作者：数据取经团 - 吕洞宾
（本文阅读时长：10分钟）
前言
情人节到了，数据分析师小明准备给和他相恋7年的女朋友买一束玫瑰花，以表示自己对女票的爱意。
他从淘宝上选了玫瑰花之后，发现系统下面有一个玫瑰花和成人用品联合销售的礼包，小明动了歪主意，于是他购买了联合礼包，和女朋友度过了一个美丽的情人节。
之后，小明在思考一个问题，捆绑销售确实可以带来很好的利益点，无论是对于顾客、对于店铺都是一个很不错的选择。于是，数据分析师小明对三级品类—“成人用品”展开了自己的分析，挖掘出潜在的价值。
关联分析背景
流量的时代已经过去，如何在有限的资源中获取更大的收益，是网店一直关注的热点。在这样的一个环境下，精准营销、用户画像、捆绑销售等一系列商业新玩法应运而生，在这一过程中，关联分析的价值可以提现，关联分析是发现交易数据库中不同商品(项)之间的联系。
关联分析的应用场景和价值
应用场景
啤酒和尿布的故事大家都很清楚，关联分析在市场购物篮分析中占有很重要的作用；当然，关联分析对发现不同数据之间的模式也有很大的帮助。
应用价值
小明站在不同人群的角度出发，思考各个人群的需求，挖掘关联分析的应用价值。
对于用户，思考的是购买“成人用品”的时候，有一些其他需求可以一起购买，并且可以有所优惠，比如成人用品和鲜花。
对于品牌商，思考的是不同品类之间的捆绑销售，跨品类的联合营销，投入较少的成本获得较大的产出。
对于分析师，思考的是通过指标的重构敲定购物篮的时长，结合关联分析的支持度、置信度和提升度，来获得“成人用品”的高关联品类，为商家提供决策。
关联产品的界定及指标选择
关联品类的界定：
假如有A、B两组用户，成人用品、鲜花、牛奶三种物品，A买了成人用品、鲜花、牛奶，B买了牛奶，找成人用品物品的高关联品类，是鲜花和牛奶吗？肯定是错误的。首先应该找到购买成人用品物品和不购买成人用品物品的两类用户A和B，看一下有哪些其他物品是A购买但是B没有购买的，是鲜花物品，因此成人用品的高关联品类是鲜花。
关联分析购物篮时间：
以最近购买的时间为基准，用户最近的消费行为才可以更好地反应用户的消费特征
复购周期：指连续购买两次产品之间的时间差，结合品类的经验购买周期，透过具体的复购周期，来确定关联分析的购物篮时长；
犹豫期： 最近一次购买的时间往前推半个月或者一个月作为一个时间节点，与这期间首次浏览时间的时间差作为犹豫时间（购买时间为2017-07-30，往前推一个月2017-06-30，假如在期间的首次浏览时间为2017-07-05，则犹豫时间为25天）；
经验：根据客单价来判断物品的购买周期，如果客单价较高，但是复购周期较短（例如数码相机的复购周期为一个月），那就要考虑可能是一些附带的SKU的影响了，在实际情况中，复购周期只能作为参考，因此我们更多的选用犹豫期来作为关联分析的购物篮时间。
关联分析指标：
识别在较小支持度和置信度下，所有满足最小支持度阈值的项集，用满足最小置信度阈值的项集来创建规则（not be worried，下面用“鲜花礼品和成人用品”来阐述三大指标）
假如共有1000人购买了商品（事物集W）， 其中购买了鲜花的共有100人，购买了成人用品的共有150人，同时购买鲜花和成人用品的有80人
支持度：交易集同时包含X和Y的交易数与事务集W之比
置信度：包含X和Y的交易数和包含X的数目之比
提升度：在购买X物品的前提下购买Y物品的可能性与没有购买X物品的情况 下购买Y物品的可能性
具体结果如下：
成人用品的高关联品类：
至此，小明终于找到成人用品的高关联品类，鲜花、内衣服饰、休闲食品、手机充值，下面，就是提交方案和业务方讨论营销策略喽！
关联分析的R语言相关函数
关联分析的code相对较简单，主要利用arules包里面的一些函数就可以搞定，下面小明将关联分析的一些重要函数和参数列给大家，大家可以基于Groceries来进行操练。
