Market Basket Analysis

Se acquisti un prodotto, è probabile che acquisti anche un determinato gruppo di articoli che, se ti vengono proposti nello stesso momento, è probabile che comprerai

La Market Basket Analysis è una delle tecniche chiave utilizzate dai grandi venditori per scoprire le associazioni tra gli articoli.

Susan Li

Una delle analisi della Data Intelligence che svolgiamo per gli ecommerce, GDO e retail è la Market Basket Analysis: l’emersione di relazioni e associazioni significative tra gli acquisti e i prodotti.

Tipicamente la relazione viene espressa sotto forma di una regola. Ad esempio: IF {canna da pesca, mulinello} THEN {galleggiante}. Questo significa che se ho comprato una canna da pesca e un mulinello probabilmente sono interessato anche ai galleggianti.

Gli algoritmi utilizzati per la Basket Analysis sono abbastanza semplici. Le complessità sorgono principalmente nell’esplosione delle tassonomie combinatorie (un supermercato può immagazzinare 10.000 o più prodotti) e nella gestione della grande quantità di dati sulle transazioni.

Nel commercio al dettaglio molti degli acquisti vengono acquistati d’impulso.  La Basket Analysis fornisce indizi su ciò che un cliente avrebbe potuto acquistare “se gli fosse venuta in mente”.

Come primo passo la Basket Analysis può essere utilizzata per decidere l’ubicazione e la promozione delle merci all’interno di un negozio o di un ecommerce. Se, ad esempio, gli acquirenti di smarphone hanno maggiori probabilità di acquistare cuffie bluetooth allora le cuffie ad alto margine possono essere posizionate vicino agli smarphone (o proposte nel carrello prima della chiusura della transazione). 

La Basket Analysis può trovare risultati interessanti ma può anche eliminare il problema di un volume potenzialmente elevato di risultati insignificanti, di prodotti quindi che non vanno abbinati.

Prima di fidarsi di una regola, bisogna accertarsi che ci sia sufficiente evidenza per suggerire che essa possa produrre un beneficio effettivo. Per misurare la robustezza di una regola è possibile calcolare diverse metriche quali:

1. Support: percentuale di transazioni che contengono tutti i prodotti presenti nell’itemset (es. matita, quaderno, gomma). Più è alto il Support, più frequentemente ricorre l’itemset. Le regole che presentano un Support elevato vengono preferite in quanto è più probabile che si applichino a un ampio numero di transazioni future.
2. Confidence: probabilità di acquistare l’itemset sul lato destro della regola, detto conseguente (nell’esempio di prima, la gomma), dato l’acquisto dell’itemset sul lato sinistro della regola, detto antecedente (matita e quaderno) all’interno della stessa transazione. Più alta è la Confidence, maggiore è l’affidabilità della regola.
3. Lift: rapporto tra il Support e il prodotto tra la probabilità di acquistare l’itemset antecedente e quella di acquistare l’itemset conseguente (nell’ipotesi di indipendenza). Il lift può assumere i seguenti valori:
   Lift > 1 indica che l’antecedente aumenta la probabilità che il conseguente venga acquistato
   Lift < 1 indica che l’antecedente riduce la probabilità che il conseguente venga acquistato (i due itemset possono dunque essere definiti “sostitutivi”)
   Lift = 1 indica che antecedente e conseguente sono indipendenti

Nell’analisi differenziale, confrontiamo i risultati tra diversi negozi, tra clienti in diversi gruppi demografici, tra diversi giorni della settimana, diverse stagioni dell’anno, ecc.

Se osserviamo che una regola vale in un negozio, ma non in nessun altro (o non vale in un negozio, ma vale in tutti gli altri), allora sappiamo che c’è qualcosa di interessante in quel negozio. Forse la sua clientela è diversa, o forse ha organizzato i suoi spettacoli in un modo nuovo e più redditizio. Indagare su tali differenze può fornire utili spunti che miglioreranno le vendite dell’azienda.

Vantaggi

La Basket Analysis predittiva che noi eroghiamo può essere utilizzata per identificare insiemi di acquisti (o eventi) di articoli che generalmente si verificano in sequenza. Con questi vantaggi immediati:

• aiuta a fidelizzare e far crescere il numero di clienti attraverso la creazione, la proposta e la comunicazione di un’esperienza di acquisto “mirata” e aderente alle aspettative degli stessi.
• determina le associazioni di prodotti che hanno una storia di acquisti per proporle assieme, confrontando il profilo cliente basato sulla analisi RFM Evoluta / Buyers Personas, per massimizzare vendite e profitto.

Applicazioni

• Sviluppare offerte combinate basate su prodotti spesso acquistati insieme o altamente correlati
• Organizzare e posizionare prodotti / categorie associati nelle vicinanze all’interno del negozio
• Ottimizzare il layout del catalogo di un sito di e-commerce
• Implementare la segmentazione dei clienti e creare la profilazione dei clienti in base al loro modello di acquisto
• Classificare diversi percorsi  di shopping per creare la migliore esperienza di acquisto
• Trovare la migliore associazione di prodotti

Business Intelligence E Data Analysis

La Business Intelligence viene applicata per migliorare le capacità decisionali, eseguire attività di data mining, analizzare informazioni aziendali, creare report e migliorare le capacità operative. La business intelligence si basa principalmente sui dati storici memorizzati e incide in modo significativo sulla gestione delle prestazioni aziendali e sulla gestione dei dati. A seconda della complessità dei progetti possono essere coinvolti uno o più dei nostri specialisti.