张生华 李佳慧 李娜

【摘 要】论文利用关联规则分析对扬州市某中型连锁超市会员购物数据进行数据挖掘，从交易数据中发现顾客购物篮中的不同商品之间的关联性，哪些商品组合会被顾客经常一同购买，从而对具有强关联规则的商品进行捆绑促销，优化超市商品布局，为顾客提供一个快捷便利的购物环境。

【Abstract】This paper uses association rules analysis to mine the member shopping data of a medium-sized supermarket chain in Yangzhou City， and finds the correlation among different goods in the customer shopping basket from the transaction data. Which combination of goods will be purchased together by customers， so that the goods with strong association rules can be bundled and promoted， the layout of supermarket goods will be optimized， and a fast and convenient shopping environment will be provided for customers.

【关键词】数据挖掘;关联规则分析;商品布局

【Keywords】 data mining; association rules analysis; commodity layout

【中图分类号】F274                                              【文献标志码】A                                            【文章编号】1673-1069（2019）05-0061-02

1 研究背景与意义

超市商品布局是一个非常具有现实意义的问题，随着人们的消费水平日益提高，超市、卖场和便利店的数量不断增长，竞争越来越激烈，洁净的环境、优质的服务、合理的布局显得尤为重要。由于超市体量庞大，结构复杂，商品种类繁多，并不是每个顾客都对超市的环境、布局熟悉，需要花费大量时间去寻找目标商品，在节假日尤其是大促销的时期，超市内经常因为拥挤而带来安全隐患，排队结账时间过长影响顾客的购物体验，生活的快节奏要求超市能够在较短的时间内满足人们的购物需求，节约消费者购物时间，提升购物体验。因此，研究超市商品布局的优化很有必要。

2 关联规则分析的定义和算法

在数据库的数据挖掘中，关联规则就是描述两种或者两种以上的物品在一个事务中同时出现的规律模式[1]。关联规则分析（也叫购物篮分析）主要有Apriori算法和CARMA算法以及GRI算法，其中Apriori算法应用最为广泛。

3 关联规则分析在超市购物数据挖掘中的应用