下载文档原格式
商品数据分析商品是店铺运营的核心，运营者采取的一切营销措施的最终目的就是将商品销售出去，从中获得利润。
运营者应该全面掌握店铺内商品的情况，包括商品定价、商品销售情况、商品供应链情况，然后根据自身掌握的情况合理调整与优化商品营销策略，从而不断提高店铺利润。
01商品定价分析02商品销售数据分析03商品供应链分析01销售策略市场竞争情况商品定价商品的成本•商品性质•企业形象•店铺特性•市场上同行竞争对手有多少•竞争对手的店铺中商品的整体定价是多少•市场上同款商品或相似商品的定价是多少•在商品生产和流通过程中所产生的物资消耗•支付的劳动报酬成本定价法单件商品定价＝单件商品成本＋单件商品期望的利润额1目标利润定价法单件商品定价＝总成本×（1＋目标利润率）÷预期销量2平均价格定价法3黄金分割比例定价法单件商品定价＝（最高价-最低价）×0.618＋最低价4商品成本商品的生产材料成本、商品采购成本、仓储成本、包装成本、物流成本、商品滞销成本、退换货损失等人工成本工人工资、社会保险、福利、补贴等固定成本房屋租金、第三方电商平台服务费、水电费、办公用品费、税费等营销成本广告费、广告物料费等单件商品的成本构成心理定价法——分割定价法、数字定价法1组合定价法——商品大类组合定价、连带商品组合定价、系列商品组合定价2阶段性定价法——新品上市定价、商品成长期定价、商品成熟期定价、商品衰退期定价3受欢迎 数字法据调查，从人们的消费心理来说，带有弧线的数字对人们来说更具刺激感，如 5、8、0、3、6、9，这样的数字更容易被人们所接受，因此运营者在为商品定价时可以多使用这些数字整数法使用整数为商品定价，例如，某运营者将一款空调的价格定为 1299 元非整数法又称为“差一点法”，就是把商品的价格定成有小数的数字，其实这也是一种心理暗示，例如，一件商品的价格原本为 10 元，运营者可以将其价格定为 9.8 元或 9.9 元，这样可以给客户造成一种“便宜一点”的心理暗示常见的数字定价法1心理定价法——分割定价法、数字定价法2组合定价法——商品大类组合定价、连带商品组合定价、系列商品组合定价3阶段性定价法——新品上市定价、商品成长期定价、商品成熟期定价、商品衰退期定价系列商品组合定价印花 T 恤39毛衣79打底裤59风衣139总价316折后价252.8心理定价法——分割定价法、数字定价法1组合定价法——商品大类组合定价、连带商品组合定价、系列商品组合定价2阶段性定价法——新品上市定价、商品成长期定价、商品成熟期定价、商品衰退期定价3高价定价法市场寿命周期较短、款式更新换代较快的时尚类商品运营者可以将商品的价格定得较高渗透定价法市场潜力较大，能够通过多销获得利润的商品运营者可以有意识地给新商品定较低的价格，以提升商品销量，达到渗透市场、提高市场占有率的目的中间定价法销量比较稳定的商品为了追求商品价格的稳定和预期销售额的稳定增长，运营者可以将商品价格定在一个比较适中的水平新品上市定价策略商品涨价的注意事项——公开成本，说明涨价原因；1商品分批次部分提价；选择合适的涨价时机；把握好涨价的幅度；附加馈赠商品降价的注意事项——选择合适的降价理由；2控制降价幅度；不宜频繁降价课堂实操采用平均价格定价法为商品定价下面以一款男士外套为例，使用平均价格定价法对其进行定价，并进一步采集数据，找到合适的商品发布价和促销价，具体操作步骤如下。
第2章商品零售购物篮分析教案一、材料清单（1）《R语言商务数据分析实战》教材。
（2）配套PPT。
（3）引导性提问。
（4）探究性问题。
（5）拓展性问题。
二、教学目标与基本要求1.教学目标结合商品零售购物篮的项目，重点介绍关联规则算法中的Apriori算法在商品零售购物篮分析案例中的应用。
过程中详细分析商品零售的现状与问题，根据某商场的商品零售数据分析商品的热销程度，通过Apriori算法构建相应模型，并根据模型结果制定销售策略。
2.基本要求（1）熟悉购物篮分析的实现流程与步骤。
（2）掌握Apriori算法的基本原理与使用方法。
（3）分析商品销售状况与商品结构合理性。
（4）分析零售商品间的关联关系。
三、问题1.引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。
（1）什么是购物篮分析？（2）零售商品会出现哪些销售状况？（3）购物篮分析的意义是什么？2.探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。
或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。
（1）购物篮分析用到哪些算法？（2）实现购物篮分析的基本流程是什么？（3）Apriori算法的基本原理是什么？3.拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。
亦可以提供拓展资料供学生研习探讨，完成拓展性问题。
（1）实现本案例的目标还能使用什么方法？（2）购物篮分析模型中，最小支持度和最小置信度设为其他值，模型的效果会如何？四、主要知识点、重点与难点1.主要知识点（1）分析某零售企业商品销售现状、基本数据情况。
（2）熟悉购物篮分析的基本流程与步骤。
（3）使用统计学知识分析热销商品。
（4）使用商品结构图分析售出商品的结构。
R语⾔与关联规则挖掘—购物篮分析
名词：
挖掘数据集：购物篮数据
挖掘⽬标：关联规则
关联规则：啤酒=>尿布（⽀持度0.02，置信度0.6）
⽀持度：所有数据中有2%的购物记录包含了啤酒和尿布
置信度：所有包含啤酒的购物记录⾥有60%包含尿布
最⼩⽀持度阈值和最⼩置信度阈值。
项集：项（商品）组成的集合
K-项集：k个项组成的集合
频繁项集：满⾜最⼩⽀持度的项集
强关联规则：满⾜最⼩⽀持阈值和最⼩置信度阈值的规则
步骤:
找出所有频繁项集；由频繁项集产⽣强关联规则。
案例：
TID为购物记录，List of item_ID为商品ID，如第T100条购物记录中，包含商品I1,I2,I5。
最后推出的关联规则有：
（以上图⽚来源薛毅⽼师的《r modeling》）
R语⾔操作：
包：arules
数据集：Groceries（内置数据集）
函数：inspect：显检查，⽰⼀个的⽂集或⼀个术语⽂档矩阵的详细信息。
查看数据。
apriori：提取关联规则
代码：
结果如下：
结果展⽰的即为每⼀种消费记录推出同时购买某种商品的⽀持度和置信度。
最右边的lift参数表明该规则的可信度，如果等于1，啧表明前⾯的商品与关联商品是独⽴的。
lift值越⼤，表明规则越可信。
