晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

前次提到換尿布的偶然念頭，試著用相異矩陣來找尋速配的行銷組合。但是到底相似性要多大才能視為有用的組合呢？

我們如果去分析一個巨量的交易資料庫後，常常發現會被同時購買的組合太多了，有些是該行業的老鳥早知道的事，如土司和牛奶；有些則看起來沒什麼道理，如柳橙汁和玻璃清潔劑；當然也有些真正有效的情報，如尿布與啤酒。

以介紹幾個關聯指標，使我們面對無數組合商品，得以衡量其價值，才不會把愚人金當成真黃金。第一個是支持度（support），即每筆交易中同時包含A與B的交集機率。假設有一百萬筆交易資料，其中同時購買A與B的筆數為20萬筆，則A=>B的支持度為20%。這比例當然是愈高愈好，表示這種組合出現的機率愈高。寫成算式為：

Support (A ⇒B) = P(A ∩B)

第二個是信賴度(confidence)，即在購買A的情況下，也買B的條件機率。如前述一百萬筆資料中，已知購買A的交易有20萬筆，而其中10萬筆也買B。則A=>B的信賴度為50%。

Confidence (A ⇒B) = P(B | A)

所以假設有下列十筆交易，若A則B的支持度為50%（5/10），信賴度為71%（5/7）。如此可以事先設定支持度及信賴度，以過瀘出合適的組合。

另外一個指標是增益（lift）。增益能告訴我們，一條關聯規則在預測結果時能比隨機發生的機會好多少，也就是這個規則比隨機猜測的準確度增進量。以上述例子，若A則B規則的信賴度71%，而在所有交易中，購買B的比例為60%。那麼71%＞66%，代表增益將大於1（71%／66%=1.076），即A與B是正關聯（positive associated），也就是預期結果比隨機發生好。白話一點就是說，B商品搭配A銷售，比單獨只銷售B的結果來得好。由計算方式可得知：

Lift (A ⇒B) = P(B | A) ／ P(B)

Lift < 1表示A的出現與B的出現是負相關； Lift > 1表示A的出現與B的出現是正相關。

因此，我們可以得知有些關聯規則是無用的，如高信賴低支持，即買A則買B的比例很高，但這種組合佔所有交易的比例很低。那麼對這種組合的行銷努力是不符成本的；又如高增益低支持，關連銷售比隨機賣來得好，但同樣地，這種組合佔所有交易的比例很低的話，也是無用。

所以回到主題，尿布與啤酒信賴度(confidence)或許很高，增益（lift）或許很強，但如果沒有支持度（support）為後盾，那麼再強的規則也不會引人興趣吧！