劉志林，任海帥

(新疆財(cái)經(jīng)大學(xué) 工商管理學(xué)院，新疆 烏魯木齊 830000)

0 引言

隨著新一輪商業(yè)模式的變革，線下零售市場(chǎng)將成為新的零售增長(zhǎng)點(diǎn). 以大數(shù)據(jù)驅(qū)動(dòng)的“新零售”在消費(fèi)定位、生產(chǎn)制造、營(yíng)銷(xiāo)方式等方面優(yōu)勢(shì)明顯，能夠有效提升線下零售業(yè)的競(jìng)爭(zhēng)力和經(jīng)營(yíng)效率[1]. 與此同時(shí)，隨著多種零售業(yè)態(tài)的出現(xiàn)、數(shù)據(jù)化的管理、商品條形碼的普及，線下零售實(shí)體也產(chǎn)生了大量的交易數(shù)據(jù). 如何從海量、冗雜的數(shù)據(jù)中找出有價(jià)值的信息，關(guān)聯(lián)規(guī)則分析是非常重要的工具和手段. 由于缺少對(duì)大數(shù)據(jù)的了解，以及專(zhuān)業(yè)背景營(yíng)銷(xiāo)人員的支持，線下零售企業(yè)對(duì)關(guān)聯(lián)規(guī)則的理解只存在于概念，運(yùn)用關(guān)聯(lián)規(guī)則指導(dǎo)決策的企業(yè)屈指可數(shù). 日本的零售企業(yè)7-Eleven通過(guò)對(duì)小店的數(shù)據(jù)賦能，店鋪坪效為我國(guó)同行的十倍，我國(guó)線下實(shí)體零售有著巨大的發(fā)展?jié)摿? 以超市為代表的實(shí)體零售企業(yè)，其利潤(rùn)主要來(lái)源于商品進(jìn)銷(xiāo)差價(jià)、供應(yīng)鏈成本優(yōu)化以及管理成本控制. 在國(guó)內(nèi)劇烈的競(jìng)爭(zhēng)壓力下，這三者利潤(rùn)空間已逼近上限，僅僅靠節(jié)流已經(jīng)無(wú)法提高競(jìng)爭(zhēng)力，各大超市迫切希望借助關(guān)聯(lián)規(guī)則手段深挖數(shù)據(jù)中隱藏的高價(jià)值的信息，調(diào)整自己的營(yíng)銷(xiāo)策略. 部分零售企業(yè)開(kāi)始通過(guò)日常購(gòu)物流水?dāng)?shù)據(jù)來(lái)研究商品之間的關(guān)聯(lián)和顧客的購(gòu)買(mǎi)習(xí)慣，但大多數(shù)超市的軟硬件設(shè)備只能滿(mǎn)足最簡(jiǎn)單的數(shù)據(jù)的錄入、查詢(xún)、統(tǒng)計(jì)等功能，無(wú)法挖掘潛在的商品關(guān)聯(lián)及用戶(hù)購(gòu)買(mǎi)習(xí)慣. 營(yíng)銷(xiāo)策略方面，經(jīng)典4P理論(Product, Price, Place, Promotion)認(rèn)為“產(chǎn)品”是企業(yè)的第一戰(zhàn)略，消費(fèi)者對(duì)超市的選擇本質(zhì)上是商品偏好的結(jié)果. 定位消費(fèi)人群和價(jià)格，提高商品組合的性?xún)r(jià)比，擁有持續(xù)的競(jìng)爭(zhēng)力. 中國(guó)很多大型商超仍然堅(jiān)持落后的經(jīng)營(yíng)理念，有些超市貨架的擺放還未形成一套完善的系統(tǒng)，商品隨意放置，顧客消費(fèi)體驗(yàn)較差. 20世紀(jì)90年代美國(guó)超市已經(jīng)發(fā)現(xiàn)了啤酒與尿布的規(guī)律，啤酒與尿布就近擺放，會(huì)使兩種產(chǎn)品銷(xiāo)售增加. 而我國(guó)超市最常見(jiàn)的關(guān)聯(lián)搭配仍是避孕套和口香糖的組合，商品組合和貨架布局等營(yíng)銷(xiāo)策略有待優(yōu)化.

總的來(lái)說(shuō)，筆者通過(guò)文獻(xiàn)研究和實(shí)際訪談，明確了實(shí)體零售企業(yè)正在面臨的困境，通過(guò)R軟件對(duì)某大型超市數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析，挖掘到顧客的消費(fèi)習(xí)慣和商品之間的關(guān)聯(lián)，將分析的結(jié)果與市場(chǎng)營(yíng)銷(xiāo)和消費(fèi)者行為等理論相結(jié)合. 超市管理人員可以利用數(shù)據(jù)分析的結(jié)論，優(yōu)化自身的營(yíng)銷(xiāo)策略，比如對(duì)貨架布局進(jìn)行優(yōu)化、捆綁銷(xiāo)售、互補(bǔ)品銷(xiāo)售等，為顧客帶來(lái)更多便利和優(yōu)惠的同時(shí)，提高超市的競(jìng)爭(zhēng)力.

1 關(guān)聯(lián)規(guī)則的相關(guān)理論研究

關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的重要內(nèi)容. Agrawal等首先提出了從顧客交易數(shù)據(jù)庫(kù)中發(fā)現(xiàn)用戶(hù)購(gòu)買(mǎi)行為模式的相關(guān)性問(wèn)題,并提出了基于頻繁集的Apriori算法，至今Apriori算法仍然作為關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法被廣泛討論[2]. 由于Apriori經(jīng)典算法本身的局限以及計(jì)算效率的不足，國(guó)外學(xué)者對(duì)算法進(jìn)行了不同程度的優(yōu)化和研究. Agrawal本人也提出了一些改進(jìn)算法，如 Apriori Tid，Apriori All等. 皮德?；趧?dòng)態(tài)剪枝的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法，討論了如何實(shí)施動(dòng)態(tài)剪枝，給出了一個(gè)基于三元組結(jié)構(gòu)的樹(shù)式存儲(chǔ)結(jié)構(gòu)，并在此基礎(chǔ)上描述了交易數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)算法，有助于挖掘迅速更新的數(shù)據(jù)[3]. 國(guó)內(nèi)的學(xué)術(shù)領(lǐng)域主要側(cè)重于算法系統(tǒng)模型的研究. Lin Weifang等提出了關(guān)聯(lián)規(guī)則的一整套系統(tǒng)的模型的應(yīng)用研究[4]； 馮瑤基于零售業(yè)的數(shù)據(jù)挖掘技術(shù)的分析，對(duì)其中的關(guān)聯(lián)分析方法進(jìn)行了詳細(xì)的研究[5]； 黃嘉滿(mǎn)根據(jù)關(guān)聯(lián)規(guī)則和興趣度推出商品競(jìng)爭(zhēng)模型、商品利潤(rùn)模型和商品推薦模型[6]； 于芳提出了應(yīng)用關(guān)聯(lián)規(guī)則中各個(gè)項(xiàng)目的加權(quán)利潤(rùn)之和的思想，評(píng)估關(guān)聯(lián)規(guī)則的價(jià)值，并用 SAS 軟件和 SAS語(yǔ)言編程實(shí)現(xiàn)了超市市場(chǎng)營(yíng)銷(xiāo)模型的演算[7].

總的來(lái)看，國(guó)內(nèi)外學(xué)者多側(cè)重于算法和模型的研究，很少有學(xué)者將關(guān)聯(lián)規(guī)則應(yīng)用到零售企業(yè)營(yíng)銷(xiāo)策略的優(yōu)化上. 關(guān)聯(lián)規(guī)則在商業(yè)實(shí)際運(yùn)用中也存在很多問(wèn)題，譬如在零售數(shù)據(jù)使用時(shí)，使用者對(duì)關(guān)聯(lián)規(guī)則的認(rèn)知通常是通過(guò)一條條規(guī)則來(lái)呈現(xiàn)的，這些規(guī)則經(jīng)過(guò)了軟件的過(guò)濾和刪減. 事實(shí)上，許多耗費(fèi)精力產(chǎn)生的規(guī)則往往不盡如人意，甚至無(wú)法給企業(yè)帶來(lái)商業(yè)價(jià)值. 這主要存在三方面的原因：第一，是評(píng)估指標(biāo)使用不恰當(dāng). 例如：支持度、置信度、提升度、覆蓋率、確信度等指標(biāo)，不同指標(biāo)對(duì)于規(guī)則的篩選作用不同. 第二，缺少對(duì)關(guān)聯(lián)規(guī)則的可視化分析，篩選關(guān)聯(lián)規(guī)則時(shí)無(wú)法洞察多種商品之間錯(cuò)綜復(fù)雜的關(guān)系，很容易將有效的規(guī)則排除在外. 第三，被驗(yàn)證過(guò)的有效規(guī)則要想解決實(shí)際商業(yè)問(wèn)題，必須結(jié)合行業(yè)經(jīng)驗(yàn)以及市場(chǎng)營(yíng)銷(xiāo)規(guī)律. 因此，筆者希望借助關(guān)聯(lián)規(guī)則優(yōu)化零售企業(yè)營(yíng)銷(xiāo)策略，填補(bǔ)現(xiàn)有研究的不足.

2 關(guān)聯(lián)規(guī)則挖掘的實(shí)現(xiàn)過(guò)程

2.1 數(shù)據(jù)準(zhǔn)備

本文搜集到了一家大型連鎖超市的原始數(shù)據(jù)集，其中包含從2019-05-14T 09:17:05至2019-05-18 T 21:50:40期間的52 283條交易記錄，主要包括單號(hào)、銷(xiāo)售時(shí)間、品名、數(shù)量和金額等信息.

(1)原始數(shù)據(jù)中包含了一些消費(fèi)者信息，表中有以下屬性：銷(xiāo)售單號(hào)、銷(xiāo)售時(shí)間、銷(xiāo)售方式、銷(xiāo)售金額.

(2)商品信息主要包括商品名稱(chēng)、規(guī)格、貨號(hào)、數(shù)量.

超市原始銷(xiāo)售數(shù)據(jù)使用xlsx格式留存，在R語(yǔ)言數(shù)據(jù)處理中，需要把所有相關(guān)的超市數(shù)據(jù)轉(zhuǎn)換為R專(zhuān)用的CSV文件. 表1是超市的部分原始數(shù)據(jù).

表1 銷(xiāo)售流水表的部分原始數(shù)據(jù)

2.2 數(shù)據(jù)預(yù)處理

2.2.1 數(shù)據(jù)預(yù)處理過(guò)程

超市原始的銷(xiāo)售數(shù)據(jù)集，存在著一些干擾性的數(shù)據(jù)，需要剔除刪減后才能使用. 例如，規(guī)格等與本研究無(wú)關(guān)的變量，塑料袋類(lèi)的商品銷(xiāo)售數(shù)據(jù)，一些退換貨的商品. 另外，不同的數(shù)據(jù)處理軟件有著不同的數(shù)據(jù)格式. 因此，數(shù)據(jù)分析前必須對(duì)數(shù)據(jù)進(jìn)行處理.

(1)共計(jì)15條發(fā)生退貨的商品，以及包括3項(xiàng)合計(jì)的金額等多余信息需要進(jìn)行剔除，剩下共計(jì)52 268條有效信息.

(2)刪除無(wú)關(guān)的變量，只保留“單號(hào)”和“品名”兩部分.

(3)將數(shù)據(jù)轉(zhuǎn)化為CSV格式，以便R語(yǔ)言錄入處理.

2.2.2 數(shù)據(jù)預(yù)處理結(jié)果

R軟件提取數(shù)據(jù)集groceries，并創(chuàng)建稀疏矩陣，一行代表一次交易，一列是一個(gè)商品，并提取該數(shù)據(jù)集中的前10項(xiàng)內(nèi)容. 輸出的結(jié)果如圖1所示.

圖1 數(shù)據(jù)的基本信息

從圖1可知，共計(jì)發(fā)生8 643條交易，包括6 311個(gè)商品，疏矩陣中1的百分比為0.000 9.

圖2為頻繁項(xiàng)目和支持度. 根據(jù)itemcount得到整個(gè)item基本情況； 將頻繁項(xiàng)集按照降序排列，篩選出前10個(gè)最頻繁的項(xiàng)目； 按照支持度(itemFrequency)排序，查看支持度最大的商品.

圖2 頻繁項(xiàng)目與支持度

第一分位數(shù)是1，意味著25%的項(xiàng)目頻繁度不超過(guò)1次. 中位數(shù)是2，說(shuō)明50%的項(xiàng)目頻繁度不超過(guò)2次. 均值7.6表示所有的項(xiàng)目平均購(gòu)買(mǎi)頻率為7.6次，商品最大的購(gòu)買(mǎi)頻次為1 214. 最頻繁出現(xiàn)的五項(xiàng)商品為(除購(gòu)物袋外):黃瓜、油麥菜、西紅柿、青椒、四季豆，以及它們各自出現(xiàn)的頻次，如黃瓜815次、油麥菜728次. 在所有的交易記錄中，(除購(gòu)物袋之外)最大支持度為黃瓜0.094 295 96.

圖3為頻繁項(xiàng)集直方圖. 可以直觀地看到，這10種商品支持度都在0.04以上，西紅柿與油麥菜的支持度相差很少.

圖3 頻繁項(xiàng)集直方圖

2.3 關(guān)聯(lián)規(guī)則挖掘

2.3.1 支持度和置信度

確定支持度和置信度的取值是進(jìn)行關(guān)聯(lián)規(guī)則挖掘的前提. 實(shí)際上，算法執(zhí)行過(guò)程，就是在對(duì)支持度和置信度不同數(shù)值規(guī)則的取舍. 如果支持度定得過(guò)高，很有可能會(huì)排除一些支持度低但置信度高的有效規(guī)則； 同樣地，如果只考慮低支持度的規(guī)則，很可能會(huì)產(chǎn)生一些無(wú)效甚至是錯(cuò)誤的規(guī)則，使得用戶(hù)難以利用，甚至給經(jīng)營(yíng)決策帶來(lái)誤導(dǎo). 所以，從較低的支持度和置信度的值開(kāi)始，慢慢地提高閾值，根據(jù)規(guī)則數(shù)量的需要，對(duì)提升度的值進(jìn)行有效性驗(yàn)證，篩選出有效的規(guī)則. 本文使用Aprior算法進(jìn)行規(guī)則的挖掘，經(jīng)過(guò)多次嘗試后，確定支持度為0.004，置信度為0.208，minlen=2.

從返回的結(jié)果看，總共有50條規(guī)則生成，其中長(zhǎng)度為2的規(guī)則有38條，長(zhǎng)度為3的規(guī)則有12條. 表3列出了其中的20條規(guī)則，并且按照提升度由高到低排列，表3中第2、7、14個(gè)規(guī)則無(wú)效，故剔除.

表3 關(guān)聯(lián)規(guī)則

圖4是21條規(guī)則的散點(diǎn)圖，橫軸表示支持度，縱軸表示置信度，顏色的深淺代表著提升度. 根據(jù)散點(diǎn)圖來(lái)看，這20條規(guī)則的提升度均大于1，說(shuō)明規(guī)則有效.

圖4 21條規(guī)則散點(diǎn)圖

2.3.2 關(guān)聯(lián)規(guī)則其他評(píng)估方法

表4為關(guān)聯(lián)規(guī)則的評(píng)估指標(biāo)，分為以下四種：

(1)費(fèi)雪爾正確性檢定(Fisher’s Exact Test)：檢定兩組獨(dú)立樣本所來(lái)自的兩個(gè)母群體，在某一特性上分別所占的比例是否相等.p值大部分都是很小的(p<0.05)，這就說(shuō)明這些規(guī)則反映出了真實(shí)的用戶(hù)的行為模式.

(2)規(guī)則的覆蓋率(Coverage)：LHS的支持度，相當(dāng)于覆蓋到了多少范圍的用戶(hù).

(3)卡方統(tǒng)計(jì)量(ChiSquared)：可以檢驗(yàn)規(guī)則的LHS和RHS之間的獨(dú)立性. 卡方值統(tǒng)計(jì)量的值越高，規(guī)則越可信.

(4)確信度(Conviction)：類(lèi)似于卡方統(tǒng)計(jì)量，也是衡量獨(dú)立性的指標(biāo). 這個(gè)值越大,關(guān)聯(lián)度越高.

2.3.3 關(guān)聯(lián)規(guī)則可視化

圖5是對(duì)提升度前21規(guī)則的可視化呈現(xiàn). 可以很明顯地看到，箭頭總是從其中一個(gè)項(xiàng)集指向另外的一個(gè)項(xiàng)集，例如，西紅柿、油麥菜和青椒的箭頭表示規(guī)則{西紅柿大,油麥菜} → {青椒}. 該圖例中圖形顏色的深淺代表著提升度的高低，取值范圍為1.942～36.547； 置信度的范圍為0.259～0.459； 提升度最好的規(guī)則是{味聚特學(xué)生榨菜63g} → {味聚特口口脆榨菜63g}.

表4 4種評(píng)估指標(biāo)

圖5 21條規(guī)則可視化

由于上述只是支持度較高商品的關(guān)聯(lián)情況，可能會(huì)忽略其他更為有效的關(guān)聯(lián)規(guī)則. 因此，通過(guò)降低支持度，提高置信度得到了150個(gè)關(guān)聯(lián)規(guī)則. 然后，根據(jù)提升度排序，選出20個(gè)有效的規(guī)則(見(jiàn)圖6). 提升度的取值區(qū)間為41.979～370.414，置信度的區(qū)間為0.4～0.9，提升度最好的規(guī)則是{桂皮} →{八角}.

3 結(jié)論與展望

3.1 研究結(jié)論

根據(jù)對(duì)超市銷(xiāo)售數(shù)據(jù)進(jìn)行分析，我們可以得到以下結(jié)果：

圖6 20條規(guī)則可視化

1. 購(gòu)買(mǎi)頻率最高的商品是果蔬類(lèi)商品，黃瓜、油麥菜、西紅柿、青椒、四季豆這幾種商品購(gòu)買(mǎi)量較多； 共計(jì)15個(gè)商品發(fā)生退貨，退款金額最多的商品為折價(jià)水果和蒙牛特侖蘇低脂牛奶； 購(gòu)買(mǎi)金額最高商品為5條玉溪軟條香煙，共計(jì)1 040元.

2. 果蔬類(lèi)商品. 顧客更傾向于小蔥和香菜、生姜和大蒜搭配購(gòu)買(mǎi)； 西紅柿、青椒、油麥菜、黃瓜這四種蔬菜，顧客在購(gòu)買(mǎi)其中任意兩種蔬菜后往往會(huì)繼續(xù)挑選另外一種蔬菜進(jìn)行購(gòu)買(mǎi)； 黃瓜和香菇的提升度較好，香菇和黃瓜搭配購(gòu)買(mǎi)可能性大； 青小米、紅朝天椒和西紅柿往往被一起購(gòu)買(mǎi)； 桂皮和八角提升度非常高，顧客傾向于兩種商品搭配購(gòu)買(mǎi)； 兩種榨菜的提升度最高，購(gòu)買(mǎi)了味聚特學(xué)生榨菜的顧客還會(huì)買(mǎi)味聚特口口脆榨菜.

3. 零食類(lèi)商品. 豫竹脆司令香脆面(奧爾良烤雞翅味62 g)、豫竹脆司令香脆面(椒香脆皮鴨味62 g)、豫竹脆丁殼點(diǎn)心面(黑椒牛排味52 g)這三種干脆面顧客通常一起購(gòu)買(mǎi)； 購(gòu)買(mǎi)了散裝素食麻辣系列的顧客還會(huì)去購(gòu)買(mǎi)散裝q豆干系列； 嘉士利果樂(lè)果香夾心餅干鳳梨味、藍(lán)莓味、草莓味這三種口味的商品被一起購(gòu)買(mǎi)可能性大.

4. 肉食類(lèi)商品. 苦茭和鴨掌這兩種商品被一起購(gòu)買(mǎi)的可能性較大； 購(gòu)買(mǎi)了豬肉卷的顧客會(huì)順便購(gòu)買(mǎi)霸王散裝魚(yú)丸.

5. 生活用品. 三和原汁龜苓膏和三和桂花味龜苓膏、雷寶女士涼鞋和雷寶男士涼鞋、羅蘭薄荷清涼止癢皂和羅蘭橄欖油曬后修復(fù)皂，這幾種商品搭配效果好.

3.2 營(yíng)銷(xiāo)建議

1.做好商品布局優(yōu)化工作. 消費(fèi)者行為理論認(rèn)為，消費(fèi)者的購(gòu)買(mǎi)行為會(huì)受到外界環(huán)境的影響，具有情境性. 關(guān)聯(lián)規(guī)則匹配較好的商品很大程度上是因?yàn)樯唐匪鶎儇浖軘[放相對(duì)靠近，消費(fèi)者在既定的常規(guī)路線上行走時(shí)實(shí)現(xiàn)了商品的關(guān)聯(lián)購(gòu)買(mǎi). 因此，商超貨架布局應(yīng)盡可能提高貨架展示水平，不斷引導(dǎo)顧客瀏覽更多商品，產(chǎn)生新的購(gòu)買(mǎi)行為. 新的產(chǎn)品所帶來(lái)的關(guān)聯(lián)效應(yīng)又會(huì)刺激消費(fèi)者的下一次購(gòu)買(mǎi)決策，循環(huán)往復(fù)，最大程度激發(fā)顧客的消費(fèi)潛力. 從實(shí)證結(jié)果來(lái)看，肋排與西紅柿關(guān)聯(lián)度較好，可以將肉食類(lèi)商品的貨架與零食類(lèi)的貨架交換，使蔬菜類(lèi)貨架與肉食類(lèi)貨架遠(yuǎn)離. 而且由于肉菜類(lèi)商品屬于生活必需品，想要購(gòu)買(mǎi)兩種商品的顧客必然會(huì)穿過(guò)零食類(lèi)商品貨架去購(gòu)買(mǎi)，刺激消費(fèi)者購(gòu)買(mǎi)需求. 超市也可以交換鴨掌和苦茭的位置，使肉類(lèi)和配料相對(duì)分開(kāi)一些，那么需要制作美味的苦茭鴨掌湯的顧客就必須穿過(guò)肉類(lèi)區(qū)和食品區(qū)，這樣就可能引起消費(fèi)者潛在的購(gòu)物欲望.

另外，顧客能否準(zhǔn)確定位到商品的位置取決于超市商品的陳列擺放. 銷(xiāo)售量的多少不能決定超市的實(shí)際效益，而是由每一單位貨架上商品所獲得的利潤(rùn)所決定的，即單位貨架利潤(rùn). 由于高支持度的商品一般利潤(rùn)都比較低，盡可能把置信度較高的商品擺放在人眼能及的地方來(lái)方便顧客購(gòu)買(mǎi)，同時(shí)也能帶動(dòng)鄰近商品的銷(xiāo)售量增加. 根據(jù)關(guān)聯(lián)規(guī)則分析的結(jié)果來(lái)看，顧客習(xí)慣將榨菜與干脆面搭配購(gòu)買(mǎi)，因此可以將方便面類(lèi)和榨菜類(lèi)日常的商品放在臨近的位置，方便顧客同時(shí)購(gòu)買(mǎi). 國(guó)外大型商超如“Costco”也經(jīng)常利用關(guān)聯(lián)規(guī)則進(jìn)行貨架布局. Costco的奶制品、衛(wèi)生巾、尿不濕、紙巾、寵物用品是放在一個(gè)區(qū)間里的，在熟食區(qū)的旁邊. 媽媽們采購(gòu)?fù)晔焓澈?，順便可以囤些尿不濕、紙巾、衛(wèi)生巾，或者給寵物購(gòu)置商品. 另外，超市應(yīng)該將日常需求較大的商品放在貨架兩側(cè)，給顧客帶來(lái)便利的同時(shí)，能夠節(jié)省時(shí)間讓顧客有余力瀏覽貨架上的其他商品，實(shí)現(xiàn)更多的購(gòu)買(mǎi).

如何對(duì)有銷(xiāo)量差異的商品進(jìn)行布局，以及精準(zhǔn)預(yù)估顧客的耐心至關(guān)重要. 遠(yuǎn)距離貨架的設(shè)計(jì)在一定程度上增加了顧客的負(fù)擔(dān)，使顧客不能很快速地獲取所需的商品. 但是通過(guò)動(dòng)線設(shè)計(jì)吸引顧客在店內(nèi)來(lái)回走動(dòng)，提高回游性，使顧客在超市走動(dòng)的時(shí)間延長(zhǎng)，幫助超市贏得更多的利潤(rùn). 另外，最大置信度和最小支持度相差越小，生成的競(jìng)爭(zhēng)商品組數(shù)越多. 如果兩種商品的置信度都比較低，說(shuō)明這兩種商品被同時(shí)購(gòu)買(mǎi)的可能性不大，那么可以分開(kāi)擺放. 支持度、置信度較小的商品通過(guò)有意識(shí)地改變貨架陳列布局，在經(jīng)常性消費(fèi)的產(chǎn)品之中嵌入消費(fèi)者忽略的新產(chǎn)品，打破消費(fèi)者的購(gòu)買(mǎi)習(xí)慣，使消費(fèi)者發(fā)現(xiàn)沒(méi)有注意到的商品，吸引消費(fèi)者購(gòu)買(mǎi).

2.采取捆綁銷(xiāo)售策略. 捆綁銷(xiāo)售(bundling)被定義為將兩種或兩種以上不同產(chǎn)品或者服務(wù)進(jìn)行組合，并以一個(gè)特定價(jià)格進(jìn)行銷(xiāo)售的銷(xiāo)售策略[8]. 捆綁銷(xiāo)售作為一種重要的銷(xiāo)售策略，是學(xué)者們研究的熱點(diǎn). 大數(shù)據(jù)研究發(fā)現(xiàn)，關(guān)聯(lián)產(chǎn)品捆綁是消費(fèi)者接受度最高的，對(duì)商品及品牌的信任度和滿(mǎn)意度影響顯著. 相對(duì)于同產(chǎn)品和同類(lèi)產(chǎn)品捆綁，相關(guān)產(chǎn)品捆綁更加能滿(mǎn)足消費(fèi)者需求，關(guān)聯(lián)規(guī)則是研究捆綁銷(xiāo)售策略的有效手段[9].

基于消費(fèi)者的關(guān)聯(lián)購(gòu)買(mǎi)意愿進(jìn)行捆綁銷(xiāo)售分析，從超市果蔬銷(xiāo)售情況來(lái)看，果蔬類(lèi)生活必需品銷(xiāo)售量很大，不同季節(jié)下顧客對(duì)商品的組合購(gòu)買(mǎi)是不同的. 夏季，顧客傾向于同時(shí)購(gòu)買(mǎi)西紅柿、青椒、油麥菜、黃瓜這四種蔬菜. 而一些蔬菜屬于百搭品種，如小蔥和香菜、生姜和大蒜，商家可以進(jìn)行捆綁銷(xiāo)售，為顧客提供便利的同時(shí)，實(shí)現(xiàn)組合銷(xiāo)售獲得的利潤(rùn)最大化. 鴨掌和苦茭這兩種商品的關(guān)聯(lián)度較高，夏季顧客對(duì)于苦茭鴨掌湯的需求旺盛，可以提供制成品來(lái)滿(mǎn)足顧客需求，提高顧客滿(mǎn)意度. 如果捆綁銷(xiāo)售的產(chǎn)品互補(bǔ)性低,商超要相應(yīng)地提高產(chǎn)品的價(jià)格折扣,提高顧客忠誠(chéng)度.

3.搞好競(jìng)爭(zhēng)商品的關(guān)聯(lián)促銷(xiāo)活動(dòng). 對(duì)于大型商超來(lái)說(shuō)，在數(shù)以萬(wàn)計(jì)的商品中找到競(jìng)爭(zhēng)性的商品，單純依靠經(jīng)驗(yàn)分析是不夠的，必須依靠數(shù)據(jù)的支持. 通過(guò)關(guān)聯(lián)規(guī)則分析，可以找到有潛在競(jìng)爭(zhēng)關(guān)系的商品，輔助商超的管理人員制定相應(yīng)的營(yíng)銷(xiāo)策略. 例如，羅蘭薄荷清涼止癢皂與橄欖油曬后修護(hù)皂為競(jìng)爭(zhēng)商品,其中一個(gè)商品與毛巾購(gòu)買(mǎi)后便不會(huì)購(gòu)買(mǎi)另一種商品. 如果羅蘭薄荷清涼止癢皂廠商想通過(guò)促銷(xiāo)活動(dòng)來(lái)吸引購(gòu)買(mǎi)橄欖油曬后修護(hù)皂的消費(fèi)者, 經(jīng)營(yíng)者可以對(duì)每個(gè)橄欖油曬后修護(hù)皂的顧客進(jìn)行推廣. 但是另外一種更高明的手段是只做一個(gè)類(lèi)型群體的推廣，這個(gè)購(gòu)買(mǎi)人群的購(gòu)買(mǎi)行為和購(gòu)買(mǎi)橄欖油曬后修護(hù)皂的顧客相近, 賣(mài)家可以?xún)?yōu)先向同時(shí)購(gòu)買(mǎi)毛巾和羅蘭薄荷清涼止癢皂的顧客進(jìn)行針對(duì)性推廣，讓消費(fèi)者接受新的商品. 同樣地, 當(dāng)羅蘭薄荷清涼止癢皂供不應(yīng)求時(shí), 商超可以利用橄欖油曬后修護(hù)皂來(lái)代替原來(lái)的商品, 充分滿(mǎn)足顧客的需求.

3.3 不足與展望

盡管通過(guò)本次的實(shí)證分析得出一些結(jié)論，但是在本次研究中仍然存在不足的地方. 首先,為了保證所研究數(shù)據(jù)的準(zhǔn)確性，努力尋找本地超市的一些銷(xiāo)售數(shù)據(jù). 但受限于隱私等客觀條件，數(shù)據(jù)量較少，無(wú)法進(jìn)行季節(jié)性比較分析和商品利潤(rùn)的分析，對(duì)數(shù)據(jù)準(zhǔn)備存在不足之處. 其次，由于現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘算法傾向于找出關(guān)聯(lián)度高的頻繁項(xiàng)目集,所以經(jīng)常忽視支持度較低的項(xiàng)目集. 本文對(duì)低支持度的項(xiàng)目集進(jìn)行了規(guī)則挖掘，希望未來(lái)可以進(jìn)一步深入挖掘頻繁項(xiàng)集與非頻繁項(xiàng)集之間的關(guān)聯(lián). 雖然盡可能全面地進(jìn)行數(shù)據(jù)提取，但論文只針對(duì)購(gòu)物籃商品進(jìn)行分析，沒(méi)有對(duì)銷(xiāo)量、金額、時(shí)間等進(jìn)行分析，無(wú)法準(zhǔn)確地掌握商品暢銷(xiāo)程度，以及在不同時(shí)間、不同地域的銷(xiāo)售區(qū)別.

未來(lái)的研究可以從以下幾個(gè)方面著手：首先，提高數(shù)據(jù)量，增加不同的時(shí)間段和地域的數(shù)據(jù)，提高數(shù)據(jù)分析結(jié)果的有效性和可行性； 其次，引入利潤(rùn)率作為重要的評(píng)價(jià)關(guān)聯(lián)規(guī)則好壞的指標(biāo)，量化關(guān)聯(lián)規(guī)則可以給商超帶來(lái)的經(jīng)濟(jì)效益； 再次, 未來(lái)研究可以引入顧客會(huì)員身份信息，針對(duì)不同類(lèi)型的顧客提供多樣化的服務(wù)，進(jìn)一步提高關(guān)聯(lián)規(guī)則的利用率.