datawiz.io
Компания
17,58
рейтинг
28 октября 2014 в 14:15

Разработка → Парные товары. Размещения товаров в торговом зале



В этом небольшом и простом кейсе мы расскажем, что такое парные товары, и как с помощью ассоциативных взаимосвязей увеличить доходность бизнеса.

Итак, Пары — это товары, часто покупаемые вместе. В паре один товар является ключевым (якорным), а второй — сопутствующим. On-line сервис Datawiz.io выявляет парные взаимосвязи товаров при помощи алгоритма APRIORI.

Анализируя покупательские корзины, мы выявляем ключевые товары и сопутствующие пары к ним. Таких пар может быть огромное количество, ограниченное только ассортиментом магазина. Каждая такая пара имеет свою частоту покупок, процент вероятности покупки вместе и количество чеков, в которых пара встречается за выбранный период.
image
К примеру, пара «Снеки-Морепродукты» и «Пиво» встречается в 435-ти чеках на протяжении месяца. Поддержка пары — эта пара встречается в 1,29% от общего количества чеков магазина за этот период. Достоверность пары — при покупке ключевого продукта «Снеки» 60,17% покупателей приобретают сопутствующий товар «Пиво».

«Ну и что?» — скажете Вы. – «Как мне использовать эти данные? Какую выгоду я получаю?». Владея подобной информацией, Вы сможете своевременно стимулировать продажи ключевых продуктов, тем самым увеличив объем продаж высокодоходных сопутствующих товаров. Таблицы парных товаров призваны существенно облегчить маркетинговый контроль.

Второй способ прикладного использования парных товаров, это рекомендации касательно размещения товаров на торговой площади. Эти рекомендации используются для того, чтобы понять, какие товары лучше разместить рядом, а какие далеко, не потеряв покупателей.

Можна сформировать график размещения товаров на основе Поддержки и Достоверности. Точки на графике — это пары товаров. Исходя из их расположения на графике можно делать выводы про их размещение на торговой площади относительно друг друга.
image
1) В секторе 1 находятся пары с прочной взаимосвязью. Вероятность покупки сопутствующего товара при покупке ключевого очень высокая. Также высок процент чеков с данными парами. Товары, продающиеся хорошо, такие как “Снеки” и “Пиво”, можно расположить далеко друг от друга и это не приведет к падению спроса.

2) В секторе 2 находятся пары, в которых вероятность покупки сопутствующих продуктов снижается, хотя их поддержка в чеках остается высокой. Чтобы исправить ситуацию и увеличить продажи сопутствующих товаров, следует поместить их рядом с ключевыми.

3) Сектор 3 отображает случайные пары.

4) В парах из сектора 4 стремительно падает процентное соотношение чеков, в которых они встречаются. Вероятность же покупки сопутствующего товара с ключевым, напротив, растет. Такие пары нуждаются в дополнительной стимуляции, например, акции и рекламные щиты. Но при этом их не обязательно располагать рядом.

Производя ежедневный анализ и используя ассоциативные взаимосвязи товаров, получаем результат:

— экономия времени и эффективное использование торгового пространства;
— сокращение затрат на маркетинг;
— получение дополнительной прибыли от продажи сопутствующих товаров без дополнительных вложений.
Автор: @jinxu
datawiz.io
рейтинг 17,58
Компания прекратила активность на сайте
Реклама помогает поддерживать и развивать наши сервисы

Подробнее
Реклама

Комментарии (17)

  • 0
    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.
    • +1
      На хабре есть хорошая статья по apriory habrahabr.ru/post/66016/. Я не хотел углублятся в алгоритм, хотелось росказать о приминении.
    • 0
      дайие пожалуйста линк на курс на курсере.
  • +8
    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».
    • –2
      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.
    • –1
      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.
      • 0
        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.
        • 0
          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?
      • +1
        Конечно-же, имелась ввиду микроэкономика, правда? :)
        • –1
          Правда, если брать конкретно понятия комплиментарности или субститутов, хотя в целом это все-равно макроэкономика.
    • 0
      хлеб и молоко — товары первой необходимост, их покупают в любом случае, независимо от расположения.
      • +1
        Почему вы так решили? Молоко не является товаром первой необходимости, даже исключено из потребительской корзины, к тому-же 18% россиян имеют непереносимость лактозы как таковой. У вас есть какие-либо данные кроме личного опыта?
  • 0
    Так все же, каковы финансовые результаты применения?
  • +7
    Достоверность пары — при покупке ключевого продукта «Снеки» 60,17% покупателей приобретают сопутствующий товар «Пиво».

    Пиво — основной товар, все остальное — потом.
    • 0
      Вот меня тоже смутило это. Вроде же покупают пиво основным, а к нему — закуску
      • +3
        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.

Только зарегистрированные пользователи могут оставлять комментарии. Войдите, пожалуйста.

Самое читаемое Разработка