“啤酒与尿布”：零售业的购物篮分析与推荐系统--替代还是互为补充？

啤酒与尿布”故事来源于零售卖场的购物篮分析，其算法出自1993年推出的Apriori算法，在数据分析界，购物篮分析称为Market Basket Analysis（MBA），属于关联分析Assoiceation Analysis的一个分支, 关联分析是数据挖掘的十大明星算法 。

几乎所有的数据分析教科书都喜欢使用“啤酒与尿布”作为案例，进行关联算法解析，因此将“啤酒与尿布”与关联分析进行划等号，某种程度上也说得过去。

近20年来，电商平台业务发展突飞猛进，基于关联分析（有时也称为相关性分析）的推荐系统得到了极大丰富及完善，由此产生了一个说法，即购物篮分析无用论，推荐系统可以完全替代购物篮分析。

对此，我本人有深刻体会，我撰写的新书《啤酒与尿布–神奇的购物篮分析新篇：零售业关联分析与应用 ：（“Bear and Diapers”：The Assoiceation Analysis In Retail）》，被众多出版社鄙视，编辑们认为推荐系统已经取代购物篮分析，只要不是介绍大厂的推荐系统，一律退稿。

我认为，购物篮分析与推荐系统并不能相互替代，而是有着不同的应用场景，可以各自发展独特的作用。

我们知道，推荐系统的应用场景是线上电商平台的前端应用，追求在客户浏览页面时时分秒必争，将关联商品快速推荐给客户，形成购物车、促成购买。

购物篮分析是顾客购物完成后，根据购物篮商品组成分析顾客的消费场景，找出其中的商品关联规则，为后续的选品、场景制订、促销、陈列、顾客聚类提供依据。

推荐系统只能应用于线上电商平台，实体门店无法有效使用，即使某些实体店在试图将推荐系统嵌入到app中，效果并不佳。

购物篮分析可以应用于传统实体门店，比如沃尔玛的Retail Link，对于实体店来说，购物篮分析可能是实体店了解顾客需求的唯一途径。

购物篮分析也是电商平台的后端重要分析工具，以亚马逊为例，购物篮分析是重要销售分析工具。

亚马逊是当今国际上最大的电商交易平台，为了更好地服务电商平台上的卖家（供应商与品牌方），亚马逊推出了“亚马逊品牌分析服务（Amazon Brand Analytics Service，简称ABA）“，该服务产品主要面向卖家，可以为卖家提供有价值的经营分析数据，帮助卖家更好的组织市场营销及商品组合策略，其中的购物篮分析（MBA：Market Basket AnAlysis）是ABA的重要分析工具。

亚马逊的ABA与沃尔玛的Retail Link相同之处在于，除了常规的销售分析外，都提供了成熟的购物篮分析工具，值得注意的是，Retail Link与ABA中的购物篮分析中的购物篮分析指标体系、分析页面展现都基本一致。 代表了国际上线下与线上购物篮分析的最高境界、以及二大零售巨头对于购物篮分析实用性的深刻理解。

我会在后续的文章中，详细讲解Retail与ABA中购物篮分析的相关功能及设计思路。

二者不同之处在于，由于数据来源及覆盖面存在很大差异，ABA提供的服务功能更加丰富、强大。

亚马逊的ABA数据来源为电商平台中的顾客浏览、交易（购物篮）等全程轨迹数据。

沃尔玛的Retail Link 数据来源为沃尔玛下属4000家门店POS机交易数据，缺乏详细顾客信息及购买行为数据。

比如在购物篮分析中，Retail Link只能提供商品之间的频繁模式（Frequently bought togther），即哪些商品会经常一起被购买，按照推荐算法的含义，属于基于内容（content-based）的算法范畴。

而亚马逊的ABA 除了可以提供商品之间的关联关系，还可以提供是哪些顾客购买这些商品组合（Customers who bought this Item also bought），即 ABA中的购物篮分析不仅可以基于内容，还有基于顾客行为的协同过滤（collaborative filtering）算法。

除此之外，ABA还可以根据顾客的购买行为轨迹，对顾客的复购模式进行时间序列模式的数据挖掘及利用。

由于掌握了顾客在电商平台的浏览、购物等行为轨迹数据，ABA还可以提供顾客的商品比较与替代购买行为，这是线下的Retail Link所不具备的。

回头看看我们国内零售企业，无论是电商平台、还是实体门店，购物篮分析的应用近乎空白。

以电商平台为例，不管是某东、某宝，购物篮分析只是入门级的Apriori算法应用，只能称为装装样子。

而实体门店的购物篮分析全然是空白！

对比500强的第一、第二名，国内零售企业的购物篮分析空白代表了对于零售认知的缺乏！