讓關聯規則幫你解決不知如何擺放商品的煩惱

情境說明

讀者們一定都有逛過賣場的經驗，不知道大家的購物習慣是屬於：

1. 出門前就決定好要買什麼，拿完需要的東西就離開
2. 知道要買什麼，但還是會隨處逛逛

不知道大家有沒有發現？無論是大型賣場如好市多或是家樂福；還是小型連鎖超市如全聯或Jason’s，每間品牌不同分店的商品陳列的方式基本上大同小異，讓消費者在淺意識中留下了印象，使我們每次逛賣場的路線都十分相似。

但如果大部分人都是屬於第一種類型的人，賣場可能會碰到一個問題 — — 推出一個新的產品或新的口味的時候，應該放在哪裡才能夠讓顧客實際去購買？除了常見的行銷手法：DM或是折扣，我們可以透過關聯規則將有相同特性或是常常被一起購買的商品種類放在一起，來達到提升銷售的目的。以下我們透過這份資料集來說明：

資料簡介

這份資料集中包含六份資料，其中有兩份為測試和訓練資料，我們整理出六份資料中包含的所有特徵，下圖為這個資料集中的十個變數（圖一）

關聯規則（Association rules）

各位讀者一定聽說過尿布與啤酒的故事，相傳在美國知名大型連鎖量販超市發現每週五晚上尿布與啤酒的銷售量呈現正相關的現象，且這兩樣商品的銷售額表現的相當好。原因居然是，育有嬰兒的年輕父親會在週五晚上被太太推派去超市買尿布，年輕的父親會同時在超市買一打啤酒來犒勞自己。

上面這個經典的案例其實就是利用關聯規則（Association rule）的概念，又因為時常被運用在商品資料上所以又被稱作「購物籃分析Basket data analysis」。關聯規則可以幫助我們找出資料集中時常一起出現的組合，以這份資料集的資料來說，我們可以找到每個商品被購買的同時，會有哪樣商品一起被購買，如此一來我們就可以把這兩樣商品擺放在一起，讓消費者在進行採購的時候可以將商品一起買走，甚至可以讓原本沒想到要購買這個組合的消費者將這個組合打包購買！

本篇文章只簡述了關聯規則的其中一部分，如果讀者想更了解關聯規則可以參考這篇文章：你怎麼處理顧客交易資訊？Apriori演算法，文章中詳細介紹了購物籃分析的流程與各個指標的運算方法與意義。

關聯規則在資料集的呈現

在說明成果之前，我們需要了解關聯規則是如何呈現的。關聯規則中有兩個重要指標：Support（支持度）和 Confidence（信心度）

支持度：兩件商品同時被購買的機率

信心度A➜B：購買A後再購買B的條件機率

下圖表格（圖二）呈現了由資料集歸納出來的前五名關聯規則，我們可以看到有機草莓奇亞籽低脂 2% 乾酪和有機藍莓奇亞籽低脂 2% 乾酪最常被同時購買。其實前五名的關聯規則，可以輕易的被理解，因為一項好吃的產品，消費者很有可能同時購入另一種口味。

成果及應用

透過上述的關聯規則，經營賣場的商家可以挖掘類似的關聯規則來找到自身賣場中時常被一起購買的組合，將這些商品擺放在一起，在不影響顧客購物體驗的前提下，提高他們被一起購買的機會。

關聯規則可以應用的範圍非常廣泛，不只可以運用在實體賣場的商品推薦，也可以運用在電商平台的商品推薦。本篇案例是以商品之間的連結來做推薦，我們甚至可以轉換方向將有類似購物需求的消費者連結在一起，再推薦商品，在提升消費者購物體驗的同時，也能為廠商帶入一筆可觀的銷售量。

作者：林蔚恩(臺灣行銷研究特邀作者)、許恩嘉(臺灣行銷研究特邀作者)、鍾皓軒(臺灣行銷研究創辦人)、劉加德(臺灣行銷研究特邀編審)