B的支持度是2/5。
画外音全局总共4种商品假设关联规则只关联2种商品则一共需要计算C(4,2)共6种组合商品的支持度{AB,AC,AD,BC,BD,CD}。支持度评估商品包含在订单中的“概率”一个订单有多大概率包含这个商品。
画外音一般会先对支持度高的商品实施推荐如果先实优化支持度低的商品即使推荐效果翻倍总体订单提升效果也会很有限。第三步计算关联规则的置信度什么是置信度confidence
答已知购买了A有多大概率购买了B即同时购买了AB称A - B的置信度。可以看到商品A有3次购买这3次中有2次购买了BA-B的置信度是2/3。画外音额本来不想贴公式的
confidence(A-B) support(A-B)/support(A) (2/5)/(3/5) 2/3
这也相对比较好理解
分子support(A-B)是同时购买AB的比例分母support(A)是只购买A的比例
二者相除得到“购买了A有多大概率购买B”置信度的本质是条件概率。这里需要注意的是X-Y与Y-X的置信度不一定相等。如上图
B-C的置信度是1买商品B时100%会买C
C-B的置信度是3/5买商品C时只有3/5买了B。
画外音
support(B-C)3/5
support(C-B)3/5
confidence(B-C)support(B-C)/support(B)1
confidence(C-B)support(C-B)/support(C)3/5
公式是给程序看的excel表格是给人看的结果都一样。第四步计算关联规则的提升度上一个例子里confidence(B-C)1即如果用户购买商品B100%会买C那是不是意味着如果用户将商品B放入购物车就可以向用户推荐商品C呢
答不是。我们来回顾一下关联规则推荐的目标是希望达到“将尿布放入购物车之后再推荐啤酒”
比
“直接推荐啤酒”
获取有更好的售卖效果。虽然购买商品B100%会买C
画外音confidence(B-C)1
但直接推荐C用户也100%会买C
画外音support(C)1会发现购买B与购买C是独立事件用户买不买C和用户买不买B没有直接关系。这里的关联规则推荐并没有比直接推荐获取更好的效果。用什么指标来评估关联规则推荐的效果呢
答提升度。什么是提升度lift
答A-B关联规则推荐与直接推荐B的比值可以用来评估推荐效果
大于1说明有效在购买A时推荐B比直接推荐B效果更好等于1说明无关购买A与购买B是独立事件小于1说明负相关购买A时推荐B效果还不如直接推荐B
画外音又有公式了
lift(A-B) confidence(A-B)/support(B)
这也相对比较好理解
分子confidence(A-B)购买A时有多大概率同时购买B分母support(B)有多大概率直接购买B
二者相除得到效果是否更好。还是通过两个直观的例子来看。来看看关联规则A-B与直接推荐B效果有没有提升
有3个订单购买A这3个订单中有2个订单购买了B所以A-B的置信度是2/3即买了A有2/3的概率会买B直接推荐B的话5个订单中有3个购买了B所以B的支持度是3/5即有3/5的概率会直接买B
会发现关联规则推荐的效果更好。画外音根据公式
confidence(A-B) support(A-B)/support(A) 2/3
support(B) 3/5
lift(A-B) confidence(A-B)/support(B) 10/9
lift(A-B) 1故关联规则推荐是正相关的。来看看关联规则A-D与直接推荐D效果有没有提升
有3个订单购买A这3个订单中有1个订单购买了D所以A-D的置信度是1/3即买了A有1/3的概率会买D直接推荐D的话5个订单中有2个购买了B所以D的支持度是2/5即有2/5的概率会直接买D
会发现关联规则推荐的效果很差还不如直接推荐。画外音根据公式
confidence(A-D) support(A-D)/support(A) 1/3
support(D) 2/5
lift(A-D) confidence(A-D)/support(D) 5/6
lift(A-B) 1故关联规则推荐是负相关的。三、总结
关联规则A-B推荐目标是在“用户将A放入购物车时推荐B”比“单独推荐B”获取更好的效果A-B的支持度是用户同时购买A和B概率A-B的置信度是用户购买A的同时有多大概率购买BA-B的提升度是“用户购买A的同时有多大概率购买B”与“直接购买B的概率”的比值
1这个值大于1时说明A-B有正向效果
2这个值等于1时说明A和B是独立事件
3这个值小于1时说明A-B有负向效果
