迴歸模型 (Linear Regression Model) 是非常流行的統計模式，分析的結果也被大量地應用在各個產業上，然而，迴歸分析雖也屬於資料探勘裡常用的演算方法，但它主要的演算方法卻是來自於統計分析的推估，因此須在正式進入迴歸分析之前，必須先確認各項資料條件滿足迴歸模型的基本假設，才適宜選用迴歸模式進行分析。否則，會造成資料本身不配適迴歸，但卻強迫進行迴歸模型建置，最終結果會造成模型解釋力始終無法被提升。

分群結果重在行銷命名與應用 分群分析的結果產出通常不會一次就滿足分析者的需求，往往會透過多次的產出結果的解讀與群集的調整，來找到最適合的群集結果。 分群的結果追求的不是模型的準度而是它的應用性，哪一個群集結果的產出最能讓行銷人員解讀與進一步應用，才是適切的分群結果。因此如何快速的調整或找到適合的分群結果，才是學習分群的重點之一。

階層分類購物籃分析首要的第一步就是產品分類資料集的準備，當產品的品項繁複時，直接透由關聯節點(Association Node)來進行購物籃分析，關聯分析所得的關聯規則會是細項產品間的交易關聯，甚至可能細到不同品牌，反而不容易看出消費者的整體的消費趨勢。因此透由SAS EM的購物籃節點(Market Basket Node)來進行分析則可以解決傳統購物籃分析的問題，購物籃節點透過商品間的階層關係事先建立，再進行關聯分析時則可以解決上述分析解讀的問題。