買い物かご分析ビデオ チュートリアル (データ マイニング テーブル分析ツール)

こんにちは。メアリー ブレナンです。Microsoft SQL Server のテクニカル ライタをしています。このビデオでは、買い物かご分析ツールを使用する方法について説明します。買い物かご分析ツールでは、Microsoft アソシエーション ルール アルゴリズムを使用して、組み合わせて購入されることの多い品目どうしのリレーションシップを検出します。この情報は、組み合わせて販売する推奨バンドルの作成、商品配置のデザイン、および収益への影響の判断などに役立ちます。

1. まず、[関連付けおよび買い物かご (Associate and Shopping Basket Analysis)] リンクをクリックし、テーブル内の任意の場所をクリックして、テーブル分析ツールをアクティブにします。
2. [テーブル ツール (Table Tools)] メニューの下にある [分析 (Analyze)] タブをクリックし、[テーブル分析ツール (Table Analysis Tools)] リボンを開きます。
3. [買い物かご分析 (Shopping Basket Analysis)] をダブルクリックしてウィザードを起動します。
4. [列の選択 (Column Selection)] ウィンドウでは、ウィザードによって自動的に、
   [トランザクション ID (Transaction ID)] と [アイテム (Item)] が選択されています。買い物かご分析を使用するには、分析対象のアイテムどうしがトランザクション ID で関連付けられている必要があります。たとえば、Web サイト経由で受け取ったすべての注文を分析する場合、各注文には注文 ID またはトランザクション ID があり、その ID が、購入された 1 つ以上のアイテムに関連付けられています。
5. 必要に応じて、商品の価格を格納する列を追加することもできます。価格由来の評価指標がレポートに含まれるのは、[アイテムの値 (Value)] の列を選択した場合のみです。
6. [実行 (Run)] をクリックします。データの分析が終わると、新しく "買い物かごのバンドル アイテム (Shopping Basket Bundled Items)" および "買い物かごの推奨アイテム (Shopping Basket Recommendations)" というワークシートが作成されます。

1. "買い物かごのバンドル アイテム (Shopping Basket Bundled Items)" レポートを開きます。このレポートでは、データ内のパターンが特定され、トランザクションに一緒に出現することの多いアイテムが一覧表示されます。つまり、顧客が一緒に購入するアイテムはどれとどれで、売上の合計額がいくらになるかが示されます。
   レポートに表示する列は、フィルタで選択することも、並べ替えることもできます。たとえば、2 つまたはそれ以上の商品から成るバンドルのみを表示することも、バンドルを 1 件あたりの平均額順 (Average Value Per Sale) に並べ替えることもできます。
2. 1 行目を見てみましょう。この行は、ロード バイクとヘルメットを一緒に購入する顧客に関する情報を示しています。分析結果のうち、この行が先頭に表示されるのは、売上の合計額が最も高いためです。805 人の顧客がこれら 2 つのアイテムを組み合わせ、1 件あたり平均 1,570 ドルで購入しており、AdventureWorks での合計売上額が 126 万ドルを超えています。
   2 行目を見ると、569 人の顧客がマウンテン バイクと一緒にチューブとタイヤを購入しており、1 件あたりの販売額が平均 2,208 ドルであり、AdventureWorks での合計売上額が 125 万ドルを超えることがわかります。このバンドルを 1 行目のものと比べると、1 件あたりの売上額は大きいものの、販売件数が少ないため、AdventureWorks での合計売上額は相対的に低くなっています。
   この情報を AdventureWorks で利用する 1 つの方法は、顧客が Web サイトでロード バイクを購入する際に、自動的にヘルメットが推奨されるようにすることです。さらに、顧客が Web サイトでマウンテン バイクを購入する際には、自動的にチューブとタイヤが推奨されるようにすることができます。

このテーブルでは、各列のすべての値で小数点以下の桁数が同じになるように、各列を選択して数値の書式を揃えると、さらに見やすくなります。

1. "買い物かごの推奨アイテム (Shopping Basket Recommendations)" レポートを開きます。このレポートでは、分析から得られた統計を使用して、アイテム間の関連性を示すルールが作成されます。たとえば、顧客がクリーナを購入したら、タイヤとチューブも購入する可能性が高いというルールが考えられます。これらのルールは、推奨アイテムの作成に使用できます。各ルールは、ルールの有効性の度合いを評価するための統計に基づいているため、ルールが所定の確率のしきい値を超えた場合にのみ推奨アイテムを提示することができます。
   このレポートでは、4 つの異なる商品について、チューブとタイヤをバンドルすることが、最も価値の高い提案であることがわかります。
2. 平均値 (Average Value) の列が見やすくなるように、数値の書式として小数点以下の桁数を 2 桁に変更します。平均値が最大であっても、その推奨アイテムの合計金額が最大であるとは限りません。先ほどのレポートで見たように、バンドルのランクは合計売上額で決まります。