晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

前次提到支持度（support）、信賴度(confidence)、增益（lift）作為找尋速配行銷組合的標準。相關應用的軟體很多，大家只要去找資料探勘（Data Mining）的軟體，大都有關聯規則分析（Association）的功能。這個分析有多個演算法，最常用的一種叫Apriori演算法，詳細內容在網路上隨手可得，但通常難以理解。以下以圖示方式簡單介紹：

假設有四筆交易，各購買下列物品：

1.首先計算每一項的支持度如C1，接著挑出支持度為2（研究者自訂）以上的商品如L1；

2.再以L1為集合，經過排列組合產生C2及支持度；再挑出支持度2以上的商品組合如L2；

3.再以L2為集合，經過排列組合產生C3及支持度；再挑出支持度2以上的商品組合如L3；

4.以此類推，直到無任何項目集合產生為止

這個演算法說破了沒有什麼玄妙，一個支持度高的項目集合的任何子集合也必定是支持度高的項目集合，即｛6,8,9｝的支持度高時，｛6,8｝、｛6,9｝、｛8,9｝、｛6｝、｛8｝、｛9｝的支持度必然也高。所以這演算法的目的是去找出符合研究者要求支持度的商品組合。

資料來源：http://faculty.stust.edu.tw/~jehuang/DMCourse/ch4-3.html

看到這裏，或許您還是覺得難以下嚥，這裏介紹一個非常簡易但友善的軟體XLMiner（15天試用版：http://www.solver.com/xlminer-data-mining），可以讓大家可以很快的產生結果，這是一個外掛在excel的軟體，安裝完後，會在EXCEL工具列產生一個XLMiner的選項。安裝好後，將前一篇文章中的例子鍵入，選擇Associate功能。

在視窗中設定如下圖，其中Minimum support代表我們希望找出在10筆交易中最少出現3次以上，Minimum cofidence代表我們希望信賴度在50%以上的組合。按下OK，即產生結果，夠簡單吧！

由報表中可以看出，共產生七個規則。Rule 1：如果買D，則也會買C的機率為75%（信賴度），這個組合的出現次數為3（支持度30%），增益為1.5（即C商品搭配D銷售，比單獨只銷售C的結果好1.5倍）。

由所有Rule看來，信賴度最高的是Rule 3，即買B者也會買A，所以如要銷售A，最好跟B一起搭售。

以上簡短介紹了關聯規則分析，其實DataMining軟體很多，大家都可以輕易算出來。問題在於如何應用？像尿布與啤酒的例子，你覺得應該把尿布與啤酒放在一起，讓消費者可以很快結帳，增加銷售速度呢？還是應該把尿布與啤酒隔得很遠，讓其它商品也有機會讓消費者看到呢？