کاربرد داده کاوی در بازاریابی و آنالیز سبد بازار

آنالیز سبد بازار

تجزیه و تحلیل یا آنالیز سبد بازار یک تکنیک مدل سازی است که بر اساس این تئوری است که اگر گروه خاصی از اقلام را خریداری کنید ، احتمال خرید گروه دیگری از اقلام نیز بیشتر است. این روش ممکن است به خرده فروش این امکان را بدهد تا رفتار خرید یک خریدار را درک کند. این اطلاعات ممکن است به خرده فروش کمک کند تا نیازهای خریدار را بشناسد و طرح فروشگاه را بر این اساس تغییر دهد. با استفاده از تجزیه و تحلیل دیفرانسیل مقایسه نتایج بین فروشگاه های مختلف ، بین مشتریان در گروه های مختلف جمعیتی می توان انجام داد.

تجزیه و تحلیل سبد بازار یک تکنیک داده کاوی است که توسط خرده فروشان برای افزایش فروش با درک بهتر الگوهای خرید مشتری استفاده می شود. این شامل تجزیه و تحلیل مجموعه داده های بزرگ ، مانند سابقه خرید ، برای آشکار کردن گروه بندی محصولات و همچنین محصولاتی است که احتمالاً با هم خریداری می شوند.

پذیرش تجزیه و تحلیل سبد بازار با ظهور سیستم های فروش الکترونیکی (POS) کمک شد. در مقایسه با سوابق دستی که توسط دارندگان فروشگاه نگهداری می شود ، سوابق دیجیتالی تولید شده توسط سیستم های POS پردازش و تجزیه و تحلیل حجم زیادی از داده های خرید را برای برنامه ها آسان می کند.

لایسنس پاور بی آی

دوره آموزشی هوش تجاری با Power BI »کلیک کنید« 

اجرای تجزیه و تحلیل سبد بازار به زمینه ای در علم آمار و داده و همچنین برخی مهارت های برنامه نویسی رایانه ای الگوریتمی نیاز دارد. برای کسانی که مهارت فنی لازم را ندارند ، ابزارهای تجاری و خارج از قفسه وجود دارد.

یک نمونه ابزار خرید سبد خرید در Microsoft Excel است که داده های معاملات موجود در صفحه گسترده را تجزیه و تحلیل می کند و آنالیز سبد بازار را انجام می دهد. مواردی که باید تحلیل شوند باید توسط شناسه معامله مرتبط باشند. سپس ابزار تجزیه و تحلیل سبد خرید دو صفحه کار ایجاد می کند: صفحه کار گروه های خرید سبد خرید ، که لیستی از مواردی را که اغلب با هم خریداری می شوند لیست می کند و برگه مقررات سبد خرید است که نحوه ارتباط اقلام را نشان می دهد (به عنوان مثال خریداران محصول A به احتمال زیاد خرید محصول B).

انواع تحلیل سبد بازار

دو نوع تجزیه و تحلیل سبد بازار وجود دارد:

۱- تحلیل پیش بینی سبد بازار: این نوع اقلام خریداری شده به ترتیب را برای تعیین فروش متقابل در نظر می گیرد

۲- تجزیه و تحلیل سبد بازار دیفرانسیل: این نوع داده ها را در فروشگاه های مختلف و همچنین خریدها از گروه های مختلف مشتری را در زمان های مختلف روز ، ماه یا سال در نظر می گیرد. اگر یک قانون در یک بعد (مانند فروشگاه ، دوره زمانی یا گروه مشتری) حاکم باشد ، اما در سایر موارد رعایت نشود ، تحلیلگران می توانند عوامل استثنا را تعیین کنند. این بینش ها می تواند منجر به پیشنهادات جدید محصولات شود که فروش بالاتری را رقم می زند.

برای خرید لایسنس نرم افزار Tableau کلیک کنید

الگوریتم های مرتبط با تجزیه و تحلیل سبد بازار

در تجزیه و تحلیل سبد بازار ، از قوانین انجمن برای پیش بینی احتمال خرید محصولات با هم استفاده می شود. قوانین انجمن تعداد دفعات مواردی را که با هم اتفاق می افتد ، محاسبه می کند و به دنبال یافتن ارتباطاتی است که خیلی بیشتر از حد انتظار اتفاق می افتد.

الگوریتم هایی که از قوانین ارتباط استفاده می کنند شامل AIS ، SETM و Apriori هستند. الگوریتم Apriori به طور معمول توسط دانشمندان داده در مقالات تحقیقاتی در مورد تجزیه و تحلیل سبد بازار ک ذکر می شود و برای شناسایی موارد مکرر در پایگاه داده مورد استفاده قرار می گیرد ، سپس با گسترش مجموعه های داده به اندازه های بزرگتر ، فرکانس آنها را ارزیابی می کند.

بسته arules برای R یک مجموعه ابزار منبع باز برای استخراج ارتباط با استفاده از زبان برنامه نویسی R است. این بسته از الگوریتم Apriori همراه با الگوریتم های استخراج دیگر از جمله arulesNBMiner ، opusminer ، RKEEL و RSarules پشتیبانی می کند.

دوره آموزشی زبان برنامه نویسی R  «کلیک کنید»

نمونه هایی از تحلیل سبد بازار

وب سایت آمازون یک نمونه شناخته شده از تحلیل سبد بازار را به کار گرفته است. در صفحه یک محصول ، آمازون محصولات مرتبط را تحت عناوین “اغلب با هم خریداری می شوند” و “مشتریانی که این کالا را خریداری کرده اند” نیز به کاربران ارائه می دهند.

تجزیه و تحلیل سبد بازار در مورد فروشگاه های آجر و ملات نیز صدق می کند. اگر تجزیه و تحلیل نشان داد که خریدهای مجله اغلب شامل خرید نشانک (که می تواند یک ترکیب غیر منتظره در نظر گرفته شود ، زیرا مصرف کننده کتابی خریداری نکرده است) ، بنابراین فروشگاه کتاب ممکن است مجموعه ای از نشانک ها را در نزدیکی قفسه مجله قرار دهد.

مزایای تحلیل سبد بازار

تجزیه و تحلیل سبد بازار می تواند میزان فروش و رضایت مشتری را افزایش دهد. با استفاده از داده ها برای تعیین اینکه محصولات اغلب با هم خریداری می شوند ، خرده فروشان می توانند جای محصول را بهینه کنند ، معاملات ویژه ای ارائه دهند و بسته های محصول جدیدی ایجاد کنند تا فروش بیشتر این ترکیبات را تشویق کنند.

این پیشرفت ها می تواند فروش بیشتری را برای خرده فروش ایجاد کند ، در حالی که تجربه خرید را برای مشتریان مثمر ثمر و با ارزش می کند. با استفاده از تجزیه و تحلیل سبد بازار ، مشتریان می توانند احساسات شدیدتر یا وفاداری به برند نسبت به شرکت احساس کنند.

دوره آموزشی هوش تجاری با Tableau »کلیک کنید« و  هوش تجاری با Power BI »کلیک کنید« یک برنامه جامع است که بر توسعه مهارت در تجزیه‌ و تحلیل داده‌ها، تجسم و گزارش سازی و گزارش دهی و دشبوردسازی با استفاده از این ابزارها  تمرکز دارد.

سپاسگذاریم از وقتی که برای خواندن این مقاله گذاشتید

.

برای خرید لایسنس نرم افزار Power BI کلیک کنید

.

برای مشاهده ویدیوهای آموزشی داده کاوی و هوش تجاری ما را در شبکه های اجتماعی دنبال کنید

Youtube Chanel :VISTA Data Mining 

Aparat Chanel: VISTA Data Mining 

Instagram Chanel: VISTA Data Mining

Telegram Chanel: VISTA Data Mining 

Linkedin Chanel: VISTA Company