“啤酒与尿布”：零售业的购物篮分析与推荐系统--替代还是互为补充？

啤酒与尿布”故事来源于零售卖场的购物篮分析，其算法出自1993年推出的Apriori算法，在数据分析界，购物篮分析称为Market Basket Analysis（MBA），属于关联分析Assoiceation Analysis的一个分支, 关联分析是数据挖掘的十大明星算法 。

几乎所有的数据分析教科书都喜欢使用“啤酒与尿布”作为案例，进行关联算法解析，因此将“啤酒与尿布”与关联分析进行划等号，某种程度上也说得过去。

近20年来，电商平台业务发展突飞猛进，基于关联分析（有时也称为相关性分析）的推荐系统得到了极大丰富及完善，由此产生了一个说法，即购物篮分析无用论，推荐系统可以完全替代购物篮分析。

对此，我本人有深刻体会，我撰写的新书《啤酒与尿布–神奇的购物篮分析新篇：零售业关联分析与应用 ：（“Bear and Diapers”：The Assoiceation Analysis In Retail）》，被众多出版社鄙视，编辑们认为推荐系统已经取代购物篮分析，只要不是介绍大厂的推荐系统，一律退稿。

我认为，购物篮分析与推荐系统并不能相互替代，而是有着不同的应用场景，可以各自发展独特的作用。

我们知道，推荐系统的应用场景是线上电商平台的前端应用，追求在客户浏览页面时时分秒必争，将关联商品快速推荐给客户，形成购物车、促成购买。

购物篮分析是顾客购物完成后，根据购物篮商品组成分析顾客的消费场景，找出其中的商品关联规则，为后续的选品、场景制订、促销、陈列、顾客聚类提供依据。

推荐系统只能应用于线上电商平台，实体门店无法有效使用࿰