常用数据分析模型：购物篮模型——商品关联分析

1.用途

通过对用户消费记录数据的挖掘和分析，找出用户购买习惯的一些潜在规律，从而可以为用户提供他们想要的搭配或套餐。套餐销量的提升一般会带来客单价的提升，从而提高公司收益。

2.介绍

关键衡量指标有三个：支持度、置信度、提升度。通过三个指标，判断商品之间的关联程度。

1）支持度：

支持度是指A和B两个商品同时被购买的概率，代表了这个组合的可靠程度
支持度=同时购买AB订单数/总购买订单数

2）置信度：

置信度是指先购买A之后又购买了B的条件概率,是买了A和B的订单占所有买了A的订单里的占比。代表买了A的用户有多大概率会再买B，即买A产品对B产品产生了多大的影响。
置信度=同时购买A和B订单数/购买A的订单数

3）提升度：

在购买A商品的情况下，有多大概率再买B商品
提升度=支持度/（（购买A次数/总购买订单数）*（购买B次数/总购买订单数））

3.excel方法

1）数据需求：

订单号、订单明细（购买了什么商品）

2）excel公式

购买组合的订单（组合无先后顺序）=COUNTIF(B:B,"*"&D2&"*"&E2&"*")+COUNTIF(B:B,"*"&E2&"*"&D2&"*")
购买第一种产品的订单数=COUNTIF(B:B,"*"&D2&"*")
购买第二种产品的订单数=COUNTIF(B:B,"*"&E2&"*")
支持度=G列/订单总数
置信度（1对2）=G列/H列
提升度（1对2）=支持度/（（H列/订单总数）*（I列/订单总数））

4.应用

提升度>1的搭配，组合售卖能带来提升。

绘制色阶图，深绿&浅绿为推荐组合。