장바구니분석과 연관성분석 응용

장바구니 분석의 assortment optimization 

장바구니 분석의 assortment optimization 응용

최적의 assortment의 조건
1. 점포의 이미지와 질적으로 부합해야함
점포의 이미지는 유통업자를 경쟁사로 부터 차별화 시키는 요소이며 설계, 배치, 서비스, 상품 전반에 영향을 주게 된다. 기본 상품과 추가 상품을 구별한다.
기본상품은 빠져서는 안되는 상품들이다. 편의점이라면 고객들이 기대하는대로 음료, 담배, 음식, 과자, 사탕등이 존재햐야 한다. 추가 상품은 유통업자의 특성이 반영되는 것이다. 기본 상품과의 연관성이 높으며 수익성있는 교차판매가 가능한 상품을 포함시키고자 한다.
예를들면 담배와 연관된 라이터를 판매하는 것이 이에 해당될 것이다.

2. 수익성을 높여줄 수 있어야 함

많은 경우에 assortment 최적화에 관한 결정에서는 직관적인 판단(rule of thumb)가 주가 된다.

자동판매기의 경우에도 장바구니 분석을 활용하는 것이 가능하다?
십여가지 상품을 한 자동판매기가 제공한다고 했을 때 제공하는 상품은 변동될 수 도 있으므로 기본 상품은 두고 추가 상품은 변동시키는 방식으로 실험해서 데이터를 만들고 그로부터 assocrtment를 최적화 시키는 방식의 접근방법이 가능하다. 동적으로 최적 상품을 재선택하는 방식이다.
이 경우는 구매시점에서 상품을 추천하는 경우와는 차이가 있다.
교차판매 효과가 높아질수록 당연히 수익성은 개선된다.

// 리비젼컨설팅 2006 [Note]

------

[ 

데이터 마이닝 연관규칙 분석의 응용

]

2006년 가을호 BI월드 기사 [골격]

--- " 데이터 마이닝 연관규칙 분석의 응용

연관규칙분석이란?

맥주와 기저귀의 진실?
가장 유명한 장바구니 분석의 예: “기저귀를 사면 맥주도 산다”
1990년 Osco Drug은 새로운 Merchandising 방안을 찾고 있었음
Teradata industry consulting group - 25개 점포/90일간 데이터를 분석
K. Heath는 baby 품목이 포함된 수익성 있는 품목 조합을 찾기 위해 self join SQL 실행.
오후 5:00~7:00 사이 시간대에 “맥주-기저귀” 패턴 존재를 발견
큰 의미가 있을 것으로는 생각지 않았으나 “연관성”을 잘 설명하는 예로 생각함
Osco에 여러 제안을 했으나 진열 변경 등 실제 조치 없었음
T. Blischok (head) – 과장! (마이닝 도구를 사용한 것도 업무에 적용해 실제로 성과를 얻은 것도 아닌 것)
결국, 전설은 허구? 하지만 그렇다고 해서 나쁜일을 한 것은 아닌 듯

데이터 마이닝 + 가트너의 hype cycle + 유통업체에서의 활용 + 기타 응용

기타응용: 세관에서의 의심물품 검색; 콜센터에서 필요부품 파악 - HP의 사례에서는 콜센터에 들어온 콜을 텍스트마이닝으로 분류한 후 장바구니 분석으로 대응방안 보강

데이터 마이닝 오해: Myths 중 몇가지
/ DM 툴은 무엇을 찾아내라고 이야기 해주지 않아도 자동적으로 필요한 것을 찾아낸다
/ DM은 엄청나게 복잡한 과정이다
/ DM에서 데이터는 많을수록 좋으므로 모든 있는 데이터를 한번에 다 집어 넣어야 한다
/ 표본을 사용하게 되면 정보 상실이 발생되므로 모든 데이터를 전부 사용해야 한다

데이터 마이닝 이슈들
/ 중요한 것은 모델링과 해석, 업무적용 가장 많은 문제가 생기는 부분
/ 시계만드는 법은 신경쓰지 않고 그저 시간을 보는데만 급급해서 생기는 이슈들
/ 데이터 마이닝만의 ROI를 따로 입증하라는 엉뚱한 요구

장바구니 분석 실행 예: using clementine

장바구니 분석+ 알파
차원의 도입 - 계절, 연도, 캠페인 전후, 점포
커스텀 constraints 적용 - 수익성을 고려 - 상품별 수익성, 고객수익성 고려
프로파일링 - 규칙 해당 고객 특성 비교

장바구니 분석의 활용 - 업무에 적용할 수 있는 어떤 유용한 정보를 얻을 수 있는가?
상품추천, assortment 최적화
장바구니 분석의 한계
관련된 다른 방법 - SPA, CF

주의사항-
/ 데이터, 용어의 정비 - 예: 상품코드 체계
/ 간단한 모델을 먼저 만들어야 한다
/ 마이닝 결과만으로 어떤 action을 할 것인지를 결정하는 것은 위험

데이터 마이닝 시작하기 / 살려내기
/ 규모나 업종이 큰 이슈가 아님
/ 꼭 많은 비용이 필요한 것도 아님
/ 다수의 전문인력을 보유해야 하는 것도 아님

+-----
전용준 | 리비젼컨설팅 파트너 2006