上传者: 27595745
|
上传时间: 2021-08-07 18:11:57
|
文件大小: 676KB
|
文件类型: PPTX
就餐饮企业而言,经常会碰到这样的问题:
客户在餐厅点餐时,面对菜单中大量的菜品信息,往往无法迅速找到满意 的菜品,既增加了点菜的时间,也降低了客户的就餐体验。
实际上,菜品的合理搭配是有规律可循的:顾客的饮食习惯、菜品的莹素 和口味,有些菜品之间是相互关联的,而有些菜品之间是对立或竞争关系
(负关联)。这些规律都隐藏在大量的历史菜单数据中,如果能够通过数 据挖掘发现客户点餐的规则,就可以快速识别客户的口味,当他下了某个 菜品的订单时推荐相关联的菜品,引导客户消费,提高顾客的就餐体验和 餐饮企业的业绩水平。
关联规则分析也成为购物篮分析,最早是为了发现超市销售数据库中不同 的商品之间的关联关系。例如一个超市的经理想要更多地了解顾客的购物 习惯,比如“哪组商品可能会在一次购物中同时购买?”或者“某顾客购 买了个人电脑,那该顾客三个月后购买数码相机的概率有多大?”他可能 会发现如果购买了面包的顾客同时非常有可能会购买牛奶,这就导出了一 条关联规则“面包=>牛奶”,其中面包称为规则的前项,而牛奶称为后项
。通过对面包降低售价进行促销,而适当提高牛奶的售价,关联销售出的 牛奶就有可能增加超市整体的利润。
关联规则分析是数据挖掘中最活跃的研究方法之一,目的是在一个数据集 中找出各项之间的关联关系,而这种关系并没有在数据中直接表示出来。