Sfruttare al massimo la market basket analysis
Analisi del carrello in R
Christopher Bruffaerts
Statistician
Market basket: casi pratici
Capire clienti/utenti
- Capire quali articoli si comprano insieme
- Estrarre set di regole
- Deducere le relazioni tra articoli
Oltre la base della MBA
- Aggiungere info su cliente/utente
- Segmentare (cluster) i clienti per preferenze
Raccomandazioni a clienti/utenti
- Offline: posizionare gli articoli in negozio così che quelli spesso acquistati insieme siano vicini.
- Online: mostrare articoli correlati sulla stessa pagina, a un clic di distanza.
Cosa ha influenzato lo yogurt?
Yogurt come conseguente
# Extract rules with Yogurt on the right side
yogurt_rules_rhs = apriori(Groceries, parameter = list(supp = 0.001,conf = 0.8),
appearance = list(default = "lhs",rhs = "yogurt"))
# Find first rules with highest lift
inspect(head(sort(yogurt_rules_rhs, by="lift")))
lhs rhs support confidence lift count
[1] {root vegetables,butter,cream cheese } => {yogurt} 0.001016777 0.9090909 6.516698 10
[2] {tropical fruit,whole milk,butter,sliced cheese} => {yogurt} 0.001016777 0.9090909 6.516698 10
[3] {other vegetables,curd,whipped/sour cream,cream cheese } => {yogurt} 0.001016777 0.9090909 6.516698 10
[4] {tropical fruit,other vegetables,butter,white bread} => {yogurt} 0.001016777 0.9090909 6.516698 10
[5] {sausage,pip fruit,sliced cheese} => {yogurt} 0.001220132 0.8571429 6.144315 12
[6] {tropical fruit,whole milk,butter,curd} => {yogurt} 0.001220132 0.8571429 6.144315 12
Cosa ha influenzato lo yogurt?
Yogurt come antecedente
# Extract rules with Yogurt on the left side
yogurt_rules_lhs = apriori(Groceries, parameter = list(supp = 0.001, conf = 0.8, minlen = 2),
appearance = list(default = "rhs",lhs = "yogurt"))
# Summary of rules
summary(yogurt_rules_lhs)
set of 0 rules
Troviamo raccomandazioni per i film!
Analisi del carrello in R
