Comments 17
Во тут (http://infolab.stanford.edu/~ullman/mmds/ch6.pdf) более детально разобраны именно алгоритмы (и Apriori и более эффективные). Плюс на курсере сейчас курс идет точно по книжке, линк на главу из которой я привел.
P.S. Почему-то не работают ссылки на хабре.
P.S. Почему-то не работают ссылки на хабре.
На хабре есть хорошая статья по apriory habrahabr.ru/post/66016/. Я не хотел углублятся в алгоритм, хотелось росказать о приминении.
дайие пожалуйста линк на курс на курсере.
На практике чаще вижу как в супермаркетах хлеб и молоко находятся в диаметрально противоположных углах — идет расчет на то, что пока покупатель будет гулять по торговому залу в поисках «пары», он попадется на какую-нибудь «ловушку для покупателя».
Так и есть, но это немного не то и относится именно к хлебу и молоку. Особенно заметно в действительно больших супермаркетах, когда от хлеба до молока надо пройти метров 50 мимо всего ассортимента от фруктов с овощами и мяса до хозяйственных товаров и зубной пасты. Но в статье все таки речь обо всех остальных товарах.
Всё просто, хлеб и молоко — не комплиментарные товары, им нет необходимости находится рядом.
PS удивительно, когда люди не знакомые с основами макроэкономики — начинают учить как увеличить доходность бизнеса.
PS удивительно, когда люди не знакомые с основами макроэкономики — начинают учить как увеличить доходность бизнеса.
Хлеб и молоко, действительно не комплементарные (дополняемые) товары.
Видимо минус Kern получил за последнюю фразу)) По его профилю, кстати, не очевидно, что и он в ней разбирается.
Видимо минус Kern получил за последнюю фразу)) По его профилю, кстати, не очевидно, что и он в ней разбирается.
Анализ знаний по профилю?) Лучше перечитайте статью, по ней по крайней мере точно можно определить уровень погружения в тему. Визуальный мерчендайзинг не учитывается, причина и следствие перепутаны местами, матстат никак не коррелирует с маркетинговыми исследованиями, но в заголовке нам обещают повысить доходность бизнеса. Это мошенники или поверхностные энтузиасты?
Конечно-же, имелась ввиду микроэкономика, правда? :)
UFO just landed and posted this here
Так все же, каковы финансовые результаты применения?
Достоверность пары — при покупке ключевого продукта «Снеки» 60,17% покупателей приобретают сопутствующий товар «Пиво».
Пиво — основной товар, все остальное — потом.
Вот меня тоже смутило это. Вроде же покупают пиво основным, а к нему — закуску
Думаю, что тут дело в том, что используются достаточно узкие определения пар, из-за чего получается, что при покупке, скажем, сушеных кальмаров, вероятность покупки пива около 0.7 (70%), а вот обратное неверно, ибо вместе с пивом многие покупают не кальмаров, а тараньку/чипсы/сухарики/орешки, в результате чего вероятность покупки именно кальмаров уменьшается до неприличных размеров (скажем 0.2-0.4).
С одной стороны, всю закуску можно попробовать загнать в один кластер товаров, и использовать такой кластер в парном анализе, а с другой стороны таранька и кальмары популярны в основном с пивом, а вот чипсы и сухарики популярны ещё и с газировками.
Можно попробовать сделать пересекающиеся кластеры вроде «закуски к пиву» и «закуски к газировкам», но во-первых тогда нужен «эксперт» для подготовки данных(можно и без эксперта, просто по порогу отобрать «перевернутые пары») и обучения машины, а во-вторых придётся менять многие алгоритмы.
В общем, для составления выкладки товара первичность в паре не критична(всё равно рядом класть, да и после парного анализа как раз оптимально прогнать кластеризацию пар, которая и стянет всю закуску к полкам с пивом), а попытка её «починить», может сломать другие пары.
С одной стороны, всю закуску можно попробовать загнать в один кластер товаров, и использовать такой кластер в парном анализе, а с другой стороны таранька и кальмары популярны в основном с пивом, а вот чипсы и сухарики популярны ещё и с газировками.
Можно попробовать сделать пересекающиеся кластеры вроде «закуски к пиву» и «закуски к газировкам», но во-первых тогда нужен «эксперт» для подготовки данных(можно и без эксперта, просто по порогу отобрать «перевернутые пары») и обучения машины, а во-вторых придётся менять многие алгоритмы.
В общем, для составления выкладки товара первичность в паре не критична(всё равно рядом класть, да и после парного анализа как раз оптимально прогнать кластеризацию пар, которая и стянет всю закуску к полкам с пивом), а попытка её «починить», может сломать другие пары.
Sign up to leave a comment.
Парные товары. Размещения товаров в торговом зале