Схожие и зависимые товары

[GAS1979]

Есть данные по продажам в супермаркете товаров в разрезе чеков и товаров
Есть такая проблема, нужно выявить схожие и зависимые друг от друга товары
Я пробовал делать это при помощи корелляции и кластеризации, вроде чегото выходит, но вот процес этот трудоемкий, и на сколько это верно, тоже вопрос.
Может есть готовые решения (программы), или подскажите где можно почитать. Но только не по самому методу корелляции и клатеризации, а с примерами по торговле

[anualu]

есть потребность в аналогичном анализе. Пока встретил только отчественную разработку deductor. В ограниченной версии работает только со 150 записями. Выдает "потребительскую корзину".
Пробовал сделать что-то аналогичное в SPSS - не получилось

[Кучумов Евгений]

Господа, зачем изобретать велосипед?!?!
Всего два критерия: номенклатура и цена. Внутри каждой номенклатурной группы выделяете типичные позиции.
Схожесть/зависимость - вообще умозрительно решается.
Не поленитесь, сделайте один (!) раз шаблон и станет вам счастье.

[Сергей А. Степанов]

Умозрительные заключения на основе ценников — это сродни гаданию на кофейной гуще, стат. анализ даёт качественно иную исходную информацию для принятия решений.

[iusovich]

Предлагаю следующий вариант:
1) разбиваете весь ассортимент на категории с точки зрения потребителя (имеющаяся классификация может не поддойти, если разбиение на категории проводилось по другим признаком или не для задач анализа. Например: зубные щётки и зубные пасты в одной категории).
2) программно (напр.: access + excel) перебираете все чеки за определённый период (я бы взял несколько недель, не праздники) по нескольким похожим магазинам и все возможные пары категорий.
На выходе нужно получить таблицу: 1 строка ~ паре категорий (например: пиво - молоко, соки - овощи). Столбцы (как вариант):
категория 1 | категория 2 | количество чеков| % чеков от категории 1 |% чеков от категории 2 | % выручки от категории 1| % выручки от категории 2|
В результате получите (как вариант), что 50% чеков, содержащих бутылочное пиво, также содержат водку 0,5л, причём эти чеки дают 80% от оборота пива. Иначе 99% чеков, содержащих фрукты и овощи также содержат что-то ещё и средняя величина такого чека в 2 раза превосходит средний чек по магазину.

Вариантов может быть масса... Главное, грамотно поделить и перебрать все чеки.
Ответа на вопрос, что есть причина, а что - следствие, с помощью статистики не получить. И от экспертных методов при анализе ассортимента супермаркета не уйти.

Данный алгоритм я однажды использовал. Во многом результаты были очевидны или уже описаны в литературе. Но можно было сделать и интересные выводы, которые затем помогли в мерчандайзинге и ценообразовании (чуть-чуть).

[GAS1979]

Предлагаю следующий вариант:
1) разбиваете весь ассортимент на категории с точки зрения потребителя (имеющаяся классификация может не поддойти, если разбиение на категории проводилось по другим признаком или не для задач анализа. Например: зубные щётки и зубные пасты в одной категории).
2) программно (напр.: access + excel) перебираете все чеки за определённый период (я бы взял несколько недель, не праздники) по нескольким похожим магазинам и все возможные пары категорий.
На выходе нужно получить таблицу: 1 строка ~ паре категорий (например: пиво - молоко, соки - овощи). Столбцы (как вариант):
категория 1 | категория 2 | количество чеков| % чеков от категории 1 |% чеков от категории 2 | % выручки от категории 1| % выручки от категории 2|
В результате получите (как вариант), что 50% чеков, содержащих бутылочное пиво, также содержат водку 0,5л, причём эти чеки дают 80% от оборота пива. Иначе 99% чеков, содержащих фрукты и овощи также содержат что-то ещё и средняя величина такого чека в 2 раза превосходит средний чек по магазину.

Вариантов может быть масса... Главное, грамотно поделить и перебрать все чеки.
Ответа на вопрос, что есть причина, а что - следствие, с помощью статистики не получить. И от экспертных методов при анализе ассортимента супермаркета не уйти.

Данный алгоритм я однажды использовал. Во многом результаты были очевидны или уже описаны в литературе. Но можно было сделать и интересные выводы, которые затем помогли в мерчандайзинге и ценообразовании (чуть-чуть).

Да, это все интересно, но по номенклатуре в 1500 рабочих позиций ексел - это уже маразм, я пробовал для теста на 50 позициях, занило у меня это 2 дня. Я согласен, что статистикой не все получится, но выбрать наиболее привлекательную группу, это вполне реально.

Далее следует другой вопрос, нужно сделать прогноз, что будет, если убрать из ассортимента товар х, какие продажи упадут, какие выростут, а может вообще не чего не изменится. Конечно это будет приблизительно, но всеже чтото покажет, чем экспертным методом, на протяжении годов извлекать и обратно ставить тот или иной товар, это все приведет к краху бизнеса, а надо щас чтото делать.

Есть уже история, есть изменения тех или иных товаров, есть изменения всего ассортимента. Даже корреляция это вытаскивает. Вопрос, как с этой громадной матрицей (1500 * 1500) потом работать.

Есть подобные вещи в дорогих продуктах, в полноценных ЕРП-системах, но может есть в более направленных продуктах.

[Кучумов Евгений]

Умозрительные заключения на основе ценников — это сродни гаданию на кофейной гуще, стат. анализ даёт качественно иную исходную информацию для принятия решений.

Естественно!!! Но ведь он хочет искать взаимодополняющие позиции с помощю ПО. Надеюсь, то, что данные в ПО заводятся для дальнейшей обработки на основании принятых, в том числе и умозрительно, решений - не оспаривается.

Gas, 1500 позиций - далеко и далеко не рекорд. Повторю: один раз сделайте шаблон и станет Вам счастье.

[iusovich]

To Gas:

1500 позиций - это очень мало. Естественно, искать влияние между каждой из них - задача ОЧЕНЬ сложная. Но, нужно ли Вам это?

Например, поймёте Вы, что 80% покупок пива А сопровождаются покупкой чипсов В. И что? Вывели Вы пиво А, неудовлетворённый спроспочти полностью перераспределелся на пиво С, D, E и F. А вместе в этим пивом стали также покупать чипсы B.

На мой взгляд, искать взаимосвязи нужно между ассортиментными категориями, а не отдельными позициями. Какой у Вас супермаркет? Какие товары?
Неужели нельзя разбить 1500 на группы по схожестии приблизительной взаимозаменяемости? И, вообще, как можно мыслить отдельными позициями при таком ассортименте?
По поводу корреляций. Моё мнение - использовать их если и можно, по ОЧЕНЬ осторожно. Например, взяли ежедневные продажи, определили корреляции. А кто Вам сказал, что один товар тащит другой, если корреляция, полученная таким образом велика? Возможно, эти товары покупаются разными людьми. Мне кажется, нужно перебирать чеки.

По поводу икселя. Согласен, корреляции 1500*1500 вручную - нереально. Делал 250*250. Заняло день, поскольку встроенной функции VBA нужной нет. Если её написать, заняло бы 2 часа.

Ещё перебирал 24000 чеков и 220 ассортиментных категорий по алгоритму, описанному ниже. Заняло 3 дня. Если бы использовал массивы в макросах, заняло бы день. Так что вопрос маразма упирается в навыки программирования на VBA.


2 Кучумов Евгений:

Не совсем понял, какой шаблон вы имеете в виду? Разъясните популярно, pls.

[Кучумов Евгений]

Не совсем понял, какой шаблон вы имеете в виду? Разъясните популярно, pls.

Один раз определить, какие позиции являются взаимозависимыми, сделать матрицу и работать в этой матрице.

[GAS1979]

To Gas:
Например, поймёте Вы, что 80% покупок пива А сопровождаются покупкой чипсов В. И что? Вывели Вы пиво А, неудовлетворённый спроспочти полностью перераспределелся на пиво С, D, E и F. А вместе в этим пивом стали также покупать чипсы B.

С одной стороны вы правы, изучая каждую позицию, но при изучении всего пива и всех чипсов получится, что с темиже 80% пива покупают чипсы. А теперь вопрос, нужно убрать пиво "А", пропорция сохраниться?

To Gas:
Мне кажется, нужно перебирать чеки.

я и написал, что перебираю чеки

To Gas:
2 Кучумов Евгений:
Не совсем понял, какой шаблон вы имеете в виду? Разъясните популярно, pls.

Да, этот момент поподробней

Rules Wizard - пробовал эту программу, вроде чегото показывает, она специализированна для этого

Может у кого есть опыт работы с ней, объясните