購物籃分析不僅單純地可拿來做零售商品的產品購買關聯，在SAS EM裡關聯節點或購物籃節點被歸屬在SEMMA循環裡的Explore工具池裡，所以這兩個節點可以拿來當作建置預測模型時的資料瀏覽工具，更進一步可將節點結果的產出匯出當作預測模型的新衍生變數。另外，購物籃分析也可以連結分群分析，協助行銷人員做更精準的行銷設計規劃(詳細內容可參考前兩期的專欄內容)。
購物籃分析的常見資料問題
購物籃分析雖實務常運用，也容易產出結果，但要真實要產出有用的潛在具有商業價值的規則，其實需要事前的資料整理技術，資料面容易出現下列問題：
-
當商品數量增加，必需進行的運算會成幾何級數增加對於資料的個別特性不甚重視難以決定組合的適當的商品數容易剔除罕見商品雜質的處理上述的資料問題多存在於商品量過多，沒有適當的商品分類，因此，SAS EM提供兩個關聯分析演算概念的工具節點可用來進行購物籃分析，一個為關聯節點(Association Node)，運用在產品項目較少的商品購品組合分析上，前兩期有清楚的介紹；另一個則為本期特別說明的購物籃節點(Market Basket Node)，用在產品分類較多且具有階層關係，即商品分類具有大中小類的區分。當產品多樣且有多分類時，關聯分析節點所呈現的關聯規則結果，所呈現的為細項產品間的購買關係，因此多是大宗的消費性商品的購買規則容易被截取出來，奢侈性或精品型商品則因交易頻度稀少而不容易出現規則，無形中容易忽略掉隱藏的有用商業規則。而SAS EM的購物籃分析節點解決了上述傳統關聯分析的缺失，將產品的分類關係帶進關聯分析裡，因此在產出的關聯規則裡我們也可以看到產品細類與中分類存在著某些消費關聯。選擇正確的分類組合效果更佳購物籃分析節點(Market Basket Node)可以依據商品本身的特性決定適當的分類層級：如商品的特性、有效的關聯規則的結果、交易的商品的頻率等，來產生或調整商品的分類架構。例如：昂貴的商品應用細分類，而便宜或屬日常生活的一般性消費，則可用粗分類。混合式的分類可以讓特定商品規則更凸顯，也避免常見的商品占領多數規則。而SAS EM的購物籃分析節點(Market Basket Node)就可以處理這樣具有產品分類關係的關聯分析結果。購物籃分析節點的操作實例(一)資料說明某零售超商有兩大消費商品分類，分為日常消費產品以及冷凍食品，兩大分類包含十種零售商品，下圖一為商品的分類階層。
表一為客戶的消費清單，進行購物籃分析時，需準備交易型資料集(transaction dataset)，一個客戶有多筆資料，如右表所示。同時，資料欄位至少要準備：客戶代碼/客戶名稱(customer)、商品項目(item)兩個資料欄位，方能進行分析。(二)建構商品分類階層關係
運用SAS EM購物籃分析節點(Market Basket Node)進行購物籃分析時，除了準備客戶交易紀錄資料表外，還要匯入商品分類階層表，如右表二。如此在進行購物籃分析時，才能顯示出分類產品間的購買關係，了解消費者趨勢性的消費偏好。上述所提及的客戶交易紀錄資料表與商品分類階層表，購物籃分析所需的兩個資料表，本次操作實例直接透過SAS程式產生，程式內容如下：
購物籃分析資料準備好，即可匯入SAS EM進行資料分析程序。(下期繼續介紹EM階層分類購物籃分析的操作流程)TagsShareAbout Author
