Ein neues Verfahren zur Analyse von Einkaufsdaten reduziert die Menge redundanter Assoziationsregeln erheblich und wandelt die verbleibenden Beziehungen in ein übersichtliches Netzwerk von Produktkategorien um. Die Methode wurde von den Autoren Vladimir Đurišić, Saša Vujošević und Ljiljana Kašćelan in Zusammenarbeit mit Sunčica Vuković entwickelt und an einem umfangreichen Einzelhandelsdatensatz aus Montenegro getestet.
Methodik
Im ersten Schritt werden Assoziationsregeln mit dem Apriori‑Algorithmus erzeugt und anschließend anhand eines Confidence‑Improvement‑Kriteriums stark reduziert. Dabei werden Regeln nach ihrem Konsequenz‑Element gruppiert und verschachtelte Antezedenz‑Mengen verglichen, um strukturelle Redundanzen effizient zu identifizieren.
Netzwerkbasierte Strukturierung
Die bereinigte Regelmenge wird in einen gewichteten Produktgraphen projiziert, wobei das kombinierte Maß Lift × Confidence als Kantengewicht dient. Aus diesem Graphen wird ein Maximum‑Spanning‑Tree (MaxST) extrahiert, um die höchstbewerteten, nicht redundanten Assoziationen zwischen Produktkategorien zu bestimmen.
Datengrundlage
Der Testdatensatz umfasst rund 2,64 Millionen Warenkorb‑Transaktionen und 14,9 Millionen Produktdatensätze, die in 46 Produktgruppen zusammengefasst wurden. Diese Größe ermöglicht die Bewertung der Skalierbarkeit des Ansatzes unter realen Bedingungen.
Ergebnisse
Der Ansatz reduzierte die Regelmenge signifikant, zum Beispiel von 403 817 auf 137 186 Regeln bei einer maximalen Regel‑Länge von sechs. Im Basisszenario mit einer maximalen Länge von drei identifizierte der MaxST die Produktgruppe „Delikatessen“ als zentrales Hub und zeigte klare Kaufketten zu den Bereichen Schönheit & Körperpflege, Frischfleisch sowie gesunde Lebensmittel.
Praktische Bedeutung
Die gewonnenen Netzwerk‑Insights unterstützen Einzelhändler bei der Planung von Cross‑Category‑Promotionen, der Gestaltung von Produktbündeln und der Optimierung von Regal‑Layouts, da sie evidenzbasierte Verknüpfungen zwischen Produktkategorien offenlegen.
Ausblick
Die Kombination aus regelbasierter Reduktion und netzwerkbasierter Analyse verbindet die umfassende Informationsgewinnung von Assoziationsmining mit einer leicht interpretierbaren Darstellung, wodurch das Verfahren für großflächige Einzelhandelsanalysen geeignet ist.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Quelle beachten. Lizenzangabe konnte nicht eindeutig zugeordnet werden.
Ende der Uebertragung