Алгоритм “Априори” используется в Data Mining для изучения последовательностей событий. В качестве событий можно взять пары товаров (можно тройки и больше). Если человек купил один товар, например, “молоко”, то существует вероятность, что он купит и “хлеб”.
В продажах товара цель у алгоритма очень простая, а именно: воздействовать на длину чека. Это может быть достигнуто с помощью совершенно разных действиий:
Предложить купить дополнительный товар (сообщить потребителю, что с таким товаром можно приобрести другой).
Заставить потребителя пройти по наиболее длинному расстоянию (увеличится вероятность покупки другого товара). Расположить “хлеб” и “молоко” в разных концах супермаркета, тогда может увеличится вероятность покупки к примеру ”шоколада”, который встретился по пути.
Предложить более дорогую альтернативу, взамен сокращения времени нахождения в магазине. К примеру, потребителю нужны подгузники и пиво. Логично разместить с подгузниками стойку с дорогим пивом. В сети WalMart использовались следующие события (пятница вечер, подгузники, пиво, молодые мужчины).
Предлагаю на практике в среде Knime рассмотреть пример работы алгоритма, и понять, как с его помощью проводить анализ. (Загрузка/Download)
00:14 Цели и задачи. 00:26 Краткое описание алгоритма. 01:14 Пример использования алгоритма Apriori в среде Knime. 02:56 Объяснение работы алгоритма на тестовых данных. 06:31 Пример анализа на практических данных. 12:15 Выводы.
Это еще не все, что можно выжать из анализа данных. Планирую написать статью в теме маркетинг по этому поводу. Анализ данных - это неисчерпаемая тема для находок и технических решений.