店铺营销分析报告

训练营成员：韩要宾、董梦娟、宋姣、郭行桥

一 前言

        在电商数据运营中，对于客户而言，有两个很重要的指标对于扩大销售规模是很重要的：第一，提高顾客重复购买次数；第二，提高客户订单中的Basket size。而第二个指标提高Basket size，就是让客户从只购买一件产品转换到现在购买多件产品，从而提高整个购物篮的销售金额，最大限度地实现销售增长。

        本次报告，将对该服装店铺一年的销售数据进行关联分析，通过概念分层从不同粒度上分析商品之间的关联性，从而找到商品之间的关联规则，实现商品的推荐目的。

二 数据分析

1 数据预处理

一个购物篮中有可能多个商品且商品位于同一单元格中（如表一所示）。首先，将同一购物篮中的数据分离（如表二所示）。由于淘宝运营时，为了使得宝贝更容易被搜索到，宝贝标题一般比较多，但这对数据挖掘的影响比较大。因此，我们需要对关键词进行拆分、截取（如表四所示）。具体实现过程如下：

（1）、将"宝贝标题"列以中文逗号为分隔符进行分列

（2）、分列后的每个单元格中是一类商品的描述信息， 通过观察发现最后几位代表该类商品的代号， 利用字符串截取函数 将商品组后的代码截取出来

（3）、将截取到的商品代码去重复值，建立一张 代码-商品分类（例如：打底衫，衬衫，连衣裙，裤子）的对照表（如表三所示）

（4）、将分裂后的数据，按照建立的 代码-商品分类对照表，给出每个商品一个商品分类的结果

本次分析采用Apriori算法进行关联分析，在R语言中，必须将数据转化成两列（如表五所示）。采用VBA编程实现。代码如下所示；

表一 原始数据—宝贝标题

     

表二 分离购物篮商品

表三 商品名称截取对照表

表四 商品名称截取

表五 数据拆分

2 关联分析

（1）高频词分析

在R语言中使用qseg类型分词，筛选100个词频最高的词，制作词云。

删除字符长度小于1的词，制作词云

代码实现如下：

（2）关联规则分析—Apriori算法

关联分析前，我们需要对置信度、支持度、提升度进行深刻的理解。如果规则的提升度很高，但其相关的置信度很小，说明其市场规模很小。市场经营必须同时考虑市场规模大小以及精准程度大小的两个维度。如果规则的精准度精准，但其受众客户就只有几百个，对于销售额而言，一点影响也没有。而如果规则的提升度不是很高，但其受众客户涉及了几万人，对该部分客户进行营销，也能够有效的扩大规模，大幅度提高销售额。

关联规则挖掘任务分解为如下两个主要的子任务：

频繁项集产生：其目标是发现满足最小支持度阀值的所有项集，这些项集称作频繁项集.

规则的产生：其目标是从上一步发现的频繁项集中提取所有高置信度的规则，这些规则必须满足最小支持度和最小置信度。这些规则称作强规则。

Minimum support: 0.01 ，Minimum metric <confidence>: 0.3，结果如下：

               

由于置信度度量忽略了规则后件中出现的项集的支持度，高置信度的规则有时可能出现误导。

解决这个问题的一种方法是使用提升度：lift(A,B)= P(B/A)P(B)或conf(A→B)/sup(B)

  如果提升度大于1，表明A和B是正相关的。如果小于1，表明A和B是负相关的。如果等于1，说明A和B相互独立。

当提升度大于1时，那么得到的规则能更好预测结果，而不是基于数据中的频繁程度猜测结果项是否会出现。

过滤掉提升度小于等于1的规则，并且通过sort函数，根据lift对rules排序。结果如下：

将关联结果，根据confidence进行排序，结果如下：

从关联结果可知，买T恤\连衣裙又买裤子关联性最强，其次是T恤\衬衫和裤子。在日常生活购物中，买了T恤、衬衫后再买裤子的概率极大，关联结果比较符合事实。

代码实现如下：

3 营销策略

（1）通过词云可以清晰的观察到，这家店主要销售对象多为女性，主要营销商品品类为裤子、连衣裙、毛衣、T恤、针织、衬衣、衬衫、外套、打底、短袖（词频前10）。通过此类信息，可以确定如下营销策略安排：在淘宝店铺的主页中最热产品，店长推荐栏等显著位置，摆置以上10个品类。

（2）推荐相应的促销礼包或优惠组合套装

从上述关联分析图中我们不难发现，裤子和 T恤是该店铺最畅销的产品，因此，我们采用畅销带动相关的营销策略

T恤+连衣裙、衬衫、背心、打底裤等促销。

裤子+ T恤+连衣裙、衬衫、背心、打底裤等促销。

裤子+卫衣、雪纺衫、鞋子等促销。

（3）进行相关产品推荐或者挑选相应的关联产品进行精准营销。

浏览商品T恤时，在购买过此商品的用户还购买过其他商品一栏中，添加裤子、连衣裙、背心。

浏览商品裤子类目时，添加T恤、卫衣、雪纺衫、鞋子。

浏览卫衣时，推荐裤子。

浏览雪纺衫时，推荐裤子。

浏览鞋子时，推荐裤子。

浏览背心时，推荐衬衫和T恤。

4 其他

（1） 虽说我们进行的关联规则分析中，提升度以及置信度都比较高，但不意味着这样的捆绑销售就肯定可以取得很好的销售效果。因为，我们不知道该店铺在某月的时候，是否开展了类似于购买产品A即可赠送产品B的活动。

（2） 由于所给数据中我们无法获取商品的单价，如果该规则的客户本来购买了100元的商品，而关联规则中却出现了推荐其购买20元的同类型产品，这等于给客户进行了降档推荐，这样会使得销售额大幅减少，浪费销售机会。