Kundkorgsanalys med hjälp av Machine Learning

Kundkorsganalys med hjälp av Machine Learning ger beslutsfattare helt nya insikter

Inom e-handel används kundkorgsanalyser för att analysera köpbeteende och associationer mellan olika produkter. Associationer mellan produkter kan vara enklare kombinationer som bröd och smör, men användning av kundkorgsanalyser leder ibland till mer intresseväckande och oväntade resultat. Ett exempel på detta är då en amerikansk matvaruhandel letade associationer till produkter med hög vinstmarginal. I detta fall fann man ett samband mellan inköp av öl och blöjor, vilket förklarades av att män med småbarn ofta handlade på fredagseftermiddagarna.

För e-handlare ger kundkorgsanalysen underlag till att skapa kampanjer, ge insikt i hur produkter hör samman samt förståelse av kunders köpbeteende. Genom att fördjupa analysen i sin Business Intelligence miljö kan man nyttja sin data till fullo genom att komplettera med analyser som beskriver mönster och blickar framåt för att besvara fler frågeställningar. Genom Machine Learning kan man på ett enkelt sätt omvandla information till kunskap, identifiera exempelvis pris eller kvantiteter eller hitta relationer och grupperingar med hjälp av associationsregler och data mining.

När användare mognar i sin Business Intelligence miljö så blir det alltmer intressant att komplettera sina analyser med fördjupningar som beskriver mönster och blickar framåt, för att kunna besvara än fler frågeställningar åt beslutsfattare i olika delar av verksamheten. Machine Learning (ML) handlar om att algoritmiskt omvandla information till kunskap och är mycket lämpligt i detta avseende. Supervised ML kan identifiera enheter, exempelvis pris eller kvantitet, medan Unsupervised ML används för att hitta relationer och grupperingar. Ett sätt att hitta relationer är att nyttja data mining-teknikens så kallade associationsregler. Associationer mellan produktgrupper, märken och andra attribut kan vara intressant även ur andra aspekter än att analysera tex en kundkorg och köpbeteende i butik. Det kan till exempel vara till stor nytta för producerande bolag som vill hitta relationer mellan processer där det uppstår problem, eller mönster som leder till att servicebolag tappar kunder. Variablerna kan anpassas till olika företagsbehov och anpassas utifrån beslutsfattarnas behov av olika data.

Vill ni veta mer om hur Machine Learning kan hjälpa ert företag till djupare insikter för bättre beslut? Kontakta en av våra experter på området:

Niklas Ölund
niklas.olund@viewbase.se
+46 70 862 96 05