第13章數(shù)據(jù)挖掘在零售業(yè)的應(yīng)用案例

1、0/252021-12-24商務(wù)數(shù)據(jù)挖掘與應(yīng)用案例分析商務(wù)數(shù)據(jù)挖掘與應(yīng)用案例分析1/252021-12-24第第1313章章 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用 13.1 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述 13.2 案例案例1：關(guān)聯(lián)分析在超市購物籃分析中的應(yīng)用：關(guān)聯(lián)分析在超市購物籃分析中的應(yīng)用 13.3 案例案例2：超市工作時(shí)間與人員配置分析：超市工作時(shí)間與人員配置分析2/252021-12-2413.1 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述 （1）l在零售業(yè)競爭白熱化和信息化趨勢的大背景下，零售企業(yè)只有借助信息化技術(shù)，有效利用業(yè)務(wù)系統(tǒng)積累的海量數(shù)據(jù)，分析市場信息

2、、產(chǎn)品信息和顧客需求，進(jìn)而制定合適的營銷管理策略，才能在企業(yè)經(jīng)營中取得成功。l在零售目錄直銷和倉儲商場上，可以綜合運(yùn)用數(shù)據(jù)挖掘技術(shù)，根據(jù)客戶基本信息和消費(fèi)行為研究不同客戶群體的特點(diǎn)，以挖掘潛在市場、獲取目標(biāo)市場的客戶群體和預(yù)測客戶行為，有針對性地對客戶群進(jìn)行目錄郵寄，將有限的資源投注在最具獲利性的客戶群體上，提高企業(yè)客戶響應(yīng)度。在零售電子商務(wù)化上，比如美國的亞馬遜和中國的淘寶等電子商務(wù)網(wǎng)站，零售業(yè)和互聯(lián)網(wǎng)的快速“聯(lián)姻”以及互聯(lián)網(wǎng)技術(shù)和數(shù)據(jù)挖掘技術(shù)的結(jié)合成為零售業(yè)新的增長點(diǎn)。通過分析用戶在電子商務(wù)網(wǎng)站的歷史消費(fèi)行為數(shù)據(jù)，研究用戶的消費(fèi)習(xí)慣和購買偏好等行為模式，進(jìn)而為用戶制定個(gè)性化的產(chǎn)品或服務(wù)推薦

3、，提高用戶滿意度。3/252021-12-2413.1 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述 （2）l數(shù)據(jù)挖掘技術(shù)在零售業(yè)中的深度應(yīng)用是現(xiàn)代零售業(yè)發(fā)展的重要趨勢。數(shù)據(jù)挖掘技術(shù)在零售業(yè)的應(yīng)用主要體現(xiàn)在以下幾方面：（1）關(guān)聯(lián)分析技術(shù)商品分組布局，商品購買推薦l關(guān)聯(lián)分析是零售領(lǐng)域應(yīng)用最早的數(shù)據(jù)挖掘技術(shù)。從“啤酒與尿布”的故事到超市商品的關(guān)聯(lián)擺放，再到目前熱門的電子商務(wù)網(wǎng)站的產(chǎn)品服務(wù)推薦，都能體現(xiàn)關(guān)聯(lián)分析的應(yīng)用。關(guān)聯(lián)分析技術(shù)通過分析歷史事務(wù)數(shù)據(jù)庫數(shù)據(jù)，發(fā)現(xiàn)購買某種商品的顧客同時(shí)也購買另一種商品的組合規(guī)則。（2）聚類分析技術(shù)客戶細(xì)分l客戶細(xì)分是指將一個(gè)大的消費(fèi)群體劃分為若干的小群體，同一小群體的客戶具有相似的消

4、費(fèi)特征。客戶細(xì)分根據(jù)客戶的屬性行為、需求、偏好和價(jià)值等因素對客戶進(jìn)行劃分，并提供針對性的產(chǎn)品或服務(wù)。在零售業(yè)中，利用聚類分析技術(shù)，根據(jù)歷史顧客的基本信息、消費(fèi)信息以及其他信息等，把這些歷史顧客劃分為不同的客戶群體。然后分析這些群體中客戶的相似行為特征，針對不同的用戶群體，可采取不同的個(gè)性化服務(wù)。4/252021-12-2413.1 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述 （3）（3）分類分析技術(shù)獲取潛在客戶、客戶流失預(yù)測l在客戶關(guān)系管理中，獲取潛在客戶是客戶關(guān)系生命周期中的重要環(huán)節(jié)，是進(jìn)行客戶關(guān)系管理的前提。而客戶流失則是企業(yè)最不愿意看到的局面，通常到了客戶消費(fèi)周期后期，由于各種原因，企業(yè)不得不面臨客戶

5、不可避免的流失。為了保證客戶關(guān)系的良性發(fā)展，企業(yè)必須對潛在客戶有預(yù)測性的營銷策略，吸引潛在客戶成為自己的客戶；同時(shí)要防范客戶流失，對流失可能性較大的客戶，分析其價(jià)值，并采取相應(yīng)的措施（挽留或放棄）。l零售企業(yè)可以利用決策樹、貝葉斯和神經(jīng)網(wǎng)絡(luò)等分類技術(shù)，對歷史客戶信息（包括客戶基本信息、歷史購買信息、其它行為信息）進(jìn)行分析，并建立準(zhǔn)確度高的分類模型?？梢岳梅诸惸Ｐ蛯δ骋蝗后w或某一客戶進(jìn)行分類預(yù)測，挖掘目標(biāo)市場的潛在群體或潛在客戶，擴(kuò)大企業(yè)的客戶群體數(shù)量，增加其在市場的客戶占有率與營銷產(chǎn)品覆蓋率。同樣，可以根據(jù)流失客戶的信息，建立分類預(yù)測模型，對現(xiàn)有的客戶進(jìn)行流失評估，對流失可能性較大的客戶采取

6、一定措施，使客戶流失的損失最小化。5/252021-12-2413.1 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述 （4）（4）RFM分析技術(shù)和序列模式挖掘客戶忠誠度分析l客戶忠誠度對企業(yè)的發(fā)展具有重要意義，有利于降低營銷成本、增加企業(yè)利潤和擴(kuò)大企業(yè)市場份額。lRFM分析技術(shù)基于客戶購買次數(shù)、購買總金額以及最近購買時(shí)間三項(xiàng)信息，對所有歷史客戶進(jìn)行忠誠度評分，并劃分為忠誠度高的客戶、忠誠度一般的客戶以及忠誠度低的客戶，然后對忠誠度不同的客戶采取不同的管理措施。l序列模式挖掘通過會員卡等實(shí)名制方式跟蹤客戶的消費(fèi)行為，記錄同一客戶不同時(shí)期購買的商品序列，可以分析客戶的購買趨勢，并結(jié)合客戶的消費(fèi)行為分析出他們對某些

7、商品忠誠度的變化，調(diào)整營銷模式，以留住老客戶和吸引新客戶。6/252021-12-2413.1 數(shù)據(jù)挖掘在零售業(yè)中的應(yīng)用概述 （5）（5）時(shí)間序列分析和回歸分析銷售預(yù)測分析l銷售預(yù)測是企業(yè)制定銷售計(jì)劃的中心任務(wù)之一，銷售預(yù)測影響到包括計(jì)劃、預(yù)算和銷售額等方面的工作。隨著企業(yè)對銷售的預(yù)算管理和控制的規(guī)范化，銷售預(yù)測往往是企業(yè)進(jìn)行年度預(yù)算管理和制定營銷計(jì)劃的關(guān)鍵。企業(yè)通常會根據(jù)歷史銷售來制定銷售計(jì)劃，估計(jì)銷售預(yù)算等。時(shí)間序列和回歸分析等方法可以應(yīng)用到諸如此類的銷售預(yù)測中，為營銷決策提供支持。7/252021-12-2413.2 案例1： 關(guān)聯(lián)分析在超市購物籃分析中的應(yīng)用13.2.1 商業(yè)理解13.

8、2.2 數(shù)據(jù)理解階段13.2.3 數(shù)據(jù)準(zhǔn)備階段13.2.4 建模階段13.2.5 評估階段13.2.6 節(jié)假日和工作日的比較分析8/252021-12-2413.2.1 商業(yè)理解l在超市經(jīng)營管理中，商品的擺放位置對銷售起著至關(guān)重要的作用。合理的商品布局不僅能節(jié)省顧客的購買時(shí)間，還能刺激顧客的購買欲望。將一些被認(rèn)為沒有關(guān)聯(lián)的商品擺放在一起，可能會產(chǎn)生意想不到的銷售效果，比如著名的“啤酒與尿布”故事所展示的營銷效果。l在本案例中，該超市主要經(jīng)營食品生鮮、日用品、服裝紡織、家電以及家居用品等。該超市規(guī)模相對比較大，銷售的商品種類繁多，貨架上有七萬多種商品，配置有POS系統(tǒng)，銷售數(shù)據(jù)存入統(tǒng)一的SQL

9、Server數(shù)據(jù)庫。隨著超市競爭的加劇，為求進(jìn)一步發(fā)展，該超市迫切需要對自身的經(jīng)營狀況進(jìn)行分析，并根據(jù)銷售情況適時(shí)改變超市經(jīng)營策略，希望通過對歷史銷售記錄的分析，了解顧客的購買習(xí)慣和偏好，了解顧客購物籃中商品間的關(guān)聯(lián)性，以實(shí)現(xiàn)商品組合優(yōu)化布局，促進(jìn)超市商品銷售。9/252021-12-2413.2.2 數(shù)據(jù)理解階段 l案例數(shù)據(jù)來自該超市的銷售事務(wù)數(shù)據(jù)庫mySHOPSHStock，數(shù)據(jù)庫中包含商品表Goods、銷售流水表Sale_J（包括從2009年12月到2011年9月間每個(gè)月份的銷售數(shù)據(jù)）、收銀流水表Pay_J以及商品類別表Category。從表內(nèi)容來看，Goods表存儲商品的信息，主要包括

10、商品編碼、名稱、品牌和部類編號等屬性；Sale_J表存儲銷售事務(wù)明細(xì)，主要包括交易時(shí)間、門店號、Pos號、小票號、銷售量、銷售額和折扣額等屬性；Pay_J表則記錄了收銀的情況，主要包括交易時(shí)間、門店號、Pos機(jī)號、小票號、支付類型、支付款值和等價(jià)款值等屬性；Category表記錄了商品的類別信息，包括部門編號、部門名稱、科、大類、中類、小類等屬性。10/252021-12-2413.2.3 數(shù)據(jù)準(zhǔn)備階段 序 號屬 性屬 性 描 述數(shù) 據(jù) 類 型1TransactionID購物籃號標(biāo)稱變量2Name商品名標(biāo)稱變量3Department部門名標(biāo)稱變量4ProductClass科名標(biāo)稱變量5Prod

11、uctFamily大類名標(biāo)稱變量6ProductCategory中類名標(biāo)稱變量7ProductSubcategory小類名標(biāo)稱變量8Weekday購物時(shí)間標(biāo)稱變量表13-1 購物籃數(shù)據(jù)表AllDatal對該超市銷售數(shù)據(jù)進(jìn)行預(yù)處理，主要包括合并數(shù)據(jù)表、增加標(biāo)識字段和刪除無用的屬性等，處理后可以得到總的收銀流水表Pay、銷售流水表Sale、商品表Goods和商品類別表Category。l為了構(gòu)造購物籃數(shù)據(jù)，我們需要對銷售流水表Sale、商品表Goods和類別表Category進(jìn)行整合。首先根據(jù)Sale表中標(biāo)識一個(gè)購物籃的4個(gè)字段增加一個(gè)標(biāo)識字段TransactionID，然后將Sale表、Good

12、s表和Category表進(jìn)行連接，選擇出分析需要的字段，包括交易標(biāo)識編碼、商品名稱和各類別信息等。11/252021-12-2413.2.4 建模階段 （1）（1）建模思路l建模目標(biāo)是借助Apriori算法分析商品之間的關(guān)聯(lián)性，并找出推測商品關(guān)聯(lián)的原因。l模型的建立以兩個(gè)層次（中類和小類）展開分析：選取“Weekday=0”的記錄，首先以中類作為分析對象，從中得出關(guān)聯(lián)性較強(qiáng)的中類組合；然后從得到的中類組合中，以小類作為分析對象，進(jìn)行深層的關(guān)聯(lián)分析，從中得到關(guān)聯(lián)性強(qiáng)的小類組合。 l采用上述方法進(jìn)行分析，是因?yàn)樯唐贩N類繁多，如果直接對商品名進(jìn)行分析，會導(dǎo)致置信度和支持度過低而難以獲得具有指導(dǎo)性意義

13、的結(jié)果。在實(shí)驗(yàn)過程中發(fā)現(xiàn)，直接將商品進(jìn)行分析會多次出現(xiàn)“找不到規(guī)則，閾值過高”的情況。若只針對“部門”、“科”或“大類”進(jìn)行分析，又缺乏具體性，難以得出具有實(shí)際應(yīng)用意義的結(jié)果。因此，本案例先針對商品的中類進(jìn)行關(guān)聯(lián)分析，從中篩選出關(guān)聯(lián)性強(qiáng)的中類組合，然后在此基礎(chǔ)上將小類作為對象進(jìn)行關(guān)聯(lián)分析，篩選出關(guān)聯(lián)性強(qiáng)的小類組合，這樣通過商品信息和類別信息的結(jié)合可以較好解決商品繁多導(dǎo)致的計(jì)算代價(jià)巨大的問題，可得出具有指導(dǎo)意義的關(guān)聯(lián)規(guī)則。12/252021-12-2413.2.4 建模階段 （2）字 段類 型方 向TransactionID范圍輸入Name集無Department集無ProductClass集無

14、ProductFamily集無ProductCategory集兩者ProductSubcategory集無Weekday集輸入表13-2 以中類（ProductCategory）作為兩者變量的變量表（2）中類組合的關(guān)聯(lián)分析l首先以中類（ProductCategory）作為兩者變量，其它變量作為輸入變量進(jìn)行數(shù)據(jù)分析，如表13-2。13/252021-12-2413.2.4 建模階段 （3）圖13-1 中類關(guān)聯(lián)性網(wǎng)絡(luò)圖l針對中類進(jìn)行分析，考慮到數(shù)據(jù)量非常大，支持度和置信度的設(shè)定比較難以確定。在實(shí)驗(yàn)中，設(shè)置最小支持度為1.0%，最小置信度為20.0%。其中，最小支持度是Clementine里定義的前

15、項(xiàng)支持度。提高閾值會使規(guī)則減少，甚至找不到規(guī)則；反之如果降低閾值則會導(dǎo)致規(guī)則太多，難以一一解釋應(yīng)用，實(shí)際指導(dǎo)意義不大。l可以從網(wǎng)絡(luò)圖13-1看出商品中類間存在的關(guān)聯(lián)性：14/252021-12-2413.2.4 建模階段 （4）規(guī)則ID規(guī) 則支 持 度置 信 度提 升 度1餅干&其他進(jìn)口食品=進(jìn)口餅干1.054%29.524%11.762進(jìn)口糖果&一次性用品=進(jìn)口餅干1.346%26.493%10.5533速食面杯裝類&常溫火腿腸=蛋類1.14%21.145%9.8634進(jìn)口餅干&一次性用品=進(jìn)口糖果1.406%25.357%9.2325進(jìn)口餅干&其他進(jìn)

16、口食品=進(jìn)口糖果1.23%25.306%9.2146散裝休閑聯(lián)營&其他進(jìn)口食品=進(jìn)口餅干1.913%22.572%8.9917巧克力&一次性用品=進(jìn)口糖果1.602%22.571%8.2188糖果&一次性用品=蜜餞/果脯1.23%22.449%8.1899餅干&一次性用品=薯片2.104%22.673%8.10710聯(lián)營專柜=聯(lián)營床上用品1.436%27.972%7.80211調(diào)味油/汁=節(jié)慶熟食禮盒1.772%21.813%7.66212蛋類=速食面杯裝類2.144%32.319%7.502表13-3 商品中類部分關(guān)聯(lián)規(guī)則列表l結(jié)合網(wǎng)絡(luò)圖和模型結(jié)果，可以得到中

17、類商品的關(guān)聯(lián)分析結(jié)果，如表13-3。15/252021-12-2413.2.4 建模階段 （5）字 段類 型方 向TransactionID范圍輸入Name集無Department集無ProductClass集無ProductFamily集無ProductCategory集無ProductSubcategory集兩者表13-4 以小類（ProductSubCategory）作兩者變量的變量表圖13-2 商品中類關(guān)聯(lián)性網(wǎng)絡(luò)圖（3）小類商品組合的關(guān)聯(lián)分析l選擇關(guān)聯(lián)性較強(qiáng)的中類組合，比如“糖果”“餅干”“蛋類”等，對這些中類深入到它們的小類（見表13-4），再次進(jìn)行關(guān)聯(lián)分析，分析過程類似中類組合的關(guān)

18、聯(lián)分析。設(shè)置最小支持度為1.0%，最小置信度為20.0%，網(wǎng)絡(luò)圖如圖13-2。最終可以得到小類商品的關(guān)聯(lián)規(guī)則列表，如表13-5。16/252021-12-2413.2.4 建模階段 （6）規(guī)則ID規(guī) 則支 持 度置 信 度提 升 度1禮盒裝香油=畜肉制品1.009%38.095%11.7312禽類熟食=畜肉制品1.256%27.869%8.5823散裝特產(chǎn)聯(lián)營專柜&其他進(jìn)口食品&其他一次性用品=進(jìn)口甜味餅干1.71%26.908%7.874進(jìn)口果凍=進(jìn)口甜味餅干1.016%25.0%7.3125散裝特產(chǎn)聯(lián)營專柜&其他進(jìn)口食品=進(jìn)口甜味餅干2.554%22.581%6.6

19、046家禽肉味即食杯面=牛肉味即食杯面1.078%22.293%6.527桶裝薯片&其他一次性用品=進(jìn)口甜味餅干1.208%22.159%6.4818鹵蛋=牛肉味即食杯面1.771%20.93%6.1219其他進(jìn)口食品&其他一次性用品=進(jìn)口甜味餅干5.664%20.727%6.06210家禽肉味即食杯面=豬肉火腿1.078%28.662%5.98111鹵蛋=豬肉火腿1.771%28.295%5.90412牛肉味即食杯面=豬肉火腿3.419%25.1%5.238表13-5 小類商品部分關(guān)聯(lián)規(guī)則列表l從表13-5可以看出，得到的關(guān)聯(lián)規(guī)則比表13-3的結(jié)果更加具體。比如表13-3的規(guī)

20、則“散裝休閑聯(lián)營&其他進(jìn)口食品=進(jìn)口餅干”，細(xì)化到表13-5的規(guī)則“散裝特產(chǎn)聯(lián)營專柜&其他進(jìn)口食品=進(jìn)口甜味餅干”。通過將高層次的關(guān)聯(lián)規(guī)則逐層細(xì)化，可以得到更有意義的關(guān)聯(lián)規(guī)則用以指導(dǎo)實(shí)踐。17/252021-12-2413.2.5 評估階段l本案例構(gòu)建的關(guān)聯(lián)分析模型基于Apriori關(guān)聯(lián)規(guī)則挖掘算法，規(guī)則的評估依賴于規(guī)則的支持度、置信度和提升度。構(gòu)建模型時(shí)，我們將支持度設(shè)置為1.0%，置信度設(shè)置為20%，較低的支持度和置信度是考慮到數(shù)量繁多的商品對關(guān)聯(lián)規(guī)則產(chǎn)生的影響。l除了從支持度、置信度和提升度的角度來評估關(guān)聯(lián)規(guī)則外，還需要人工合并某些規(guī)則，從實(shí)際生活的角度去看待這些關(guān)聯(lián)規(guī)則

21、，例如：（1）大多強(qiáng)關(guān)聯(lián)規(guī)則都為日常食品，尤其是零食小吃。（2）透過規(guī)則1和2，可以發(fā)現(xiàn)購買禮盒裝香油或禽類熟食的客戶很有可能會一起購買畜肉制品。（3）透過規(guī)則3、4、5、7和9，可以看出進(jìn)口甜味餅干與多種物品有著較強(qiáng)的關(guān)聯(lián)性。（4）透過規(guī)則6、8、10、11和12，可以發(fā)現(xiàn)牛肉味即食杯面、家禽肉味即食杯面和鹵蛋、豬肉火腿都有著強(qiáng)關(guān)聯(lián)性，因?yàn)楹芏嗫蛻粼谫徺I即食杯面時(shí)，會選擇不同口味的即食杯面，同時(shí)選擇火腿或鹵蛋作為配菜。18/252021-12-2413.2.6 節(jié)假日和工作日的比較分析規(guī)則ID規(guī) 則支 持 度置 信 度提 升 度1禮盒裝香油=畜肉制品1.144%37.831%11.7682生

22、啤酒=橙汁1.697%23.173%10.4423禽類熟食=畜肉制品1.175%30.116%9.3684桶裝薯片&其他一次性用品=進(jìn)口甜味餅干1.065%21.591%6.7965其他進(jìn)口食品&其他一次性用品=進(jìn)口甜味餅干5.289%20.767%6.5376個(gè)人清潔聯(lián)營專柜=聯(lián)營床上用品1.245%24.301%5.7567鹵蛋=豬肉火腿1.664%27.0%5.6028鹵蛋=牛肉味即食杯面1.664%20.909%5.4769家禽肉味即食杯面=豬肉火腿1.24%25.244%5.23810其他干果&其他一次性用品=聯(lián)營水果類1.103%21.262%4.66211

23、禮盒裝香油=散裝特產(chǎn)聯(lián)營專柜1.144%54.894%4.437表13-6 工作日小類商品部分關(guān)聯(lián)規(guī)則列表l按照同樣的原理方法，可得到該超市在工作日的商品的關(guān)聯(lián)規(guī)則列表，如表13-6。l與表13-5的節(jié)假日關(guān)聯(lián)規(guī)則列表比較可以看出：大部分關(guān)聯(lián)規(guī)則相同，如規(guī)則1、3、4、5、7、8和9。由于超市所經(jīng)營的大多數(shù)為日常生活用品和食品，因此關(guān)聯(lián)規(guī)則不會有較大的變化。l工作日規(guī)則7、8、9的提升度較比節(jié)假日所對應(yīng)規(guī)則的提升度低，所對應(yīng)的商品為牛肉味即食杯面、家禽肉味即食杯面和鹵蛋、豬肉火腿，說明這些商品在節(jié)假日的關(guān)聯(lián)性更強(qiáng)，因此可建議該超市在節(jié)假日將這些商品擺放于顯眼相近的位置，并進(jìn)行組合促銷。19/2

24、52021-12-2413.3 案例2： 超市工作時(shí)間與人員配置分析13.3.1 商業(yè)理解13.3.2 數(shù)據(jù)理解與準(zhǔn)備13.3.3 建模階段13.3.4 模型評估與部署13.3.5 不同時(shí)段的商品銷售規(guī)律13.3.6 時(shí)段與商品的銷售規(guī)律20/252021-12-2413.3.1 商業(yè)理解l超市顧客的購物模式能很好地反映超市所在地區(qū)顧客的行為特征。購物模式有地區(qū)性和時(shí)間性的不同，通過分析購物時(shí)段可以了解不同地區(qū)內(nèi)顧客的行為特征以及超市的閑時(shí)和忙時(shí)，從而幫助超市更好地進(jìn)行人員配置，達(dá)到服務(wù)顧客與節(jié)約成本的統(tǒng)一。21/252021-12-2413.3.2 數(shù)據(jù)理解與準(zhǔn)備 序 號屬 性屬 性 描 述

25、數(shù) 據(jù) 類 型1TransactionID購物籃號標(biāo)稱變量2Time交易時(shí)間標(biāo)稱變量3Hour交易時(shí)段標(biāo)稱變量表13-7 購物籃數(shù)據(jù)表HourWithTidl本案例使用的原始數(shù)據(jù)與案例13-1的數(shù)據(jù)相同，是國內(nèi)某大型超市從2009年12月到2011年9月間的購物籃數(shù)據(jù)。l在本案例中，提取分析需要的屬性包括交易標(biāo)識編碼TransactionID和交易時(shí)間Time。而原始數(shù)據(jù)中，交易時(shí)間的格式為“DD-MM-YYYY HH:MM:SS”，抽取交易時(shí)段“HH”生成新的屬性值Hour，表結(jié)構(gòu)如表13-7所示。22/252021-12-2413.3.3 建模階段l分析購物籃數(shù)據(jù)中不同時(shí)段顧客的購物頻率（

26、即購物籃的個(gè)數(shù)），超市可以從中得知哪個(gè)時(shí)段是繁忙時(shí)段或空閑時(shí)段。本案例通過讀取購物籃數(shù)據(jù)的交易時(shí)間，按照每天中的各個(gè)時(shí)段做出隨時(shí)間變化的折線圖，并以1小時(shí)作為時(shí)段的長度。23/252021-12-2413.3.4 模型評估與部署圖13-3 購物時(shí)段分布圖l圖13-3顯示了一天中購物時(shí)段的模式。通過對每小時(shí)內(nèi)的購物行為進(jìn)行分析后，發(fā)現(xiàn)了一些有趣的模式。（1）該超市的上班時(shí)間為7:00至22:00。（2）隨著一天時(shí)間的流逝，購物次數(shù)明顯增加。大約16:00到20:00會有一個(gè)有趣的峰值人們一般在下班后購物；而每天的中午12:00到14:00會產(chǎn)生一個(gè)低谷，同時(shí)9:00以前和21:00以后的購物次數(shù)也明顯偏低。這些說明購物時(shí)間與作息時(shí)間是正相關(guān)性的。24/252021-12-2413.3.5 不同時(shí)段的商品銷售規(guī)律規(guī)則ID規(guī) 則支 持 度置 信 度提 升 度1禽類熟食=畜肉制品1.125%22.749%10.1932果粒酸奶=其他酸奶1.28%28.125%9.5373散裝特產(chǎn)聯(lián)營專柜&其它進(jìn)口食品&其他一次性用品=進(jìn)口甜味餅干1.573%25.932%7.7934聯(lián)營水