تحلیل سبد خرید مشتری
تحلیل سبد خرید مشتری (Customer Basket Analysis) به بسیاری از بیزینسها کمک کرده است. وقتی سبد خرید را تحلیل میکنید بدون اینکه طرف بداند میتوانید یک سری Data به دست آورید.
الگوریتم Apriori، الگوریتمی است که یک مدل ماشین است با استفاده از این الگوریتم میتواند یکسری قوانین کشف کند. یعنی شما Transactionها را به این الگوریتم میدهید، یک مجموعه اقلام به شما میدهد برای مثال کره بادام زمینی همیشه با سس کچاپ خریداری میشود. سپس این الگوها بررسی میشود. یکسری از Rulesهای به دست آمده بدیهی است و نیاز به ماشین ندارند مثلا تخممرغ همیشه با نان خریداری میشود، اما یکسری Rulesها نامطمئن هستند و با نگاه به Data نمیتوان فهمید.
کاربردهای تجزیه و تحلیل سبد خرید مشتریان چیست؟
• چیدمان فروشگاه براساس الگوها
در چیدمان فروشگاه مهم است محصولاتی کنار هم باشند که با هم فروش میروند.
• تجزیه و تحلیل رفتار خرید
• مصرفکنندگان
• طراحی کاتالوگهای فروش
• شخصیسازی بهتر کمپینهای ایمیلی
• Cross- Selling
منظور از Cross- Selling یعنی فروش مکمل. یعنی مشتری وقتی تلویزیون LED میخرد، به او دستگاه دیجیتال پخش یا سیستم صوتی هم میفروشم. اگر بتوانید الگوهای درستی را از مجموع خرید شناسایی کنید، میتوانید محصولات مکمل خوبی پیشنهاد دهید و Cross- Selling را افزایش دهید.
در حوزۀ تحلیل سبد خرید مشتری با اصطلاحی به اسم Itemset سروکار داریم.
Itemset چیست؟
مجموعه اقلامی که یک مشتری در یک Transaction خرید میکند. برای مثال امروز نان و شیر و پنیر را با هم خریده است. مشتری دیگر جاروبرقی و کیسۀ جاروبرقی را با هم خریده است. هر کدام از اینها یک Itemset است.
پارامترهای مهمی که برای Itemset وجود دارد. یک فروشگاه زنجیرهای در طول روز با 5 یا 6 هزار مشتری سروکار دارد. هر کدام از اینها یک سری آیتمست از این فروشگاه خریداری میکنند. منطقی نیست که تمام این Itemsetها در تحلیل وارد شود. بنابراین پارامترهایی برای فیلتر کردن این آیتمستها در نظر گرفته شده است.
پارامترهایی که کمک کند الگوهای خرید شناسایی شود
پارمتر اول: Support
Support یعنی چه؟ این Itemset بین کل تراکنشها و Itemsetها چقدر تکرار شده است. در واقع تعداد این آیتمست در کل تراکنشها چقدر است.
پارامتر دوم: Confidence
Confidence یعنی چه؟ آیتمهایی که ساپورت قابلقبولی داشتهاند، چقدر احتمال دارد که A آنگاه B رخ دهد یا A و B آنگاه C رخ دهد؟
پارامتر سوم: Lift
معیار Confidence یک مشکلی دارد. فرض کنید شما Itemsetها را بررسی میکنید که شیر داخلش است. شیر یک محصولی است که زیاد فروخته میشود و در 80درصد Itemsetهای شما وجود دارد. اگر قرار باشد صرفا با شیر آیتمستها را تحلیل کنید، ممکن است به یک الگوی اشتباه برسید. پارامتر Lift کمک میکند این اتفاق نیفتد.
شما باید بهعنوان مارکتر یا مدیر بازاریابی بتوانید ادبیات مشترکی در حوزۀ Data Science با دیتا ساینتیست ایجاد کنید و بدانید از اون شخص چه میخواهید و چهکاری میتواند برای شما انجام دهد.
در ادامۀ ویدئو به تحلیل یک فروشگاه زنجیرهای میپردازد که چگونه یکسری Rulesها را برای فروشگاه درآورد. این بخش را از ویدئو مشاهده کنید.
خلاصه موضوعات ویدئو
تحلیل سبد خرید
یکی از قابلیتهای بازاریابی داده محور امکان تحلیل سبد خرید مشتری است. یکی از مهمترین الگوریتمها برای تجزیه و تحلیل سبد خرید مشتریان، الگوریتم Apriori است. الگوریتم دیگر برای تحلیل سبد خرید مشتری G-Growth است. موضوع تحلیل سبد خرید مشتری به صورت کامل در ویدیو توضیح داده شده است.
کاربردهای تجزیه و تحلیل سبد خرید مشتریان
1. چیدمان فروشگاه براساس الگوها 2. تجزیه و تحلیل رفتار خرید مصرفکنندگان 3. طراحی کاتالوگهای فروش 4. شخصیسازی بهتر کمپینهای ایمیلی 5. Cross-Selling، هر یک از این موارد به صورت کامل در ویدیو توضیح داده شده است.
پارامترهای مهم در تحلیل سبد خرید مشتریان
پارامترهای مهم در تحلیل سبد خرید مشتریان عبارتند از: 1. Support 2. Confidence 3. Lift، هر یک از این موارد به صورت کامل در ویدیو شرح داده شده است.