数据分析｜如何利用BI工具，探索各商品的潜在关联价值
相信大家都有听过数据分析界鼎鼎有名的“沃尔玛超市啤酒与尿不湿”的故事，沃尔玛数据分析师通过研究发现啤酒和尿不湿之间的商品关联之后，大胆地将啤酒放在尿不湿的旁边，便于美国喜爱边看体育比赛边喝啤酒的已婚男士同时满足给小孩买尿不湿的需求，结果发现啤酒和尿布二者的销量都大幅地提升。
当我们在为该啤酒与尿不湿这个据分析案例脑洞疯狂打call时，却鲜有人真正明白商品关联分析背后的真相和具体分析方法，别急，个中玄机，这就为您一一道来。
通常来说，以超市购物为例，超市中各商品之间往往都存在着某种关联关系，从广义上来说可以定义为如下三种关联：
强关联：当商品的关联度超过某个值时，我们就可以定义为强关联的关系。这个值在不同行业的业务形态是不一样的，需要企业根据店铺的实际情况来制定（比如0.6）。强关联的商品彼此陈列在一起往往能够提高双方的销售量。双向关联的商品如果陈列位置允许的话，应该互相关联陈列，即A产品旁边有B，B产品旁边也一定会有A。而对于那些单向关联的商品，则只需要将被关联的商品陈列在关联商品旁边就行，譬如尿不湿边上就可以放置啤酒，但是啤酒旁边不能放置尿不湿。在定义商品之间强关联的时候，有一种情况需要灵活应对：当两个商品之间的关联度大到某个值时，比如0.9，此时就不要再傻乎乎还自以为聪明地把两个商品陈列到一起了，商品分开陈列，越远越好，这种极强度的关联商品，通过这样的操作方式能够让顾客在寻找极强关联商品时提升沿途其他商品可能产生的购买欲望。
弱关联：指的是关联度不高的商品，对于这些商品可以尝试放在一起，然后再去看是否关联度有变化，如果关联度大幅提升，那么说明原来的弱关联可能是由于陈列的原因导致的。
排斥关系：指两个产品基本上不会出现在一张购物小票中，这种商品尽量不要陈列在一起。
其中，衡量商品之间关联关系的指标为关联度，计算方法为：
关联度=同时包含商品A、B的订单数/包含商品A的总订单数*100%
指得是购买A商品的订单中，有多少订单是包含B商品的，也就是包含A商品的某个订单中B商品同时出现的概率。
以下我们举一个商品关联分析实例，给大家分享下笔者是如何巧用FineBI工具中的FineDirect参数，探索和发掘订单中各商品之间潜在的关联价值的。
如上图所示为FineBI中内置数据连接FRDemo中的合同信息表，我们需要分析和统计出来任意两个商品之间的关联度，即需要同时包含商品A、B的订单数和包含商品A的总订单数。
我们通过添加如下所示的FineDirect数据集（产品相关性分析），定义${产品ID}为产品ID的参数，结合SQL逻辑查询过滤出同时包含商品A、B的订单数和包含商品A的总订单数。
select a.*,b. 产品订单数 from
(
select 产品ID,count(订单ID)as 交集订单数 from
(
select 产品ID, 订单ID from 订单明细
where 订单ID
in(select distinct 订单ID from 订单明细 where 产品ID='${产品ID}') and 产品ID !='${产品ID}'
)
group by 产品ID
)a
left join
(
select 产品ID,count(订单ID) as 产品订单数 from 订单明细
group by 产品ID
)b
on a.产品ID=b.产品ID
再为参数添加数据字典，使用SQL查询出产品ID的数据字典即可：
select cast(产品ID as char) from 订单明细
前端新建仪表板，拖拽文本控件，绑定产品ID数据字典字段，同时绑定SQL数据集中定义好的“产品ID”参数。
再选择统计组件，将产品相关性分析中的产品ID作为行表头，交集订单数和产品订单数作为指标，如此便统计好了同时包含商品A、B的订单数和包含商品A的总订单数。
接着添加计算指标，命名为关联度，计算交集订单数/产品订单数作为商品关联度指标。
关联度指标样式设置为百分比格式，默认两位小数即可，为了快速观察重要的相关商品，可以直接按照关联度指标降序排序。
加入查询按钮，调整仪表板布局，便可以得到如下图所示任意两者商品之间的关联分析统计了
我们通过分析计算出每种商品对应的关联度之后，通常有如下几种实操方法可供执行参考，整体提高店铺销量。
一、以关联度来设计卖场的陈列、促销、推广等
对关联度高的商品在销售中特殊对待，例如交叉陈列、联合促销、关联展示等。这样给顾客带来的感觉不是一件商品，而是一套商品。电子商务网站也是同样的道理，并且操作起来更容易实现，也更容易和后台数据对接。
二、建立商品的人气指数档案，及时更新
在人货场三方面重点照顾人气指数高的商品。
三、利用特殊日期、特殊事件等进行关联销售
例如六一节时童装和女装的关联销售。
四、建立关联推荐机制
例如目前在网站购物中，每当某件商品收藏或加入购物车后，网站一定会提醒你，购买了该商品的顾客中还有多少顾客还购买了另外一件商品。线上商品的关联推荐相对比较方便，线下零售目前还没有很好的促销机制，一般需要促销员来执行。
五、有效地利用数据关联分析来提高销售业绩
将关联度高的商品做成套装销售，找到关联度高的商品组合背后的消费者细分群体进行精准营销等。将以前“卖我想卖的”商业逻辑变成现在“卖你想买的”消费逻辑，所以，通过数据分析来洞悉消费者的购买行为显得极为重要。
——本文数据分析工具为FineBI