关联规则挖掘就是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识。随着收集和存储在数据库中的数据规模越来越大人们对从这些数据中挖掘相应的关联知识越来越有兴趣。例如从大量的商业交易记录中发现有价值的关联知识就可帮助进行商品目录的设计、交叉营销或帮助进行其它有关的商业决策。
挖掘关联知识的一个典型应用实例就是市场购物分析。根据被放到一个购物袋的购物内容记录数据而发现的不同被购买商品之间所存在的关联知识无疑将会帮助商家分析顾客的购买习惯。如图所示。
发现常在一起被购买的商品关联知识将帮助商家制定有针对性的市场营销策略。比如顾客在购买牛奶时是否也可能同时购买面包或会购买哪个牌子的面包显然能够回答这些问题的有关信息肯定会有效地帮助商家进行有针对性的促销以及进行合适的货架商品摆放。如可以将牛奶和面包放在相近的地方或许会促进这两个商品的销售。
若将商场所有销售商品设为一个集合每个商品item均为一个取布尔值真/假的变量以描述相应商品是否被一个顾客购买。因此每个顾客购物袋就可以用一个布尔向量来表示。分析相应布尔向量就可获得那些商品是在一起被购买关联的购物模式。
所以作为一个商场主管肯定想要知道商场顾客的购物习惯尤其是希望了解在一次购物过程中那些商品会在一起被顾客所购买。为帮助回答这一问题就需要进行市场购物分析即对顾客在商场购物交易记录数据进行分析。所分析的结果将帮助商场主管制定有针对性的市场营销和广告宣传计划以及编撰合适的商品目录。
比如市场购物分析结果将帮助商家对商场内商品应如何合理摆放进行规划设计。其中一种策略就是将常常一起购买的商品摆放在相邻近的位置以方便顾客同时购买这两件商品如如果顾客购买电脑的同时常也会购买一些金融管理类软件那么将电脑软件摆放在电脑硬件附近显然将有助于促进这两种商品的销售而另一种策略则是将电脑软件与电脑硬件分别摆放在商场的两端这就会促使顾客在购买两种商品时走更多的路从而达到诱导他们购买更多商品的目的。