案例解說(考量產品是否出現在交易資料中 )

最適合的組合 (1):A+C+B; 最適合的組合 (2):A+C+E

案例解說(含有購買數量產品項目最適性行銷組合 )

( 陳彥良提出 )MQA-1 演算法：找出資料庫中含有項目數量的聯規則：關聯規則 2A→3B 成立表示購買 2 單位的 A 也會

有購買 3 單位 B 之傾向。

Ex. Y=(2A3B) T={3A3B} 則 T 包含 Y 。∴Y 任一項目都皆出現在 T 中而 T 的購買數量≧

Y 的數量

如果購買過 3A 在探勘過程中可分視為購買過1A,2A,3A

案例解說(含有購買數量產品項目最適性行銷組合 )交易資料 T 包含有 Y比例以數量表示關聯：Z = (T∩Y且項目出現交易資料 T中的購買數量 ≧ Y中的購買數量 ) = Z 之項目數量 / Y 之項目數量

Ex.Y={1A2B3C},T={1A2B2CD3E} 其關聯度 = 2/3 =67%

由 ID3 演算法建立的決策樹找出哪些屬性項目與產品項目 Y之間的關聯高於是定義為：數量關聯因子

Y最適性之行銷組合 = 數量關聯因子之產品項目 +產品項目 Y

案例解說(含有購買數量產品項目最適性行銷組合 )

假設欲探勘的組合假設欲探勘的組合 Y={1D2E3F}Y={1D2E3F}最小關聯度設定最小關聯度設定 60%60%

非非 YY 產品有產品有 AA 、、 BB 、、 CC轉換轉換 1A1A 、、 2A2A 、、 3A ,1B3A ,1B 、、 2B2B 、、3B,3B,1C1C 、、 2C2C

案例解說(含有購買數量產品項目最適性行銷組合 )

Y={1D2E3F} Y={1D2E3F} 與 各項交易資料關聯性表與 各項交易資料關聯性表

案例解說(含有購買數量產品項目最適性行銷組合 )1. 公式 (1)

所有交易資料 (E) 熵值 = –(6/16) ㏒ 2(6/16)-(10/16) ㏒ 2(10/16)=0.9542. 公式 (2)

E( 曾經購買 1A) = –(6/7) ㏒ 2(6/7)-(1/7) ㏒ 2(1/7)=0.592E( 未曾經購買 1A)= –(0/9) ㏒ 2(0/9)-(9/9) ㏒ 2(9/9)=0E(1A) = (7/16)X0.592+(9/16)X0=0.259

3. 公式 (3)G(1A 產品 ) 之資訊收益 = 0.954 – 0.259 = 0.659

案例解說(含有購買數量產品項目最適性行銷組合 )

資訊收益

G(2A 產品 ) 0.566 G(1C 產品 ) 0.006

G(3A 產品 ) 0.059 G(2C 產品 ) 0.199

G(1B 產品 ) 0.437

G(2B 產品 ) 0.321

案例解說(含有購買數量產品項目最適性行銷組合 )

產品項目 Y 之最適性行銷組合：產品項目 Y +1 單位產品 C+1 單位產品 B

案例解說(軟體設計 )

案例解說(軟體設計 )

結論在使用者交易資料中利用 ID3 演算法及決策樹、探勘產品關聯性與購買特徵藉以提供決策者資訊及知識 、行銷搭配組合等等。

相關的延伸研究：(1) 若探討那一消費者具有購買產品項目 Y 之頃向由決策

規則中可顯示：曾經購買過的產品項目 X 的消費者(2) 探討哪些是購買過產品項目 X 之消費者的產品推薦，

由 決策規則中可顯示：推薦的項目為 Y