中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

“揭秘推薦算法真相，啤酒尿布傳說背后。” 在推薦算法領域，啤酒與尿布的故事廣為流傳，但其真相究竟如何？現實中的推薦策略又是怎樣運作的呢？

一提人工智能大數據，必有人提啤酒與尿布，有意思的是，都2025年了，還有人信這個老掉牙的都市傳說。今天我們系統看一下。?

1?站在背后的關聯規則

支持啤酒與尿布故事的，是關聯規則算法。注意：關聯規則算法本身沒啥問題，這是一種發現關聯關系（注意：不是因果關系哦）的手段，并且它的算法原理非常簡單，需要的數據也非常少，因此適用范圍非常廣。假設有6種產品，ABCDEF，一個客人買了AB去結賬，收銀員打出一張小票，上邊有AB產品的名稱、價格，我們可以用0、1代表是否有該商品，簡單把小票表示成：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??? ? ? ?類似地，如果有5張訂單，可以表示成：

注意，即使沒有計算，用肉眼也能看到，似乎ABC三個產品在訂單里同時出現的幾率很高，這就是關聯規則的基本思路：找到同時出現頻率高的組合。只不過，我們需要用一些指標來衡量：到底什么算高。?因為有六個商品，所以同時出現的組合有很多種：A+B，A+B+C等，我們從最簡單的兩兩組合開始計算，再算三三、四四……計算組合的時候，我們希望組合出現的頻率越高越好，因此有了支持度概念：

兩個商品的購買可能有先后順序，比如先A后B，這時候可以算購買A的情況下，用戶購買B的概率，從而決定在用戶購買A以后推B產品，或者是C、D產品。因此引入置信度概念：

注意，雖然算出來購買A以后有75%概率購買B，但是不一定非等到用戶買A再推薦B。如這個小例子里，直接推B也有80%購買率，顯然非等到買了A再推B會很不劃算，購買率還跌了，因此引入提升度概念：

支持度、置信度、提升度的計算都很簡單，理論上，只需要設定支持度與置信度的要求，之后按一定順序遍歷所有組合（比如Apriori算法），即能找出所有符合條件的組合。這種方法最大的優勢就是簡單，計算方法、計算邏輯都簡單，且需要的數據很少，只要有訂單數據即可，數據采集永遠是算法的頭號大敵，一個需要數據少的方法，自然會被極其廣泛的運用。特別是應用于購物籃分析。然而，運用歸運用，你真在哪個超市見過啤酒與尿布堆在一起的嗎。很快講故事的人便發現了這個bug，于是改口說：國外的超市……欺負大家出國少呀。那事實的真相到底是啥呢？

2.?為啥現實中不存在

很遺憾，啤酒與尿布在現實中不存在。首先因為啤酒與尿布是teradata公司的銷售編出來的故事。它完美符合了賣科技產品需要“意料之外，情理之中”的講故事原則，因此才流傳廣泛。在實際運用的時候，無論是技術上還是業務上，類似“啤酒與尿布”的完美案例都不存在。從技術上看，關聯規則作為一種無監督找規律方法，更適合做探索性分析，不太適合直接指向一個可落地的SKU組合。注意，上邊的例子是高度濃縮的，所以看起來簡單可行。比如啤酒，實際上還包含了品牌、包裝、價格、是否促銷、是否臨近保質期等眾多因素。實際上SKU極其龐大，且單個SKU的數據非常零散。如果只籠統地用“啤酒”這個大品類做關聯，得出的數據幾乎沒啥指導意義。如果細到某一個具體價位具體保質期的SKU， 比如“Corona/科羅娜啤酒330ml*24瓶178元非折扣非臨期”與“寶適綠幫紙尿褲S164新生嬰兒超薄透氣干爽款155元”單個具體SKU之間的支持度和置信度都非常低，很難達到落地的程度。這是導致啤酒與尿布不會出現在超市里根本原因。隨便一個3米5門頭的小超市尿布至少幾十款，啤酒至少幾十款，到底哪個該擺在一起！還要考慮啤酒的冷藏問題，總不能在冰柜里放尿布吧。至于幾百上千平米大超市，啤酒SKU數幾千款，尿布幾千款，貨架長達數十米，只能分開放在酒水飲料區和母嬰用品區。這倆擺在一起，肯定被商場主管活活毆打致死。從業務上講，關聯規則同所有數學、統計學模型一樣，只能說明兩個數字之間有關聯關系，無法論證任何實際意義上邏輯關系?！皨寢寕冑I尿布的時候會順便給爸爸買啤酒”的解釋，完全就是為了圓故事而圓故事。如果真站在買尿布的媽媽的角度，她有100個理由去買更更值得買的東西，比如干紙巾和濕紙巾。給BB換過尿布的人都知道，那紙巾用起來簡直像潑水一樣快。有更直接、更明確的驅動力存在，為啥要舍近求遠。

3.?現實中是怎么玩的

本質上，消費者的決策是多因素的，生理性需求，認知層次，產品價格，材質，廣告、宣傳、都會影響消費者最終決策。因此想帶動關聯銷售，方法多的很。最直接的，基于業務規律的推薦，也就是俗稱的硬規則。比如有的書就上中下冊，拆開了就是沒頭沒尾；有的藥就是要一起吃，亂吃會死人。這些商品有固定的規律。這時候就不需要看數據，而是根據業務規律直接做推薦。有些不是硬規則，但是是人們約定俗成的習慣。比如出去燒烤，就是需要碳、爐子、簽子、醬油、雞翅、可樂；啤酒就是和花生米、小龍蝦、黃瓜拉皮一起吃；比如方便面就是配火腿腸。這種是軟規則。這些基于用戶習慣的軟規則，也能成為推薦的工具。比如做生鮮電商，可以一件件散著賣，也能打包一個“養秋膘火鍋套裝”把羊肉卷、湯底料、丸子、香菇等涮鍋食材打包賣。有些曾經不是規則，但是經過商家的宣傳廣告，植入進用戶腦海的規則。比如女生各種化妝品，男生各種游戲皮膚、套裝；比如最經典的：怕上火喝XXX；比如學數據分析要ESP套餐。這些是基于營銷宣傳的偽規則。雖然沒有啥科學道理，但是用戶能接受，就能成為推薦準則。當然，還有最簡單粗暴的，基于打折的惠規則。最簡單的，用戶加入購物車以后，發現自己已經買了400，還有一張滿500減100的券能用。這時候用戶急著找的就是“哪里有不雞肋的100元東西可以買”。很有可能她會選紙巾、沐浴露、米面油這種能存放的硬通貨。這些都是業務方能發揮主觀能動性創造出的規則。所以請同學們牢記，并轉發給業務方看：不存在一個不用你努力，就靜靜躺在數據庫里等著被你的數據分析師發現的神秘力量。在2025年，沒有誰家的產品是100%獨特的，想業績做的比別人好，關鍵是自己得努力做。當然，業務方想發揮主觀能動性，也是需要數據支持的（如下圖）：