Este documento explica las reglas de asociación y su importancia en el análisis de la cesta de compra. Las reglas de asociación buscan encontrar patrones de compra entre pares de artículos que pueden aumentar las ventas. Se describen métricas como el soporte, la confianza y la elevación para cuantificar la importancia de las asociaciones entre artículos. Finalmente, se señala que generar reglas a partir de miles de productos no es trivial y requiere de un buen análisis de cesta y un componente inteligente

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.