SlideShare una empresa de Scribd logo
1 de 10
Descargar para leer sin conexión
Reglas de Asociación en la
Compra de Productos
(Análisis de la Cesta)
Wayner Barrios B.
Análisis de la Cesta de Compra
¿Qué siempre lleva el cliente? ¿Cuáles son los productos con mayor
frecuencia de compra?
¿Cómo organizar las góndolas
en el Supermarket?
¿Qué “combo” de productos podemos
ofrecer?
Reglas de Asociación
 Es uno de los conceptos más importantes del aprendizaje
automático (Machine Learning) que se utiliza en el Análisis de la
Cesta de Compra.
 Una técnica para descubrir cómo se asocian los elementos
entre sí.
 Busca encontrar patrones de compra entre un par de artículos
X e Y, que puede ayudar a aumentar las ventas de varias formas.
Reglas de Asociación: ¿Qué acciones puedo realizar?
 Tanto X como Y se pueden colocar en el mismo estante, de
modo que se solicite a los compradores de un artículo que
compren el otro.
 Los descuentos promocionales se pueden aplicar solo a uno de
los dos artículos.
 Los anuncios en X podrían estar dirigidos a compradores que
compren Y.
 X e Y podrían combinarse en un nuevo producto, como tener Y
en sabores de X.
Reglas de Asociación: Métricas
1. Soporte (Support)
2. Confidencia (Confidence)
3. Elevación (Lift)
Reglas de Asociación: Un Ejemplo de Análisis de Cesta
Transacción 1
Transacción 2
Transacción 3
Transacción 4
Transacción 5
Transacción 6
Transacción 7
Transacción 8
Reglas de Asociación: Soporte (Support)
Esto indica qué tan popular es un conjunto de artículos, medido por la
proporción de transacciones en las que aparece dicho conjunto de
artículos.
Soporte { } =
5
8
El Soporte {Manzana} es 5 de 8, es decir 0.625 (62.5%). También
podemos calcular el soporte de un conjunto de artículos comprados:
Soporte {Manzana, Pera} es del 25%.
Reglas de Asociación: Confidencia (Confidence)
Esto indica la probabilidad de que se compre el artículo Y cuando se
compra el artículo X, expresado como {XY}. Esto se mide por la
proporción de transacciones con el artículo X, en el que también
aparece el artículo Y.
La Confidencia {Cerveza  Pañales} es del 75%.
Confidencia {  } =
Soporte { , }
Soporte { }
Reglas de Asociación: Elevación (Lift)
Esto indica la probabilidad de que se compre el artículo Y cuando se
compra el artículo X, mientras se controla la popularidad del artículo Y.
La Elevación {Cerveza  Pañales} es del 25%.
Elevación {  } =
Soporte { , }
Soporte { } * Soporte { }
Reglas de Asociación: Una reflexión final
Ahora que entendemos cómo cuantificar la importancia de la asociación de
artículos de un conjunto, el siguiente paso es generar reglas a partir de la
lista completa de los artículos e identificar los más importantes. Esto no es
tan simple como podría parecer. Un retail tendrán miles de productos
diferentes en la tienda.
¿Cómo llegar a un conjunto de reglas de asociación más importantes a
considerar?
Un buen análisis de cesta y un desarrollo de un componente inteligente es
la solución.

Más contenido relacionado

La actualidad más candente

RevOps Framework: Getting Ready to Drive Business Growth
RevOps Framework: Getting Ready to Drive Business GrowthRevOps Framework: Getting Ready to Drive Business Growth
RevOps Framework: Getting Ready to Drive Business GrowthMd. Moulude Hossain
 
Sales Operations Insights v1.0
Sales Operations Insights v1.0Sales Operations Insights v1.0
Sales Operations Insights v1.0Fast Track Tools
 
Marketing Attribution Modeling
Marketing Attribution ModelingMarketing Attribution Modeling
Marketing Attribution ModelingMediacurrent
 
Neil Patel's Webinar Slides
Neil Patel's Webinar SlidesNeil Patel's Webinar Slides
Neil Patel's Webinar SlidesNeil Patel
 
The SaaS business model
The SaaS business modelThe SaaS business model
The SaaS business modelDavid Skok
 
Understanding Buyers Personas
Understanding Buyers PersonasUnderstanding Buyers Personas
Understanding Buyers PersonasHubSpot
 
The Key Drivers for SaaS Success
The Key Drivers for SaaS SuccessThe Key Drivers for SaaS Success
The Key Drivers for SaaS SuccessDavid Skok
 
Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...
Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...
Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...Big Cloud Analytics, Inc.
 
Introduction to Demand Generation
Introduction to Demand GenerationIntroduction to Demand Generation
Introduction to Demand GenerationMarketo
 
Lead Scoring Aligning Sales Marketing
Lead Scoring Aligning Sales MarketingLead Scoring Aligning Sales Marketing
Lead Scoring Aligning Sales MarketingSilverpop
 
Demand Generation Program Playbook
Demand Generation Program PlaybookDemand Generation Program Playbook
Demand Generation Program PlaybookDemand Metric
 
Retail Media - Mídia Kit
Retail Media - Mídia KitRetail Media - Mídia Kit
Retail Media - Mídia KitRothmam Benther
 
HISTORIA DE EBAY Y AMAZON
HISTORIA DE EBAY Y AMAZONHISTORIA DE EBAY Y AMAZON
HISTORIA DE EBAY Y AMAZONNaty Schiaffino
 
The DMP 101 - Data Management Platforms Explained
The DMP 101 - Data Management Platforms ExplainedThe DMP 101 - Data Management Platforms Explained
The DMP 101 - Data Management Platforms ExplainedEddy Widerker
 
Go to market strategy
Go to market strategyGo to market strategy
Go to market strategyMichael Perla
 
Adobe analytics - playbook
Adobe analytics - playbookAdobe analytics - playbook
Adobe analytics - playbookBaijnath Gupta
 

La actualidad más candente (20)

RevOps Framework: Getting Ready to Drive Business Growth
RevOps Framework: Getting Ready to Drive Business GrowthRevOps Framework: Getting Ready to Drive Business Growth
RevOps Framework: Getting Ready to Drive Business Growth
 
Sales Operations Insights v1.0
Sales Operations Insights v1.0Sales Operations Insights v1.0
Sales Operations Insights v1.0
 
Marketing Attribution Modeling
Marketing Attribution ModelingMarketing Attribution Modeling
Marketing Attribution Modeling
 
Ultimate Guide to SaaS Pricing
Ultimate Guide to SaaS PricingUltimate Guide to SaaS Pricing
Ultimate Guide to SaaS Pricing
 
Neil Patel's Webinar Slides
Neil Patel's Webinar SlidesNeil Patel's Webinar Slides
Neil Patel's Webinar Slides
 
The SaaS business model
The SaaS business modelThe SaaS business model
The SaaS business model
 
Understanding Buyers Personas
Understanding Buyers PersonasUnderstanding Buyers Personas
Understanding Buyers Personas
 
The Key Drivers for SaaS Success
The Key Drivers for SaaS SuccessThe Key Drivers for SaaS Success
The Key Drivers for SaaS Success
 
Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...
Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...
Big Data & Analytics 101: How Customer Lifetime Value Enhances Predictive Mar...
 
Introduction to Demand Generation
Introduction to Demand GenerationIntroduction to Demand Generation
Introduction to Demand Generation
 
Lead Scoring Aligning Sales Marketing
Lead Scoring Aligning Sales MarketingLead Scoring Aligning Sales Marketing
Lead Scoring Aligning Sales Marketing
 
Demand Generation Program Playbook
Demand Generation Program PlaybookDemand Generation Program Playbook
Demand Generation Program Playbook
 
B2B Sales Hacks
B2B Sales HacksB2B Sales Hacks
B2B Sales Hacks
 
Sistemas de información gerencial
Sistemas de información gerencialSistemas de información gerencial
Sistemas de información gerencial
 
Retail Media - Mídia Kit
Retail Media - Mídia KitRetail Media - Mídia Kit
Retail Media - Mídia Kit
 
HISTORIA DE EBAY Y AMAZON
HISTORIA DE EBAY Y AMAZONHISTORIA DE EBAY Y AMAZON
HISTORIA DE EBAY Y AMAZON
 
Digital Strategy
Digital StrategyDigital Strategy
Digital Strategy
 
The DMP 101 - Data Management Platforms Explained
The DMP 101 - Data Management Platforms ExplainedThe DMP 101 - Data Management Platforms Explained
The DMP 101 - Data Management Platforms Explained
 
Go to market strategy
Go to market strategyGo to market strategy
Go to market strategy
 
Adobe analytics - playbook
Adobe analytics - playbookAdobe analytics - playbook
Adobe analytics - playbook
 

Similar a Reglas de Asociación en la Compra de Productos

Similar a Reglas de Asociación en la Compra de Productos (17)

Algoritmo Apriori
Algoritmo AprioriAlgoritmo Apriori
Algoritmo Apriori
 
2022-TFG1_ReglasAsociacion.pdf
2022-TFG1_ReglasAsociacion.pdf2022-TFG1_ReglasAsociacion.pdf
2022-TFG1_ReglasAsociacion.pdf
 
2.1.4 2.1.7
2.1.4   2.1.72.1.4   2.1.7
2.1.4 2.1.7
 
Introduccion al mercado
Introduccion al mercadoIntroduccion al mercado
Introduccion al mercado
 
TEORIA DE UTILIDADES
TEORIA DE UTILIDADESTEORIA DE UTILIDADES
TEORIA DE UTILIDADES
 
Politicas de Precios - Luis Maita
Politicas de Precios - Luis MaitaPoliticas de Precios - Luis Maita
Politicas de Precios - Luis Maita
 
Fundamentos de economía: taller numero 1
Fundamentos de economía:  taller numero 1Fundamentos de economía:  taller numero 1
Fundamentos de economía: taller numero 1
 
Mercadotecnia
MercadotecniaMercadotecnia
Mercadotecnia
 
conducta del consumidor
conducta del consumidor conducta del consumidor
conducta del consumidor
 
Coceptos basicos. proceso de compras
Coceptos basicos. proceso de comprasCoceptos basicos. proceso de compras
Coceptos basicos. proceso de compras
 
Taller 3 y 4 guía n. 4 exhibición
Taller 3 y 4 guía n. 4 exhibiciónTaller 3 y 4 guía n. 4 exhibición
Taller 3 y 4 guía n. 4 exhibición
 
presentacion estudio de mercado
 presentacion estudio de mercado presentacion estudio de mercado
presentacion estudio de mercado
 
Precio
PrecioPrecio
Precio
 
PRESENTACION LEAN CANVAS.pptx
PRESENTACION LEAN CANVAS.pptxPRESENTACION LEAN CANVAS.pptx
PRESENTACION LEAN CANVAS.pptx
 
Definiciones de mercadotecnia
Definiciones de mercadotecniaDefiniciones de mercadotecnia
Definiciones de mercadotecnia
 
Presentacion tp nelianny lugo
Presentacion tp   nelianny lugoPresentacion tp   nelianny lugo
Presentacion tp nelianny lugo
 
precios
precios precios
precios
 

Último

base de datos para tecnología de sara Garzón
base de datos para tecnología de sara Garzónbase de datos para tecnología de sara Garzón
base de datos para tecnología de sara GarzónSaraGarzon13
 
LISTA taller tecnología Sofia nava 11-2 año 2024
LISTA taller tecnología Sofia nava 11-2 año 2024LISTA taller tecnología Sofia nava 11-2 año 2024
LISTA taller tecnología Sofia nava 11-2 año 2024SofaNava1
 
Trabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamentalTrabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamentalEmanuelCastro64
 
tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6SaraMineiropalacio
 
carta combinada para tecnología de sara Garzón
carta combinada para tecnología de sara Garzóncarta combinada para tecnología de sara Garzón
carta combinada para tecnología de sara GarzónSaraGarzon13
 
Green-Tech.pdf (Tecnologia Verde) Tendencias Tecnologicas
Green-Tech.pdf (Tecnologia Verde) Tendencias TecnologicasGreen-Tech.pdf (Tecnologia Verde) Tendencias Tecnologicas
Green-Tech.pdf (Tecnologia Verde) Tendencias TecnologicasDahianaParedes2
 
La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2SariGarcs
 
Nomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de NóminaNomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de Nóminacuellosameidy
 
Taller de tecnología año 2024 11-2 sofia nava
Taller de tecnología año 2024  11-2 sofia navaTaller de tecnología año 2024  11-2 sofia nava
Taller de tecnología año 2024 11-2 sofia navaSofaNava1
 
tecnologia11-6 Juan Sebastián Gonzalez liceo
tecnologia11-6 Juan Sebastián Gonzalez liceotecnologia11-6 Juan Sebastián Gonzalez liceo
tecnologia11-6 Juan Sebastián Gonzalez liceoSebastinOrdez4
 
Análisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docxAnálisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docxmajovaru19
 
tecnologia trabajo sobre excel avanzado método estadístico
tecnologia trabajo sobre excel avanzado método estadísticotecnologia trabajo sobre excel avanzado método estadístico
tecnologia trabajo sobre excel avanzado método estadísticojuliana280780
 
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdfBetianaJuarez1
 
Tecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestríaTecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestríaElizabethLpezSoto
 
TRABAJO TECNOLOGÍA E INFORMATICA TABLAAA
TRABAJO TECNOLOGÍA E INFORMATICA TABLAAATRABAJO TECNOLOGÍA E INFORMATICA TABLAAA
TRABAJO TECNOLOGÍA E INFORMATICA TABLAAASebastinOrdez4
 
Materiales didácticos de Arelis y maria.
Materiales didácticos de Arelis y maria.Materiales didácticos de Arelis y maria.
Materiales didácticos de Arelis y maria.cabreraarelis37
 
La electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdfLa electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdfcristianrb0324
 
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guiaORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guiaYeimys Ch
 
Clasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptxClasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptxCarolina Bujaico
 
.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docx.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docxCamila Ortiz
 

Último (20)

base de datos para tecnología de sara Garzón
base de datos para tecnología de sara Garzónbase de datos para tecnología de sara Garzón
base de datos para tecnología de sara Garzón
 
LISTA taller tecnología Sofia nava 11-2 año 2024
LISTA taller tecnología Sofia nava 11-2 año 2024LISTA taller tecnología Sofia nava 11-2 año 2024
LISTA taller tecnología Sofia nava 11-2 año 2024
 
Trabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamentalTrabajo de tecnología liceo departamental
Trabajo de tecnología liceo departamental
 
tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6tecno 2024.pdf sara mineiro palacio 10-6
tecno 2024.pdf sara mineiro palacio 10-6
 
carta combinada para tecnología de sara Garzón
carta combinada para tecnología de sara Garzóncarta combinada para tecnología de sara Garzón
carta combinada para tecnología de sara Garzón
 
Green-Tech.pdf (Tecnologia Verde) Tendencias Tecnologicas
Green-Tech.pdf (Tecnologia Verde) Tendencias TecnologicasGreen-Tech.pdf (Tecnologia Verde) Tendencias Tecnologicas
Green-Tech.pdf (Tecnologia Verde) Tendencias Tecnologicas
 
La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2La electricidad y la electrónica saray 10-2
La electricidad y la electrónica saray 10-2
 
Nomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de NóminaNomisam: Base de Datos para Gestión de Nómina
Nomisam: Base de Datos para Gestión de Nómina
 
Taller de tecnología año 2024 11-2 sofia nava
Taller de tecnología año 2024  11-2 sofia navaTaller de tecnología año 2024  11-2 sofia nava
Taller de tecnología año 2024 11-2 sofia nava
 
tecnologia11-6 Juan Sebastián Gonzalez liceo
tecnologia11-6 Juan Sebastián Gonzalez liceotecnologia11-6 Juan Sebastián Gonzalez liceo
tecnologia11-6 Juan Sebastián Gonzalez liceo
 
Análisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docxAnálisis de Artefactos Tecnologicos .docx
Análisis de Artefactos Tecnologicos .docx
 
tecnologia trabajo sobre excel avanzado método estadístico
tecnologia trabajo sobre excel avanzado método estadísticotecnologia trabajo sobre excel avanzado método estadístico
tecnologia trabajo sobre excel avanzado método estadístico
 
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
_Planificacion Anual NTICX 2024.SEC.21.4.1.docx.pdf
 
Tecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestríaTecnología Educativa- presentación maestría
Tecnología Educativa- presentación maestría
 
TRABAJO TECNOLOGÍA E INFORMATICA TABLAAA
TRABAJO TECNOLOGÍA E INFORMATICA TABLAAATRABAJO TECNOLOGÍA E INFORMATICA TABLAAA
TRABAJO TECNOLOGÍA E INFORMATICA TABLAAA
 
Materiales didácticos de Arelis y maria.
Materiales didácticos de Arelis y maria.Materiales didácticos de Arelis y maria.
Materiales didácticos de Arelis y maria.
 
La electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdfLa electricidad y la electronica.10-7.pdf
La electricidad y la electronica.10-7.pdf
 
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guiaORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
ORIENTACIONES DE INFORMÁTICA-2024.pdf-guia
 
Clasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptxClasificación de Conjuntos de Datos Desequilibrados.pptx
Clasificación de Conjuntos de Datos Desequilibrados.pptx
 
.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docx.Informe electricidad y electronica.docx
.Informe electricidad y electronica.docx
 

Reglas de Asociación en la Compra de Productos

  • 1. Reglas de Asociación en la Compra de Productos (Análisis de la Cesta) Wayner Barrios B.
  • 2. Análisis de la Cesta de Compra ¿Qué siempre lleva el cliente? ¿Cuáles son los productos con mayor frecuencia de compra? ¿Cómo organizar las góndolas en el Supermarket? ¿Qué “combo” de productos podemos ofrecer?
  • 3. Reglas de Asociación  Es uno de los conceptos más importantes del aprendizaje automático (Machine Learning) que se utiliza en el Análisis de la Cesta de Compra.  Una técnica para descubrir cómo se asocian los elementos entre sí.  Busca encontrar patrones de compra entre un par de artículos X e Y, que puede ayudar a aumentar las ventas de varias formas.
  • 4. Reglas de Asociación: ¿Qué acciones puedo realizar?  Tanto X como Y se pueden colocar en el mismo estante, de modo que se solicite a los compradores de un artículo que compren el otro.  Los descuentos promocionales se pueden aplicar solo a uno de los dos artículos.  Los anuncios en X podrían estar dirigidos a compradores que compren Y.  X e Y podrían combinarse en un nuevo producto, como tener Y en sabores de X.
  • 5. Reglas de Asociación: Métricas 1. Soporte (Support) 2. Confidencia (Confidence) 3. Elevación (Lift)
  • 6. Reglas de Asociación: Un Ejemplo de Análisis de Cesta Transacción 1 Transacción 2 Transacción 3 Transacción 4 Transacción 5 Transacción 6 Transacción 7 Transacción 8
  • 7. Reglas de Asociación: Soporte (Support) Esto indica qué tan popular es un conjunto de artículos, medido por la proporción de transacciones en las que aparece dicho conjunto de artículos. Soporte { } = 5 8 El Soporte {Manzana} es 5 de 8, es decir 0.625 (62.5%). También podemos calcular el soporte de un conjunto de artículos comprados: Soporte {Manzana, Pera} es del 25%.
  • 8. Reglas de Asociación: Confidencia (Confidence) Esto indica la probabilidad de que se compre el artículo Y cuando se compra el artículo X, expresado como {XY}. Esto se mide por la proporción de transacciones con el artículo X, en el que también aparece el artículo Y. La Confidencia {Cerveza  Pañales} es del 75%. Confidencia {  } = Soporte { , } Soporte { }
  • 9. Reglas de Asociación: Elevación (Lift) Esto indica la probabilidad de que se compre el artículo Y cuando se compra el artículo X, mientras se controla la popularidad del artículo Y. La Elevación {Cerveza  Pañales} es del 25%. Elevación {  } = Soporte { , } Soporte { } * Soporte { }
  • 10. Reglas de Asociación: Una reflexión final Ahora que entendemos cómo cuantificar la importancia de la asociación de artículos de un conjunto, el siguiente paso es generar reglas a partir de la lista completa de los artículos e identificar los más importantes. Esto no es tan simple como podría parecer. Un retail tendrán miles de productos diferentes en la tienda. ¿Cómo llegar a un conjunto de reglas de asociación más importantes a considerar? Un buen análisis de cesta y un desarrollo de un componente inteligente es la solución.