麻瓜購物學：產品交叉銷售實務(1)(文件)
【正文】 ri演算法 ? 最大規(guī)則物件數(shù)： ? 「當 A產品組合時則會購買 B」的規(guī)則中， A所包含的產品數(shù)量 ? 最小支援 ? 最小信心水準 ? 運算流程 ? 掃過全部交易記錄，產生一個物件數(shù)的所有物件組合 ? 刪除未達最小支援的物件組 ? 產生兩個物件數(shù)的物件組合，刪除最小支援的物件組 ? 反覆步驟，直到產生出包含「最大規(guī)則物件數(shù)」 +1個物件的物件組 ? 刪除未達到最小信心水準的規(guī)則 建置關聯(lián)規(guī)則模型 _步驟 ? 選取「 Microsoft關聯(lián)規(guī)則演算法」 ? 設定資料來源 ? 設定資料來源檢視 ? 設定「案例資料表」與「巢狀資料表」 ? 設定「索引鍵」、「輸入」、「可預測」 ? 設定資料類型與內容類型 ? 命名資料採礦模型結構與採礦模型 ? 處理資料採礦模型 建置關聯(lián)規(guī)則模型 ? 案例資料表：一個分析單位一筆 (主鍵 , PK) ? 巢狀資料表：一個分析單位多筆 (外鍵 , FK) ? 必須在資料來源檢視中設定主鍵外鍵關聯(lián)性 ? 設定「案例資料表」與「巢狀資料表」 建置關聯(lián)規(guī)則模型 ? 案例資料表的索引鍵就是案例資料表的主鍵 ? 巢狀資料表所要分析的產品同時設為「索引鍵」、「輸入」、「可預測」 ? 設定「索引鍵」、「輸入」、「可預測」 時序群集 ? 找出客戶下一次會來買些什麼 ? 適合持續(xù)型交易之購物模式 ?銀行 ?保險 ?電信 ?3C零售 如何開發(fā) Amazon自動推薦機制 ? ? 根據(jù)歷史 POS資料建立關聯(lián)規(guī)則模型 ? 根據(jù)客戶已經購買過之商品自動推薦他其他可能購買之商品 . ? 請根據(jù)客戶目前購買之商品推薦最有可能購買的五樣商品 SELECT FLATTENED PredictAssociation([AssociationModel].[ProductDetail], INCLUDE_STATISTICS, 5) FROM [AssociationModel] PREDICTION JOIN …. 客戶下一次會來買什麼 ? ? 關聯(lián)規(guī)則是找出哪些商品同時購買 ? 時序群集是找出客戶下次回買什麼 ? 請推薦客戶下次來店購買機率最高的兩樣商品 ? SELECT FLATTENED PredictSequence ([SequenceModel].[ProductDetail], INCLUDE_STATISTICS, 2) FROM [SequenceModel] PREDICTION JOIN … 商品推薦技術
教學課件相關推薦
鄂ICP備17016276號-1