Market basket analysis, of wat klanten samen kopen

Je koopt een boormachine en de webwinkel toont je boortjes. Dat is geen toeval en het is ook geen slimme machine die je gedachten leest. Het is een techniek die telt wat er in dezelfde kar belandt, en die bestaat langer dan de webwinkel zelf.

Market basket analysis haalt een winkelkar uit elkaar tot op het niveau van het losse product, en zoekt welke producten samen opduiken. Wat je eruit haalt, gebruik je voor de indeling van je winkel, voor je aanbiedingen en voor wat je in voorraad houdt.

Wat je nodig hebt

Data waarin per transactie staat wat er gekocht werd. Dat komt uit je kassasysteem of je webwinkel. Eén rij per aankoop, met de artikels die erbij hoorden, meer heb je niet nodig om te starten.

De bekendste manier om erdoorheen te gaan heet Apriori. Dat algoritme zoekt combinaties die vaak samen voorkomen, en snoeit onderweg alles weg wat te zeldzaam is om ertoe te doen. Er zijn hulpmiddelen zoals Knime die dat werk voor je automatiseren.

De drie waarden waar het om draait

Elke regel die je eruit haalt, heeft de vorm: wie A koopt, koopt ook B. Om te weten of zo'n regel iets voorstelt, heb je drie waarden nodig.

Support zegt hoe vaak iets voorkomt. Het aantal transacties met dat artikel, gedeeld door het totaal aantal transacties. Een hoge support betekent gewoon dat het een populair product is.

support(A) = transacties met A / alle transacties

Confidence zegt hoe betrouwbaar de regel is. Van alle mensen die A kochten, welk deel kocht ook B?

confidence(A → B) = transacties met A en B / transacties met A

Lift zegt of er echt een verband is. Je deelt de confidence door de support van B, dus door hoe vaak B sowieso al verkocht wordt.

lift(A → B) = confidence(A → B) / support(B)

Die laatste is de belangrijkste, en tegelijk de meest overgeslagen. Boven de 1 betekent dat A de verkoop van B echt aanjaagt. Rond de 1 betekent dat er niets aan de hand is. Onder de 1 betekent dat ze elkaar eerder wegdrukken.

Zonder lift meet je populariteit en denk je dat je een verband meet.

Dat verschil is het hele punt. Brood heeft in bijna elke winkel een hoge support, dus zowat elke regel met brood erin haalt een mooie confidence. Pas de lift laat zien of die combinatie meer is dan het feit dat iedereen brood koopt.

Waar het ophoudt

• Reken op veel data. Zonder een stevige aankoopgeschiedenis vind je toevalstreffers en geen verbanden.
• Reken op tijd, zowel om het op te zetten als om de uitkomst te lezen.
• Reken op het verleden. Deze techniek beschrijft wat er gebeurd is en voorspelt geen verschuiving die nog moet komen.

Die laatste beperking wordt het vaakst vergeten. Een regel die vorig jaar klopte, blijft in je model staan nadat het seizoen, de prijs of het assortiment veranderde. Zet er dus een houdbaarheidsdatum op en herhaal de oefening.

En hou in de gaten wat je met de uitkomst doet. Twee producten die vaak samen gekocht worden naast elkaar leggen, klinkt logisch en werkt soms averechts, want wie ze allebei toch al meeneemt, hoefde daarvoor niet door je winkel te lopen. Een verband is een aanwijzing en geen instructie.

Analyse●Knime●Retail