使用Perl的Apriori Algorithm module做購物籃分析(Market Basket analysis)

【常見應用】

1. 如果一個消費者買了產品A，那有多大的機會購買產品B？
2. 如果買了A也買了B，那麼他還會購買什麼產品？
3. 針對X產品做推廣，用以增進Y產品的銷售。

【原理】

關聯規則分析(Association)有很多種演算法，目的就是在眾多交易中找出品項與品項之間的關係，也被稱為購物籃分析 (Market Basket analysis)。

其中，最常用的就是 Apriori Algorithm (Apriori 演算法)，透過支持度(support)、信賴度(confidence)、增益值(lift)，作為找尋行銷組合的標準。

詳細內容網路上都有資源，我們就直接進入正題，各個程式語言都有相關的module可以用，舉凡 R、Python、PHP都有，接下來以 Perl 的 Data::Mining::Apriori module做示範。

【資料準備】

• 將「產品ID與描述」寫到 hash table reference ：

1,產品A

2,產品B

...

• 給予「交易資料」，每一行代表一個交易，都要至少有兩個品項：

1,2,3
2,3
1,3
...



【實作】
將資料整理後，接下來是配合需求調整參數。

因為如果只用default值，會跑出太多組相關性不高的組合。


【結果】
原則上我會以高支持度、高增益值( > 1) 來做篩選，最後就會剩下這八組較為相關的組合，提供活動或推薦系統使用。

Rule R1 顯示產品A與產品C有高度相關：

【補充說明】
增益值 > 1，表示X與Y呈現正相關，規則才具有實用性。
增益值 = 1，表示X與Y呈現不相關，結果與亂數取得方式相似。
增益值 < 1，表示X與Y呈現負相關，比亂數取得之結果更差。



【小結】
不只是購物籃，只要能夠減少使用者選擇路徑，就能增加銷售與轉換，一樣也是可以用於遊戲中的「點數分配」、「裝備推薦」等。



以上介紹到這裡，還請各位大神多多給予指教。

Pokemon GO 二月份的兩次改版，再次拉抬營收

【Pokemon GO 根本沒人玩了，還改版幹嘛？】

我喜歡這樣下標，才更顯得分享有趣。

無論是哪種服務，都會隨時間淘汰掉不適合的TA (目標客群)。

附上兩張Pokemon GO 在台灣的「Android」與「iPhone」營收排名變化。

可以看到二月的兩次改版，都造成明顯的營收成長：

【情人節加倍活動】 

粉紅寶可夢出沒機率增加、糖果兩倍、櫻花變六小時

【二代寶可夢登場】

新寶可夢、新進化道具、新果實

---

兩次改版都加重了用戶課金需求：

1. 加速寶貝球的消耗 (粉紅、新寶可夢)

2. 迫使玩家進行背包擴充 (進化道具、果實種類變多)

3. 迫使玩家進行寶可夢擴充 (蒐集的寶可夢變多)

雖不比遊戲剛上時的成績亮眼，不過這個成長還是看得到的。

---

不論現實或網路上，不免會聽到流失用戶唱衰你的服務，Pokemon GO就是近期最貼近我們的一個代表例子。

「數字才是真的」。跟風而流失的用戶，並不是遊戲的TA，如果把這些發言就當作是全部的消費者，就更容易在關鍵時刻做出錯誤的決定。

拉回生活場景，當面臨做決策時(產品開發、或生涯抉擇)，試著先停下來思考，有沒有做過TA研究，還是憑少數人的回饋做決定。