商品购物篮分析在服装零售中的运用（一） - 168大数据

在与企业的沟通过程中，许多商品管理者都期望进行商品购物篮应用的实现。商品购物篮应用，也即使商品关联性的分析，是指不同的商品在销售过程中相互影响的关系，用购物篮这一词来形容，极为形象。在零售行业里，最广为人知的商品关联案例，莫过于“啤酒与尿布”这个经典了。它也是许多企业通过数据分析提高业绩竞争力的最初的教科书。

结合到服装行业的终端商品零售里。业绩的分解角度上来看，可以从提高连带率从而提高客单价作为一个切入点。连带率的提升，一方面与终端店铺员工的技巧相关，另外也有商品的组合搭配相关。因此，服装企业许多相关管理和分析人员，期望通过商品的关联分析，通过业务发生数据之间潜在信息的发掘，找到合适的商品组合搭配，促成终端店员商品连带销售，提高连带率、客单价，从而获得业绩的提升。

关于商品关联规则的具体实现，已有较为广泛的认识。运用Apriori算法可以实现，具体细节内容不再赘述。始终认为，这些数据分析的技术，最终是以业务为核心，分析结果要辅助制定相关措施予以执行，才是一个完整的流程。因此本文侧重介绍商品购物篮分析应用在企业运用的过程以及落地。

数据来源，商品关联分析，最基础的数据是零售小票，通常来源于零售系统（POS），采集到这部分数据，是进行关联分析的前提条件。

数据质量的检测与改善，系统采集到的终端零售小票，会存在各种各样的意外的情况，假如经过一个流程的数据处理得出结果后，再发现在源数据存在问题，导致结果无法用于分析和决策，那面临的可能是返工乃至对系统不明情形的质疑。现实情况中，有些企业可能存在终端店铺由于网络原因或是规范未有严格执行，将一天的交易都录入一笔或少量几笔零售小票中，这种严重影响到分析结果的数据，结合企业实际情况，或是排除，或是在业务环节中予以改善。另外，在分析过程中，亦依据相关用户的分析需求，对赠品、饰品零售或是特卖店的数据等进行选择性的处理，以对分析效果进行提升。

数据处理与挖掘，基于零售数据进行关联规则的挖掘分析，运行而得结果，譬如购买了某款西装外套的消费者，很大可能购买某款梭织长裤；购买了某款梭织短裤的消费者，很大可能再购买某款短袖衬衫。或是购买了某款衬衫的消费者，极有可能连带购买的商品，按可能性依次进行排列展示。第一部分属于发现未知的潜在组合，第二部分可以满足从畅销款分析引出的关联商品组合需求。

系统结果深入分析，从数据分析系统中得到结果之后，可以结合业务对其进行进一步的观察。仅仅依据购物篮分析结果便转入执行是不行的，会有些片面，做出决策需要综合多方面的因素。可以结合终端店长或店员调研，从一线反馈参考信息并纳入，看系统得出的结论发生的情景以及是否合理。亦可沟通商品设计人员或买手，从商品款式及色彩角度出发，分析可能的组合特点，此步骤亦可理解为基于从数据反应的“是什么”继而寻找“为什么”，形成可以推荐的卖点。

决策与执行，结论形成后，进入决策与执行阶段。企业可以通过各种手段，贯彻与执行。譬如周会、终端每日例会，将商品组合推荐，或是畅销款关联款式等信息向终端传导。传导的过程需要讲求及时性，服装商品变化速度快、生命