- 如果一個消費者買了產品A，那有多大的機會購買產品B？
- 如果買了A也買了B，那麼他還會購買什麼產品？
- 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。
