Matket Baskete Analisys

Beneficios del Market Basket Analysis: Experiencias en un Supermercado de Santiago

Luis Aburto Lafourcade
Data Analysis for Decision Support (DADS) luaburto@dads.cl

Agenda
         Introducción al Problema Data Mining y KDD Market Basket Analysis DEMO de Análisis de Canasta Usos y Aplicaciones de la Herramienta Beneficios para el Supermercado Desarrollos Futuros Herramienta deData Mining como Service Conclusiones

El Negocio del Retail
     Gran Cantidad de Productos 5.000 SKU’s Gran Cantidad de Clientes (muchas veces no identificables) Gran Cantidad de Datos: POS Industria de Supermercados en fuerte competencia Variables claves del negocio
    Retener al cliente actual Manejo de la Sala Control de existencias Generación de Promociones atractivas para losclientes - Descuentos - Packs de Productos

¿En base a qué información realizo las promociones?
De manera Instintiva
 Visión sesgada de la realidad  Pierdo oportunidades de negocio al desconocer la evolución del comportamiento de los clientes  Solución rápida al problema

En base a los datos transaccionales
 Analizar los millones de boletas que se originan en la cadena  Estudiar lascombinaciones entre productos  Problema de gran tamaño con tiempos de solución altísimos.  Soluciones confiables y dinámicas en el tiempo.

Data Mining y KDD
Data Mining es el proceso no trivial de identificación de patrones entendibles, válidos y potencialmente útiles para el negocio, desde grandes bases de datos. (Fayyad, 1996)
Patrones como:

Ciclos de Vida de Clientes Tipos deClientes Comportamientos de Compra Fraude

Data Mining y KDD

6. Apoyo a la Toma de Decisiones 5. Visualización del conocimiento
4.Interpretación y Evaluación 3.Data Mining
Knowledge

2.Selección y Preprocesamiento
p(x)=0.02

Conocimiento

1.Consolidación de los Datos
Warehouse DW

Patrones y Modelos Datos preparados

Datos Consolidados

Análisis de Canasta (Market BasketAnalysis)
Los hábitos de compra de los clientes pueden ser representados a través de asociaciones o correlaciones entre los diferentes productos que compran en sus “canastas”.

Cliente 1:

Cliente 2:

Cliente 1:

Arroz, puré, bebida

Arroz, helado, pan

Arroz, bebida, cerveza

Amazon y Barnes&Nobles

Asociación de Productos

Asociación de Productos

Análisis de Canasta:Indicadores Las relaciones entre productos se miden por:
Importancia Relativa (support):indica el porcentaje de transacciones que
llevan el antecedente y el consecuente, con respecto al total de transacciones analizadas Ej: {arroz, puré, cerveza}, {arroz, helado, pan}, {arroz, bebida, cerveza} Importancia Relativa(arroz cerveza)= 2/3=66% Este indicador señala que tan frecuente es la relación entreproductos con respecto al universo de boletas. Pero no indica si existe vínculo entre ambos productos.

Análisis de Canasta: Indicadores
Confiabilidad (confidence):indica el porcentaje de transacciones que llevan
el antecedente y el consecuente juntos, con respecto al total de transacciones que llevan el antecedente. Ej: {arroz, puré, cerveza}, {arroz, helado, pan}, {arroz, bebida, cerveza}Confianza (cerveza puré)= 1/2=50% Esta relación señala el vínculo o sinergia entre ambos productos (probabilidad condicional). Pero, qué pasa en el siguiente caso: Confianza(helado arroz)=1/1= 100% ¿Quiere decir que hay una fuerte relación entre estos productos?

Análisis de Canasta: Indicadores
Ganancia (gain or Improvement): puntaje que representa el aumento en la
probabilidad de seleccióndel consecuente, al ser comprado en conjunto con el antecedente Ganancia (AB)=Confianza(AB)/Importancia Relativa(B) Ej: {arroz, puré, cerveza}, {arroz, helado, pan}, {arroz, bebida, cerveza} Ganancia(helado arroz)=1/1= 1 Ganancia(bebida puré)=0,5/0,3= 1,5 Con estos indicadores podemos entender las relaciones entre clientes

Algoritmo APRIORI
Algoritmo de Búsqueda de Asociaciones de...