Apriori el algoritmo que te ayuda en el análisis de la cesta de la compra

Conseguir aumentar los ingresos utilizando los datos es un gran quebradero de cabezas para alguno, por eso, aquí vamos a explicarte como conseguirlo utilizando los datos de las compras de tus clientes. 

El aprendizaje automático ayuda a la industria minorista de muchas maneras, desde la previsión del rendimiento de las ventas hasta la identificación de los posibles compradores. El análisis de las cestas de mercado es una de las aplicaciones clave del aprendizaje automático, porque ayuda por ejemplo a conocer el  comportamiento de compra de los clientes.

Análisis de la cesta de la compra

Reglas de asociación

Este es otro concepto muy importante de entender para realizar un análisis MBA.

El aprendizaje de reglas de asociación se trata de un enfoque de aprendizaje automático basado en reglas que genera la relación entre las variables de un conjunto de datos. Tiene aplicaciones importantes en los negocios de comercio electrónico. Usando esta estrategia, los productos que se han vendido juntos se asociación, de esta forma se pueden ofrecer a los clientes para comprar juntos.

El aprendizaje de reglas de asociación tiene tres algoritmos populares: Apriori, Eclat y FP-Growth. En este artículo, veremos como utilizar el método Apriori de aprendizaje de asociación.

Apriori en el análisis de la cesta de la compra

Para entender como utilizar Apriori, primero tenemos que entender cómo funciona. Para Apriori:

Todos los subconjuntos de un conjunto de elementos frecuente deben ser frecuentes (apriori propertry).
Si un conjunto de elementos es poco frecuente, todos sus superconjuntos serán poco frecuentes.

Tres conceptos muy importantes para Apriori son: Soporte, Confianza y Elevación.

¿Cuáles son los pasos que sigue Apriori?

  1. Se establecen los valores mínimos para el soporte y la confidencia
  2. Se toman todos los subconjuntos de transacciones que tienen un soporte mayor al valor del soporte mínimo.
  3. Tomar todas las reglas de estos subconjuntos que tengan una confidencia mayor al valor de la confidencia mínima.
  4. Ordenar las reglas de forma decreciente en base al valor del lift.

Deja un comentario

Tu dirección de correo electrónico no será publicada.

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

TE PUEDE GUSTAR

El data scientist de PiperLab, Javier Fernández, nos cuenta en este artículo cuáles son los cambios que ha sufrido la industria del fútbol a

EVENTOS

RECIBE LA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Ir arriba