促进销售的方法:最大化销售背后的隐形密码

2012年,美国一名男子闯入了他家附近的美国零售连锁超市Target的店铺进行抗议“你们竟然给我17岁女儿发婴儿尿片和童车的优惠券!”店铺经理立刻向该男子承认错误。一个月后,这位父亲来道歉,因为这时他才知道自己的女儿确实怀孕了。

Target从数据仓库的数万类商品交易记录中挖掘出了25项与怀孕高度相关的商品,制作了怀孕预测指数。

Target不仅能通过分析女性客户购买记录“猜出”谁是孕妇,还能以此推算预产期,从而达到抢先将孕妇相关产品推送给精准客户的目的。

一位住在亚特兰大的23岁女性顾客Susan,在三月份购买了按摩乳霜、一个能够放置纸尿片的手提包、富含锌钾元素的营养维生素和一块亮蓝色的地毡,基于Susan购物篮中给到的信息,Targer能很容易分析出她有80%的怀孕可能性,且预产期大约在八月份。这对于Target无疑是一个抢先将孕妇装、婴儿床等折扣券寄给客户吸引购买的好时机。

不仅如此… …

Target拥有Susan的所有历史消费记录,所以Target很清楚的知道,只需要在周五给Susan邮寄一张免费星巴克的消费券,她就会在该周的周末来到Target实体店中使用这张消费券,那么她很可能也会使用自己收到的尿不湿之类的折扣劵。

基于数据,Target对于“给客户提供喜欢和需要的商品”这件事很有把握。

任何一个零售业,如果不去分析商品间的关联关系,是很难发现商品间的隐形密码,并且很难做到精细化管理。

什么是关联关系?

相关阅读:披着云挖矿赚钱外衣的薅羊毛软件,在躺赚前你需要知道这些!

这是我在自己电脑上模拟的一张散点关系图(分析用的原始数据是从网上找来的)。

横轴为x轴,竖轴为y轴。两个变量之间呈现出线性关系,随着x轴的销量增长,y轴销量也向相同方向增长。你一定能够很轻易的理解牙刷销量和牙膏销量之间的相关关系,例如,牙膏销量增长,牙刷销量也随之增长、但是你能理解尿不湿和啤酒之间的相关关系吗?

不理解是正常的,因为它们之间本来就是不确定性关系。而统计意义上的相关性(记住是统计意义)就是为了研究这类不确定性关系的变量之间的线性相关程度。

美国沃尔玛超市数据分析人员在做数据分析时发现,每到周末同时购买啤酒和尿不湿的人较平时有显著的增加,因此他们对数据进行了进一步的挖掘,并走访了很多同时购买这两样商品的顾客。他们发现这些顾客有三个共同点:

  1. 已婚男士且孩子不到两岁。
  2. 喜欢一边喝啤酒一边看体育比赛。
  3. 周末是体育比赛扎堆的日子。

发现这个秘密后,超市将啤酒放在尿不湿旁边陈列,从而导致了尿不湿和啤酒的销量都大幅度提升。

如果不是基于客户行为的数据统计,要想基于直觉和经验是很难发现类似这样的商品相关性的。

当然,不是说你也这么干,就一定能够挖掘出类似于尿不湿与啤酒的经典案例,更多时候,你需要分析商品的基本关联情况。

关联分析多了,说不定哪天就遇到惊喜了,谁知道呢….

商品间的关联关系有三种

  1. 强相关:两个商品彼此放在一起会提高双方的销量。数据分析时,表现为当商品之间的相关程度超过某个值时,我们就可以定义为强相关。这个值在不同行业不同业态是不同的,需企业根据自己情况来确定。一般强相关关系商品数据哪怕不看相关系数的数值,仅将数据制成如上方的散点图,也能够用肉眼直观感受出来。趋势太明显了,不是吗?
  2. 弱相关:一般指相关系数值大于0.1-0.3之间。(相关系数介于-1到1之间取值)对于这类商品,可以尝试改变成列位置,将它们放在一起,看看相关关系会不会发生变化,如果相关系数提高,说明原来统计数据呈现的弱相关可能是陈列原因造成的。
  3. 负相关:特点就是此消彼长,在客户购买清单中表现出的现象就是,两个商品不会同时出现在一张购物清单中。

以上仅表达商品关联分析的一个维度,即可信度,下面将针对支持度和提升度做详细介绍。只有对支持度、可信度、提升度都进行分析,才算全面系统。

相关阅读:什么是零工经济?2020零工经济时代那点事

这是我从网上找来的一份超市购物篮数据,数据共有4万多条。自己写了个小程序,并做了关联分析,以上仅截取了分析结果的一部分。如果数据行数在一万以内,你直接使用Excel就能进行相关系数的分析计算。

超过两万行,Excel会报错,提示数据过大。截图中,置信度即我们刚刚提到的可信度,lift即提升度。frozenset对分析结果没用,直接忽略即可。

怎么理解这份关联分析?

支持度指在所有交易中同时出现管理商品的概率,即有多少比重的客户会同时购买关联商品。支持度=同时包含商品A和B的交易/总交易*100%

可信度(置信度)是指在购买A商品的交易中有多少交易包含关联商品B,也就是商品B出现的概率。可信度=同时包含商品A和B的交易/包含商品A的总交易*100%

提升度是指A商品对B商品销量提升的影响程度。提升度=可信度/商品B在总交易中出现的概率

公式很简单,不过有些朋友可能理解起来会觉得吃力。为了方便理解,我们可以模拟个尿不湿与啤酒的简单假设:某超市在2013年10月总交易次数为2000次,其中包含尿不湿的交易为100次、啤酒的交易为200次,同时包含尿不湿和啤酒的交易为50次。

那么支持度就是2.5%(50/2000*100%),啤酒在尿不湿中出现的概率即置信度(可信度)就是50%(50/100*100%),提升度为5.0(200/2000*100%)。

那么提升度的意义在哪呢?

你可以假设把这个例子中的50次改成10次。重新计算的可信度为10%,啤酒在总交易中出现的概率也是10%,提升度为1.0。

也就是说,啤酒在总交易中,啤酒在尿不湿的交易中出现的概率是一样的。

即,啤酒并没有因为和尿不湿的关联得到好处。但如果当提升度大于1.0时,客户在购买完尿不湿后就有较大可能去购买啤酒,说明啤酒的销售就会受到尿不湿的影响,1.0是一个分界值。

总结一下,在实际业务中,支持度代表了某组商品的份额是否够大,可信度代表了相关性的强弱,而提升度则代表了某组关联规则的利用价值。如果一组商品的可信度是100%,但支持度低,那它对整体销售的提升帮助就很有限(销售占比份额小)。

现在,你可以试试看,能不能从上面的数据截图中读懂它们之间的含义。如果不能,建议把这部分反复读几遍,费点时间理解理解。

商品关联程度分析的注意事项:购买商品A的顾客中有30%的顾客会购买B,则商品A对商品B之间就有了关联关系(相关关系),需要注意的是,这是商品A对商品B的关联。

反过来不一定成立,因为商品B不一定对商品A具有很强的关联度。例如买休闲食品的大部分客户会同时买可乐,但买可乐的客户在购买休闲食品的比重方面可能很弱。

所以,商品的关联关系是有方向性的,可以分为单项关联和双向关联。

别急,还没说完。

关联分析(相关性分析)有广义和狭义之分,学金融专业的朋友对这点肯定深有体会,定量投资就涉及对不同的投资对象进行相关性分析的环节。商品的关联分析包括,品类之间的关联、品类与单品之间的关联。

还可以用在更广泛的方面如,商品和价格之间的关联,商品和天气之间的关联,商品和客户之间的关联,甚至可以更复杂的进行组合,例如,天气晴,同时有促销活动,并且促销活动中含有限购元素,基于这些条件的组合与某商品销量之间的关联等等。

今天就先到这吧。把上面这些内容搞明白,至少以后能读懂关联分析的结果。好过,别人把数据都分析完了给到我们,结果咱们还看不懂数据上都提供了啥有用的信息,这可闹心了不是。

搜赚观察网赚项目

披着云挖矿赚钱外衣的薅羊毛软件,在躺赚前你需要知道这些!

2020-3-15 17:50:00

搜赚观察赚钱思路

疫情过去后,什么行业会好做一点,整理18类

2020-3-17 5:39:18

网赚博客赚钱资源
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
有新消息 消息中心
搜索