“啤酒与尿布”故事来源于零售卖场的购物篮分析,其算法出自1993年推出的Apriori算法,在数据分析界,购物篮分析称为Market Basket Analysis(MBA),属于关联分析Assoiceation Analysis的一个分支, 关联分析是数据挖掘的十大明星算法 。
几乎所有的数据分析教科书都喜欢使用“啤酒与尿布”作为案例,进行关联算法解析,因此将“啤酒与尿布”与关联分析进行划等号,也说得过去。
近20年来,电商平台业务发展突飞猛进,基于关联分析的推荐系统得到了极大丰富及完善,由此产生了一个说法,即购物篮分析过时论,而推荐系统完全替代了购物篮分析。
对此,我本人有深刻体会,我撰写的新书《啤酒与尿布–神奇的购物篮分析新篇:零售业关联分析与应用 (“Bear and Diapers”:The Assoiceation Analysis In Retail)》,被众多出版社鄙视,编辑们认为推荐系统已经取代购物篮分析,只要不是介绍大厂的推荐系统,一律退稿。
但是我认为,购物篮分析不能被推荐系统替代,而是有着不同的应用场景,可以各自发展独特的作用。
推荐系统的应用场景是线上电商平台的前端应用,追求在客户浏览页面时时分秒必争,将关联商品快速推荐给客户,放入购物车、促成购买。
购物篮分析是顾客购物完成后,根据购物篮商品组成分析顾客的消费场景,找出其中的商品关联规则,为后续的选品、场景制订、