用户运营：关联分析烘焙店实战案例剖析

———— / BEGIN / ————

案例背景：

假如我们是一个连锁烘焙店的老板，如何最大化提升自己门店的销售额呢？有以下三种策略：

用户运营需要解决3个问题：

如何知道哪些商品适合搭配来卖呢？逻辑很简单，就是分析用户经常购买的产品组合，那这些组合就是理想的套餐搭配活动，作为用户运营，你如何帮助老板挖掘这些常购产品组合呢？

这里用到的分析方法就是关联分析，耳熟能详的一个案例就是尿不湿和啤酒的关联搭配案例：

超市发现啤酒和尿不湿经常被同购，用生活常识判断，这两个产品很难被联想到一起；但从数据挖掘出来的结果恰恰是一个被大概率同购的产品组合。最后超市发现，购买这个组合的大多是男士，在给孩子购买尿不湿的时候顺手买了啤酒，于是超市将两个产品放在了一起，结果是销量有了更大的增幅。

那放在烘焙店这个场景中，用户到店后同样面临喜欢同时购买什么产品，能不能顺手将想买的产品放在餐盘里，同时希望自己到店的时段，这两个产品同时从后厨出炉，而不是需要等待一段时间。

在运用关联分析后，烘焙店老板调整了策略，将中午高峰时段和17-19点高峰时段挖掘出不同的高关联产品组合，具体采取了三步，使营业额增加了15%。

具体操作如下：

第一步：搭建关联分析模型

关联分析的基本逻辑就是频繁购买组合被挖掘出来，自然Excel是做不到的，这里用到的工具是SPSS，会做数据分析的同学必学的一个数据分析工具，采取了一个Apriori模型节点，引申关联分析2个基础指标，置信度和支持度。

置信度也称之为关联度，也就是常说的两个产品之间关联度是多少，支持度是关联组合套餐被同时购买的人数占比。置信度高代表两个产品被同购的概率大，支持度高代表两个产品同购人数规模有保障，如果你挖掘出一个置信度比较高的产品组合，但支持度很低，意味着购买这个组合的人数很少，那这个组合去做套餐活动显然也不适合。

上图是SPSS的可视化结果图，连线代表产品之间有关联关系，线条越粗代表商品被同时购买的置信度越高，红框里有几个明显的产品组合，比如黄桃小不点零食和黑樱桃小不点零食。紧紧零食+妈妈饼+葡式蛋挞也是一个不错的组合。

以表格形式输出各产品之间的关联关系，前项代表分析的目标产品，比如你要做一个香肠小不点零食的套餐活动，那是选黄桃小不点组套餐好还是选黑樱桃小不点零食好？

从置信度来看，黄桃小不点零食是32.673%，稍微高出黑樱桃零食，从支持度来看，两个产品相同都是5.082%，再从增益来看，黄桃小不点零食是12.488，高于黑樱桃小不点零食，意味如果向其他用户推荐这个组合，要比随机推荐的组合，比如随机推荐香肠小不点零食+蛋挞，被接受的概率高出了12.488倍。综上，是不是采取香肠小不点零食+黄桃小不点零食这个套餐组合更好些。

第二步：向会员精准推荐套餐活动

在上线活动以后，老板想向会员群发这个活动，问题来了，如果无差别推荐这个活动，抛开触达成本不说，那不喜欢这个套餐的会员也被打扰了一遍，有的会员甚至直接拉黑这个老板，那这次触达是不是就得不偿失了，那怎么精准触达到会员呢？

还是以上的SPSS分析流，最后输出针对每个会员的推荐规则表，以红框这个会员为例，模型生成了3条推荐规则，向这个会员推荐香肠小不点零食+黄桃小不点零食把握度是32.7%，推荐香肠小不点零食+黑樱桃小不点零食把握度是32.2%，量化之后可以用把握度降序排序，触达把握度较高的用户即可。

第三步：线上设置智能营销workflow

如果老板还做了线上小程序等触点，那在线上可以布置智能营销workflow流，将第二步挖掘的会员设置为目标用户，这些用户进入小程序触发相应的弹窗活动

设置一条智能workflow营销流，这个标签的用户启动APP后会触发一个弹窗，我们推荐香肠小不点零食+黄桃小不点零食套餐活动，如果没有得到展示，我们追加一条短信，如果得到展示，我们再可以判断有没有购买，没有购买的用户可以再后续几天追加一条push。

通过这个案例可以发现，关联分析非常实用，其应用的场景很常见，比如京东淘宝的首页瀑布流产品推荐，购物车的猜你喜欢，订单页的猜你还会购买等，你如果在一家没有大数据开发能力的公司做用户运营，那关联分析就是一个必须要掌握的技能了！