Análisis de afinidad
El análisis de afinidad cae bajo el término general de minería de datos que descubre correlaciones significativas entre diferentes entidades según su co-ocurrencia en un conjunto de datos. En casi todos los sistemas y procesos, la aplicación del análisis de afinidad puede extraer un conocimiento significativo sobre las tendencias inesperadas. De hecho, el análisis de afinidad aprovecha las ventajas de estudiar atributos que van juntos, lo que ayuda a descubrir los patrones ocultos en un big data mediante la generación de reglas de asociación. reglas de asociaciónEl procedimiento de minería es doble: primero, encuentra todos los atributos frecuentes en un conjunto de datos y luego genera reglas de asociación que satisfacen algunos criterios predefinidos, soporte y confianza, para identificar las relaciones más importantes en el conjunto de elementos frecuentes. El primer paso en el proceso es contar la co-ocurrencia de atributos en el conjunto de datos. A continuación, se crea un subconjunto denominado conjunto de elementos frecuentes. La minería de reglas de asociación toma la forma de que si una condición o característica (A) está presente , entonces existe otra condición o característica (B). La primera condición o característica (A) se denomina antecedente y la segunda (B) se conoce como consecuente .. Este proceso se repite hasta que no se encuentran conjuntos de elementos frecuentes adicionales. Hay dos métricas importantes para realizar la técnica de minería de reglas de asociación: soporte y confianza. Además, se utiliza un algoritmo a priori para reducir el espacio de búsqueda del problema. [1]
La métrica de soporte en el aprendizaje de reglas de asociaciónEl algoritmo se define como la frecuencia con la que el antecedente o el consecuente aparecen juntos en un conjunto de datos. Además, la confianza se expresa como la fiabilidad de las reglas de asociación determinadas por la relación de los registros de datos que contienen tanto A como B. El umbral mínimo de apoyo y confianza son entradas del modelo. Teniendo en cuenta todas las definiciones mencionadas anteriormente, el análisis de afinidad puede desarrollar reglas que predecirán la ocurrencia de un evento en función de la ocurrencia de otros eventos. Este método de minería de datos se ha explorado en diferentes campos, incluido el diagnóstico de enfermedades, el análisis de la cesta de la compra, la industria minorista, la educación superior y el análisis financiero. En el comercio minorista, el análisis de afinidad se utiliza para realizar un análisis de la cesta de la compra, en el que los minoristas buscan comprender el comportamiento de compra de los clientes.cross-selling y up-selling , además de incidir en promociones de ventas , programas de fidelización, diseño de tiendas y planes de descuento . [2]
El análisis de la canasta de mercado podría decirle a un minorista que los clientes a menudo compran champú y acondicionador juntos , por lo que poner ambos artículos en promoción al mismo tiempo no generaría un aumento significativo en los ingresos, mientras que una promoción que involucre solo uno de los artículos probablemente impulsaría las ventas del mismo. otro.
El análisis de la cesta de la compra puede proporcionar al minorista información para comprender el comportamiento de compra de un comprador. Esta información permitirá al minorista comprender las necesidades del comprador y reescribir el diseño de la tienda en consecuencia, desarrollar programas de promoción cruzada o incluso captar nuevos compradores (al igual que la venta cruzada).concepto). Un ejemplo ilustrativo temprano apócrifo de esto fue cuando una cadena de supermercados descubrió en su análisis que los clientes masculinos que compraban pañales a menudo también compraban cerveza, ponían los pañales cerca de enfriadores de cerveza y sus ventas aumentaron dramáticamente. Aunque esta leyenda urbana es solo un ejemplo que los profesores usan para ilustrar el concepto a los estudiantes, la explicación de este fenómeno imaginario podría ser que los padres que son enviados a comprar pañales a menudo también compran una cerveza como recompensa. [3] Este tipo de análisis es supuestamente un ejemplo del uso de la minería de datos . Un ejemplo ampliamente utilizado de venta cruzada en la web con análisis de cesta de la compra es el uso de Amazon.com de "clientes que compraron el libro A también compraron el libro B", por ejemplo, "Personas que leyeronHistoria de Portugal también se interesaron por la Historia Naval ”.
