Сочинение на тему Алгоритмический подход для прогнозирования поведения клиентов в анализе рынка корзины
- Опубликовано: 21.10.2020
- Предмет: Бизнес, Информационная наука
- Темы: Обслуживание клиентов, Сбор данных, управление
Аннотация
Анализ корзины покупок – это поиск данных, содержащих товары покупателя. Анализ рыночной корзины – это процесс, показывающий корреляцию между данными в отношении поддержки и доверия. Поддержка указывает, что как часто элементы появляются в базе данных, а достоверность указывает, что правила должны генерироваться на основе частых элементов. Анализ данных в базе данных супермаркета означает понимание каждой транзакции, доступной в наборе данных, который содержит схему покупок покупателей, чтобы определить, как продукт должен быть расположен на полках. Расположение продукта – самый важный аспект для получения прибыли супермаркета. Набор данных продавца содержит информацию о товарах, приобретенных покупателем, а также комментарии относительно этого продукта, независимо от того, что они заполняют в отношении этого продукта. Apriori-алгоритм, используемый для поиска часто встречающихся товаров и правил связывания на основе транзакций клиентов. Частые позиции рассчитываются относительно поддержки, а правило ассоциации определяется относительно уверенности. В этом документе рассказывается о том, как прогнозируется поведение покупателей на основе покупок предметов покупателем. Этот метод обычно используется в области сельского хозяйства, маркетинга и образования.
Ключевые слова: интеллектуальный анализ данных, анализ рыночной корзины, поведение клиентов, алгоритм Apriori, правило ассоциации, структура, поддержка, доверие
Введение
Анализ корзины рынка – это один из методов, который анализирует покупательские привычки путем определения различий между разными товарами, которые можно хранить в корзинах покупателя. Правило ассоциации может помочь ритейлерам разрабатывать эффективные маркетинговые стратегии, часто приобретая товары, купленные вместе покупателями. Интеллектуальный анализ данных – это понимание больших наборов данных, чтобы найти несоответствующую связь и надлежащим образом обобщить данные, которые понятны и полезны для продавца. База данных обнаружения знаний обнаруживает информативные знания из большого количества сложных данных. База данных обнаружения знаний представляет собой процесс интерактивной и итеративной формы данных из большой базы данных. Он содержит различные этапы, такие как выбор, предварительная обработка, преобразование, анализ данных и интерпретация или оценка. Каждый шаг выполняет свою роль, чтобы найти информативные знания из базы данных.
Анализ корзины рынка – пример разработки майнинга правил ассоциации. Это одна из техник, которой все розничные продавцы в любом магазине или ведомственном магазине хотели бы узнать о покупательском поведении каждого покупателя. Эти результаты помогают руководству ритейлера составить план маркетинга или рекламного подхода. Анализ рыночной корзины также поможет менеджерам предложить новый способ организации магазина. Основываясь на этом анализе, предметы регулярно покупаются вместе, которые могут быть размещены в непосредственной близости с целью дальнейшего продвижения продажи таких предметов вместе. Если потребители, покупающие компьютеры, также могут приобрести антивирусное программное обеспечение одновременно, то размещение дисплея оборудования рядом с дисплеем программного обеспечения поможет увеличить продажи обоих этих продуктов.
Анализ корзины рынка – это пример извлечения майнинга правил ассоциации. Это факт, что все менеджеры в любом магазине или ведомственных магазинах хотели бы узнать о покупательском поведении каждого покупателя. Правила ассоциации – это операторы if-then, которые помогают раскрыть связь между внешне несвязанными данными в реляционной базе данных или другой информацией.
Связанная работа
Работа по описанию поддержки и доверия была рассчитана по общим формулам, и она не дает полной информации о правиле ассоциации. База данных, содержащая все транзакции предметов.
Исследователи описывают продукт, который представляет собой взаимосвязь друг с другом, с помощью анализа корзины, расположенного в магазине.
В другом обзоре авторы, Информационная система, содержащая связь между каждым покупателем товара, которая полезна для принятия будущего решения.
Работа описывает, что она использовалась в спортивной компании при покупке спортивных товаров через клиента. Он определяет схему покупки спортивных товаров, которая присутствует в базе данных.
Исследователи обнаружили, что анализ корзины рынка используется для выявления моделей покупок покупателей путем извлечения связей из разных данных транзакций магазина.
Предлагаемый подход
Dataset
Набор данных – это реляционный набор файлов, описывающих заказы клиента. Входные данные для анализа корзины рынка обычно представляют собой список торговых операций, в которых каждая имеет два измерения: одно представляет продукт, а другое представляет клиента.
Предварительная обработка данных
Все элементы в транзакции сортируются в порядке убывания по их частоте. Алгоритм не зависит от конкретного порядка частот сортировки элементов по убыванию, что может привести к гораздо меньшему времени выполнения, чем случайным образом.
Априорный алгоритм
Алгоритм Apriori генерирует наборы больших наборов элементов, которые находят каждый размер поддержки элементов. Сложность априорного алгоритма всегда высока. Частые наборы элементов расширяются по одному элементу за раз, и группа кандидатов проверяется на соответствие данным. Он управляет всеми транзакциями, которые присутствуют в базе данных.
Выводы
Входные данные: база данных, содержащая элементы. Выходные данные: частые наборы элементов.
Алгоритм
- S – это набор данных, содержащий элемент. Минимальная поддержка меньше 1 и больше 0. Минимальная поддержка реальна.
- Принять сделку клиента.
- Рассчитать поддержку для каждого элемента.
- Возьмите первую транзакцию и так далее.
Правило ассоциации
Содержит правила if-then, которые поддерживают данные. Анализ рыночной корзины – это правило ассоциации, которое касается содержания торговых точек крупных ритейлеров. Он идентифицирует отношения среди атрибута, который присутствует в базе данных. Он назначает отношения одного предмета с другим предметом. Фактом является то, что все менеджеры в любом магазине или ведомственных магазинах хотели бы получить информацию о покупательском поведении каждого покупателя.
Набор частых предметов
Есть элементы «n», и это дает несколько комбинаций элементов «n», и, наконец, клиент выбирает правильную комбинацию элементов в соответствии со своим собственным выбором.
Поведение клиента
Анализ Корзины Рынка позволяет ритейлерам определять отношения между продуктами, которые покупают люди. Рынок таргетинга должен рассылать рекламные купоны покупателям на товары, которые они недавно приобрели. Большинство клиентов покупают один и тот же продукт в соответствии со своими требованиями.
Разработка правил классификации
Анализ правил классификации – эффективная стратегия для формирования поведения клиента. Получение приемлемых классификаторов может быть так же важно, как достижение высокой точности, которая помогает принимать эффективные решения в бизнесе. Сложность интеллектуального анализа правила классификации составляет O (pCp n), где p – количество элементов в правиле классификации, а n – количество транзакций клиента. Он содержит более трех элементов для генерации правил.
Метод классификации лучше, чем правила ассоциации. Набор данных содержит различные поля покупок товаров покупателем. Правило связывания содержит два элемента, поэтому оно не может дать полный счет на основе всего набора данных, вместо того, чтобы при майнинг-правиле классификации было указано количество на основе всего набора данных с использованием другого поля элементов.
Результат
Майнинг правил ассоциации, сгенерированный из алгоритма априори. Правило должно быть сгенерировано в соответствии с этим правилом мы получаем поведение клиента. Поведение клиента на основе правила, сгенерированного из набора данных. Набор данных, содержащий товары, приобретенные клиентом, с указанием их количества, цены за единицу и т. Д. Это правило содержит 2 пункта. На основе правил должен быть сформирован график, который показывает, что все меньшие и большие круги содержат большое или меньшее количество клиентов, приобретающих такие товары. Вместе с тем, сколько клиентов, приобретающих эти товары на основе правила, должно быть сгенерировано, следовательно, это дает ограниченное количество по сравнению с правилом классификации.
Ассоциация на основе классификации, которая генерируется правилом ассоциации. Это дает лучшую производительность, чем правило ассоциации. Это уменьшает сложность априорного алгоритма и повышает производительность. Анализ правил классификации лучше по сравнению с анализом правил ассоциации.
Поведение клиента, созданное на основе правила классификации. Это правило генерируется из страны, поэтому оно дает фактическое количество на основе полного набора данных.
Точность алгоритмов
Ассоциация правил майнинга 74,58%
Классификация правил майнинга 81,33%
Заключение
В этом документе показано, что анализ корзины для покупателя является важным инструментом для выявления часто встречающихся товаров и отношений между ними. Он генерирует частоты элемента. Исходя из их частоты товар размещен в макете магазина. Элемент, который часто покупается клиентом и который сначала размещается на макете. Элементы, размещенные один за другим, которые помогают покупателю легко находить элементы. Алгоритм Apriori помогает создать правило ассоциации и частый набор элементов. Алгоритм apriori поможет получить алгоритмы интеллектуального анализа правил ассоциации для анализа рыночной корзины, что поможет лучше классифицировать огромное количество данных. Алгоритм априори может быть эффективно изменен в отношении интеллектуального анализа правил классификации, что уменьшает сложность времени и повышает точность. Правило ассоциации помогает понять поведение клиента в зависимости от продукта. Как правило ассоциации, так и правило классификации способны определять поведение клиентов на основе различных продуктов.
Важность управления талантами и почему вы должны инвестировать в него Управление талантами – это не просто ключевые термины, с которыми вы сталкиваетесь. Управление талантами –
Исследование под названием «Моделирование путей эвакуации при пожаре в начальной стадии для исторического жилого района канала» [19] действительно может оказать огромную помощь в спасении жизней.
В этом заявлении будет проанализирована игра с бизнес-симуляциями в реальном времени, а также сконцентрированы на командной работе и бизнесе подходящие мнения. Через 2 года операции