連 鎖 輕 食 店 之 產 品 關 聯 分 析 - 以 茗 人 為 例 Association Analysis of Deli Chain Example of MingZen 摘 要 所 謂 關 聯 分 析, 就 是 從 商 店 銷 售 交 易 資 料 庫 中, 找 出 項 目 之 間 的 關 聯 性, 並 探 勘 出 在 資 料 間 具 有 相 關 性 的 隱 藏 規 則 有 趣 的 是, 商 品 之 間 組 合 的 銷 售 關 係, 往 往 可 以 改 變 人 們 的 購 買 行 為 本 研 究 中, 我 們 將 從 連 鎖 輕 食 店 茗 人 某 一 分 店 每 日 的 大 量 交 易 中 進 行 消 費 者 所 購 買 商 品 間 的 關 聯 分 析 從 關 聯 分 析 的 結 果, 可 觀 察 出, 顧 客 每 次 消 費 用 餐 時 所 食 用 不 同 餐 點 的 相 關 性, 利 用 這 些 關 聯 規 則 瞭 解 顧 客 的 消 費 行 為 所 收 集 的 數 據 顯 示 項 目 集 的 支 持 度 (support) 很 低, 進 而 影 響 所 產 生 的 規 則 支 持 度 也 很 低, 銷 售 較 大 的 組 合 規 則 信 度 (confidence) 卻 很 低 從 分 析 結 果 信 度 中 可 看 出 銷 售 仍 以 飲 料 為 主, 但 飲 料 間 相 互 關 聯 的 信 度 很 低 似 乎 沒 有 甚 麼 關 聯 規 則 有 用, 但 點 心 及 輕 食 與 飲 料 間 仍 顯 示 一 些 信 度 與 相 依 性 均 很 高 的 有 趣 規 則, 例 如 目 前 銷 售 不 是 很 高 的 南 瓜 銀 絲 捲 卻 與 一 些 飲 料 或 點 心 有 搭 配 的 關 聯, 或 許 可 作 為 促 銷 參 考, 文 中 顯 示 其 他 飲 料 點 心 或 輕 食 間 關 聯 也 可 提 供 業 者 參 考 壹 緒 論 隨 著 物 價 的 上 漲, 使 得 消 費 者 對 昂 貴 的 消 費 隨 之 怯 步, 對 於 價 格 也 開 始 斤 斤 計 較 在 這 樣 的 環 境 驅 使 下, 店 家 必 須 針 對 消 費 者 的 消 費 偏 好 而 去 改 變 商 品 的 銷 售 策 略 對 於 餐 飲 業 來 說, 為 了 增 加 消 費 者 的 購 買 意 願, 會 推 出 如 套 餐 組 合 加 購 優 惠 買 一 送 一 等 等 的 促 銷 方 案, 以 便 提 升 消 費 者 的 消 費 意 願, 來 達 到 提 高 店 家 營 業 額 的 目 的 本 研 究 以 輕 食 連 鎖 店 茗 人 某 分 店 於 2013 年 7 月 至 10 月 期 間 的 交 易 資 料 為 基 礎, 去 分 析 各 商 品 間 的 相 關 性 並 從 中 找 出 其 規 則, 來 歸 納 出 哪 些 商 品 較 得 消 費 者 喜 愛, 進 而 提 供 一 些 有 用 資 訊 供 店 家 參 考, 使 店 家 能 夠 設 計 出 增 加 消 費 者 購 買 意 願 的 銷 售 方 案, 期 望 能 對 輕 食 相 關 店 家 提 高 銷 售 策 略 的 幫 助 從 大 量 收 集 的 資 料 中 搜 尋 有 用 的 資 訊 是 資 料 探 勘 (data mining) 技 術 的 應 用 之 一 因 為 餐 飲 店 產 品 種 類 很 多, 每 日 的 交 易 量 也 大, 而 且 每 筆 交 易 僅 購 買 部 分 產 品, 如 何 從 大 量 但 稀 疏 資 料 中 發 現 有 趣 的 樣 式 (pattern), 傳 統 統 計 的 迴 歸 或 分 類 模 式 無 法 完 成 而 資 料 探 勘 中 的 關 聯 分 析 (association rules analysis) 或 頻 繁 項 目 集 探 勘 (frequent item sets mining) 針 對 此 類 數 據 發 展 出 許 多 演 算 法, 可 有 效 發 現 有 趣 的 資 料 樣 型 提 供 決 策 者 有 用 的 資 訊 本 專 題 目 的 之 一 即 練 習 關 聯 規 則 分 析 的 應 用, 將 來 可 應 用 於 職 場 相 關 的 工 作 上 首 先 以 微 軟 的 Access 設 計 一 簡 單 資 料 庫, 收 集 相 關 交 易 資 料, 將 其 處
理 成 可 做 關 聯 分 析 的 格 式, 再 應 用 統 計 統 計 計 算 軟 體 R (R Core Team, 2013) 中 的 延 伸 套 件 arules (Hahsler, Gruen, and Hornik, 2005; Hahsler, Buchta, Gruen, and Hornik, 2014) 1.1-1 的 版 本, 探 索 輕 食 餐 飲 消 費 者 購 物 選 擇 的 關 聯 規 則, 提 供 輕 食 經 營 者 管 理 上 決 策 的 參 考 分 析 流 程 中 除 了 以 傳 統 建 議 關 聯 規 則 搜 尋 外, 也 應 用 Hahsler, Buchta and Hornik (2008) 的 選 擇 性 關 聯 規 則 產 生 (Selective association rule generation) 方 法 配 合 問 題 特 性 發 覺 較 有 意 義 的 關 聯 規 則 從 傳 統 簡 易 分 析 結 果 產 生 很 多 重 複 規 則, 對 輕 食 餐 飲 有 很 多 餐 點 所 產 生 大 量 資 料 不 易 整 理, 而 從 選 擇 性 關 聯 規 則 產 生 方 法 可 得 緊 湊 的 規 則 由 於 輕 食 店 飲 料 及 餐 點 種 類 很 多, 而 且 平 均 點 餐 的 項 目 約 4.117 項, 所 以 從 數 據 顯 示 單 項 餐 點 的 平 均 點 用 率 只 有 0.02, 由 此 而 產 生 之 項 目 集 的 支 持 度 很 低, 進 而 影 響 所 產 生 的 規 則 支 持 度 也 很 低, 平 均 只 有 0.000522 使 得 較 普 遍 的 點 餐 組 合 建 構 的 規 則 信 度 很 低 從 分 析 結 果 信 度 中 可 看 出 銷 售 仍 以 飲 料 為 主, 但 飲 料 間 相 互 關 聯 的 信 度 很 低 似 乎 沒 有 甚 麼 關 聯 規 則 有 用, 但 點 心 及 輕 食 與 飲 料 間 仍 顯 示 一 些 信 度 與 相 依 性 均 很 高 的 有 趣 規 則, 例 如 目 前 銷 售 不 是 很 高 的 南 瓜 銀 絲 捲 卻 與 一 些 飲 料 或 點 心 有 搭 配 的 關 聯, 或 許 可 作 為 促 銷 參 考, 文 中 列 出 的 其 他 飲 料 點 心 或 輕 食 間 關 聯 也 可 提 供 業 者 參 考 整 體 而 言, 因 為 本 文 將 所 有 飲 料 點 心 及 輕 食 混 和 做 分 析, 所 得 之 關 聯 規 則 不 易 說 明, 或 許 可 將 飲 料 點 心 及 輕 食 性 質 相 近 合 在 一 起 減 少 餐 點 數 目, 所 得 規 則 可 能 較 有 意 義 也 可 請 教 業 者 專 家 建 議 規 則 樣 型, 從 限 定 樣 型 中 分 析 出 實 用 的 關 聯 規 則 接 下 來 的 各 節 整 理 如 下 : 第 二 節 整 理 近 年 來 對 不 同 市 場 上 不 同 商 品 銷 售 的 一 些 關 聯 研 究 結 果, 並 簡 要 概 述 關 聯 分 析 技 術 的 發 展 ; 接 著 說 明 本 文 研 究 對 象 連 鎖 輕 食 店 的 數 據 資 料 來 源 及 彙 總, 並 整 理 所 應 用 來 分 析 的 方 法 及 使 用 的 程 式 ; 第 四 節 整 理 分 析 的 結 果 與 討 論 探 勘 的 關 聯 規 則 ; 最 後 是 結 論 研 究 限 制 與 進 一 步 方 向 貳 文 獻 探 討 對 於 零 售 業 來 說, 發 掘 數 據 的 關 聯 規 則, 可 以 分 析 出 消 費 者 購 買 模 式, 從 交 易 的 資 料 裡, 找 出 消 費 者 購 買 行 為 的 關 聯 性, 其 中 一 個 名 的 例 子 便 是 美 國 的 零 售 商 Walmart 分 析 了 消 費 者 的 購 買 數 據, 發 現 許 多 周 末 購 買 尿 布 的 消 費 者 也 同 時 購 買 了 啤 酒, 詳 細 調 查 下 發 現, 美 國 許 多 父 親 在 周 末 下 班 後, 到 超 市 買 尿 布 時 通 常 也 會 買 些 啤 酒, 以 便 為 周 末 觀 看 球 賽 做 準 備, 因 此 Walmart 發 現 這 個 關 聯 後, 便 將 尿 布 與 啤 酒 的 擺 設 位 置 放 得 很 近, 銷 售 量 也 就 明 顯 的 提 高 許 多 陸 浩 銘 (2002) 對 一 家 專 賣 保 健 食 品 的 傳 銷 公 司 做 了 研 究, 將 其 交 易 資 料 分 成 了 三 大 類, 未 分 類 忠 實 顧 客 群 及 游 離 顧 客 群, 在 經 過 統 計 的 交 易 資 料 庫 中 發 現 了 不 同 顧 客 群 中 各 商 品 間 關 聯 性, 例 如, 以 忠 實 顧 客 群 來 說, 發 現 他 們 購 買 純 正 靈 芝 及 七 葉 膽 茶 時 有 相 當 高 的 可 能 會 一 起 購 買 靈 芝 茶, 因 此 在 銷 售 時 便 可 事 先 準 備, 並 詢 問 顧 客 是 否 要 一 起 購 買 靈 芝 茶, 而 在 游 離 顧 客 群 來 說, 首 要 做 的 就 是 提 高 其 消 費 頻 率, 因 此 從 分 析 的 結 果 來 看, 當 顧 客 購 買 純 正 靈 芝 及 靈
芝 茶 時, 一 起 附 上 七 葉 膽 茶 的 作 贈 品, 或 是 將 這 三 樣 產 品 以 禮 品 的 包 裝 作 銷 售, 皆 有 助 於 提 升 顧 客 的 忠 誠 度, 進 而 提 高 購 買 頻 率 鍾 碧 姮 (2003) 以 一 家 酒 品 代 理 商 做 研 究, 對 每 一 層 級 通 路 的 銷 售 商 品 作 關 聯 分 析, 找 出 消 費 者 購 買 行 為 的 關 聯, 以 提 供 各 層 級 業 者 在 銷 售 策 略 上 做 參 考, 分 析 結 果 發 現 到, 在 二 項 商 品 組 合 上, 以 B700ML 搭 配 其 他 商 品 組 合 的 銷 售 較 多, 可 供 通 路 商 做 商 品 搭 配 銷 售 時 的 參 考, 而 在 各 層 級 通 路 上, 雖 然 關 聯 規 則 不 盡 相 同, 但 在 大 部 分 的 關 聯 規 則 皆 表 現 出 P750ML 與 S750ML 這 組 合 可 做 為 最 適 交 叉 銷 售 的 商 品 組 合 劉 宜 妝 (2002) 對 漁 業 署 1997 年 至 2001 年 的 批 發 市 場 漁 產 品 行 情 資 料 庫 的 日 行 情 資 料 做 分 析, 涵 蓋 14 個 市 場 與 42 種 魚 種, 探 討 平 均 價 及 交 易 量 間 的 關 聯, 依 各 種 不 同 關 聯 規 則 項 目, 有 16 種 資 料 角 度, 將 較 為 有 用 的 關 聯 規 則 轉 入 資 料 庫 中, 以 提 供 一 套 可 利 用 平 均 價 以 及 交 易 量 的 數 字, 來 計 算 出 平 均 價 及 交 易 量 之 區 間, 以 搜 尋 出 其 相 關 的 關 聯 規 則, 供 批 發 商 與 漁 民 作 為 批 貨 參 考 蔡 佳 純 范 慧 華 楊 志 平 及 彭 克 仲 (2007) 針 對 了 台 灣 地 區 的 果 品 批 發 市 場 交 易 行 情 資 料 做 了 資 料 探 勘, 選 擇 了 台 北 一 市 台 北 二 市 三 重 市 台 中 市 嘉 義 市 及 高 雄 市 六 個 果 品 批 發 市 場 做 為 對 象, 將 季 節 鎖 定 在 夏 冬 兩 季, 並 計 算 了 價 格 交 易 量 間 的 平 均 值 標 準 差 等 數 值, 並 設 定 最 低 支 持 度 15% 及 最 低 信 賴 度 為 85%, 接 著 設 定 了 多 項 關 聯 規 則 條 件 去 剔 除 不 需 要 的 資 料, 最 後 得 出 了 各 市 場 在 夏 冬 兩 季 主 要 的 高 頻 項 目, 以 及 可 能 具 有 關 聯 性 之 果 品, 可 供 果 農 與 批 發 商 在 供 貨 上 做 參 考 卜 耀 華 (2009) 透 過 超 市 的 銷 售 資 料 庫 中, 收 集 了 6 樣 商 品 的 銷 售 數 據, 分 別 是 棉 衣 帽 子 圍 巾 手 套 毛 巾 與 毛 毯, 先 算 出 每 樣 商 品 的 關 聯 規 則 支 持 度, 接 著 設 定 了 最 小 支 持 度 為 0.3, 將 商 品 篩 選 到 剩 棉 衣 帽 子 圍 巾 與 手 套, 接 著 再 計 算 各 商 品 的 信 任 度, 根 據 設 定 的 最 小 支 持 度 以 及 信 任 度, 得 出 了 這 幾 樣 商 品 間 的 關 聯 規 則, 並 由 此 得 出 超 市 可 將 關 聯 性 高 的 幾 樣 商 品 放 置 一 起, 或 者 是 推 出 搭 配 銷 售 方 案, 藉 由 這 些 方 式 來 提 高 銷 售 額 陳 秉 呈 (2007) 利 用 圖 書 館 的 借 閱 紀 錄 資 料 庫 做 為 研 究 來 源, 從 這 些 借 閱 紀 錄 中, 可 整 理 出 各 個 使 用 者 的 閱 讀 偏 好, 分 析 出 其 中 各 個 讀 者 借 閱 紀 錄 的 關 聯 規 則, 另 外 還 從 書 籍 為 角 度, 找 出 包 含 某 一 書 籍 的 高 頻 項 目, 綜 合 兩 種 角 度, 以 建 置 完 整 的 推 薦 系 統, 讓 圖 書 館 在 對 讀 者 書 籍 推 薦 上 有 十 分 有 用 的 資 訊 關 聯 規 則 分 析 最 初 是 由 Agrawal, Imielinski and Swami (1993) 等 學 者 提 出 的 購 物 籃 交 易 分 析 (market basket transaction analysis), 因 為 購 物 籃 交 易 中 項 目 的 數 量 通 常 很 大, 一 般 演 算 法 效 率 較 低, 故 早 期 研 究 偏 向 如 何 提 高 演 算 要 率, 其 中 較 有 名 的 方 法 如 Agrawal and Srikant (1994) 提 出 的 Apriori 方 法 及 Zaki, Parthasarathy, Ogihara and Li (1997) 提 出 的 Eclat 方 法 Goethals and Zaki (2004) 比 較 當 年 最 快 的 幾 種 方 法, 仍 以 Apriori 及 Eclat 最 佳 Borgelt (2003) 以 C 程 式
語 言 實 作 這 兩 種 方 法, 並 公 開 程 式 碼 讓 其 他 研 究 者 使 用 較 詳 細 的 說 明 可 以 參 考 資 料 探 勘 書 籍 (Tan, Steinbach and Kumar, 2006) 關 聯 分 析 整 理 出 的 規 則 非 常 多, 因 此 後 來 一 些 學 者 定 義 出 規 則 興 趣 量 測 (interest measures) 的 方 式, 其 中 較 有 名 的 是 Lift 量 測 (Brin, Motwani, Ullman and Tsur, 1997) 各 種 量 測 的 說 明 特 性 及 選 擇 彙 總 於 Tan, Kumar 及 Srivastava (2004) 的 文 獻 中 Hahsler and Hornik (2007) 也 提 出 新 的 機 率 興 趣 量 測 ; 同 時 Hahsler 等 (2008) 的 文 獻 也 提 出 可 以 避 免 冗 餘 規 則 的 規 則 產 生 方 法 也 有 學 者 提 出 以 圖 形 方 式 輔 助 選 擇 規 則 的 方 式 如 (Unwin, Hofmann and Bert, 2001) 及 (Hahsler and Chelluboina, 2011) 參 研 究 方 法 本 專 題 資 料 來 源 為 輕 食 連 鎖 店 茗 人 台 中 某 分 店 於 2013 年 7 月 至 10 月 期 間 的 點 單 資 料 因 為 飲 料 及 餐 點 種 類 很 多, 每 日 消 費 數 量 也 很 多, 故 先 以 MS Access 設 計 一 簡 易 資 料 庫 方 便 輸 入 數 據, 該 資 料 庫 的 設 計 綱 要 如 圖 一, 數 據 輸 入 界 面 如 圖 二 圖 一 資 料 收 集 資 料 庫 設 計 綱 要 圖 二 數 據 輸 入 介 面
於 此 段 期 間 該 輕 食 店 推 出 202 種 飲 料 及 餐 點, 總 共 有 10719 筆 交 易 本 文 即 針 對 這 些 資 料 進 行 關 聯 分 析 關 聯 規 則 分 析 或 探 勘, 早 期 也 稱 為 購 物 籃 交 易 分 析, 主 要 是 以 銷 售 之 貨 品 項 目 (items) 間 是 否 有 特 別 的 關 聯, 數 據 是 以 某 項 目 於 某 交 易 中 是 否 購 買 作 為 量 測, 故 變 數 為 二 元 (binary) 數 值 首 先 須 定 義 該 問 題 的 項 目 集 合 I I = {i 1, i 2,, i n } 其 中 i k 表 示 某 件 貨 品 項 目, 上 式 中 表 示 有 n 項 貨 品, 例 如 本 問 題 有 202 種 不 同 的 飲 料 及 餐 點 交 易 資 料 則 定 義 為 集 合 T T = {t 1, t 2,, t m } 同 樣 t j 表 示 某 次 交 易,m 為 交 易 樣 本 數, 例 如 本 題 總 共 收 集 10719 次 交 易 紀 錄 則 m=10719 每 次 交 易 購 買 的 項 目 可 能 不 只 一 件, 故 項 目 的 組 合 稱 為 項 目 集 (itemsets) 若 項 目 集 X 中 包 含 k 項 貨 品 項 目 則 亦 稱 為 k- 項 目 集 (k-itemset) 所 謂 購 物 籃 關 聯 即 探 索 交 易 中 不 同 項 目 集 中 是 否 有 相 關 性, 所 以 須 先 計 算 項 目 集 X 於 收 集 的 交 易 樣 本 中 出 現 的 頻 率, 其 量 測 的 方 式 稱 為 支 持 計 數 (support count) σ(x), 定 義 為 其 中 符 號 表 是 集 合 中 成 員 的 數 目 σ(x) = {t i X t i, t i T} 若 有 兩 不 相 交 (disjoint) 的 項 目 集 X 及 Y (X Y = ), 則 關 聯 規 則 (association rule) 意 味 著 交 易 中 若 含 X 則 也 會 有 Y, 表 示 為 X Y, 其 中 X 稱 為 前 置 項 (antecedent),y 稱 為 後 置 項 (consequent) 正 如 項 目 集 在 分 析 的 樣 本 中 出 現 頻 率 不 一, 關 聯 規 則 也 有 強 弱 之 分 可 從 該 規 則 的 支 持 度 s(x Y) 及 信 度 c(x Y) Support, Confidence, s(x Y) = c(x Y) = σ(x Y) m σ(x Y) σ(x) 來 量 測 其 中 s(x Y) 表 示 該 規 則 在 收 集 的 樣 本 中 出 現 的 頻 率,c(X Y) 表 示 包 含 X 項 目 集 的 交 易 中 Y 項 目 集 同 時 出 現 的 頻 率, 也 可 認 為 是 項 目 集 Y 對 項 目 集 X 的 條 件 機 率 本 文 的 關 聯 規 則 沿 用 一 般 常 用 後 置 項 僅 包 含 一 項 目 的 形 式 (Borgelt, 2003; Hahsler 等 2005), 即 Y 中 只 有 一 項 餐 點 關 聯 分 析 的 主 要 有 兩 步 驟, 首 先 從 交 易 樣 本 中 列 出 所 謂 的 頻 繁 項 目 集 (frequent itemset), 接 著 再 從 其 中 產 生 規 則 通 常 關 聯 分 析 的 項 目 與 交 易 資 料 均 很 大, 因 列 出 頻 繁 項 目 集 的 數 目 也 很 多, 演 算 費 時 本 文 採 用 較 有 效 率 的 Apriori 方 法 (Agrawal and Srikant, 1994), 其 詳 細 策 略 請 參 考 Tan 等 (2006) 的 文 獻 頻
繁 項 目 集 數 量 決 定 於 支 持 度 的 最 低 門 檻 (threshold), 若 設 得 太 低, 數 量 龐 大 計 算 費 時, 且 產 生 的 規 則 出 現 率 可 能 不 高, 缺 乏 實 用 性 ; 若 設 的 過 高, 雖 產 生 的 規 則 有 時 信 度 低, 對 結 果 顯 著 性 不 強 多 半 的 關 聯 分 析 中 均 會 產 生 大 量 的 規 則, 因 此 關 聯 分 析 中 另 一 重 要 的 工 作 是 如 何 從 眾 多 的 規 則 中 搜 尋 出 有 效 的 結 果 Tan 等 (2006) 提 出 兩 種 方 式, 一 是 從 客 觀 興 趣 量 測 (objective interesting measures) 來 篩 選, 另 一 方 式 是 以 較 主 觀 方 式 配 合 視 覺 規 則 樣 型 及 專 家 知 識 來 協 助 規 納 出 實 用 的 規 則 本 專 題 應 用 (Hahsler and Chelluboina, 2013) 的 規 則 散 佈 圖 確 認 規 則 範 圍, 並 以 較 常 使 用 的 興 趣 量 測 Lift ( 規 則 前 置 項 與 後 置 項 的 相 關 性 (dependence)) 作 為 規 則 篩 選 準 則 Lift = c(a B) s(b) 本 文 分 析 的 計 算 應 用 統 計 計 算 軟 體 R (R Core Team, 2013) 中 的 延 伸 套 件 arules (Hahsler 等, 2005; Hahsler 等, 2014), 版 本 為 1.1-1, 及 延 伸 套 件 arulesviz (Hahsler and Chelluboina, 2013), 版 本 為 0.1-7 肆 分 析 結 果 與 討 論 此 家 輕 食 店 餐 點 分 為 飲 料 點 心 及 輕 食, 主 要 分 為 五 大 類, 其 中 冰 爆 茶 燒 與 森 林 為 飲 料, 點 心 櫃 與 廚 房 分 別 為 點 心 及 輕 食, 五 大 類 下 有 22 次 類 別, 其 下 為 飲 料 及 餐 點 共 202 項 點 餐 數 據 總 共 收 集 10719 筆, 各 筆 點 單 最 少 點 一 項, 最 多 點 23 項, 點 單 項 目 分 佈 摘 要 如 表 一 中 位 數 為 4 項, 平 均 來 說 大 約 也 是 點 4 項 ; 點 餐 項 目 最 多 ( 眾 數 ) 為 兩 項 ( 約 占 23%) 以 金 額 來 看 其 各 次 點 單 小 計 分 佈 摘 要 如 表 二 及 圖 三, 平 均 約 為 250 元, 最 多 點 單 金 額 約 150 元 表 一 點 單 項 目 數 量 分 佈 摘 要 Min 1stQr Median Mean 3rd Qr Max 1 2 4 4.117 5 23 表 二 各 次 點 單 金 額 小 計 分 佈 摘 要 Min 1stQr Median Mean 3rd Qr Max NT$30 NT$140 NT$205 NT$250 NT$320 NT$1,640
點 單 頻 率 0.000 0.001 0.002 0.003 0 500 1000 1500 單 次 點 單 小 計 圖 三 單 次 點 單 小 計 分 佈 摘 要 餐 點 項 目 點 用 頻 率 分 佈 摘 要 參 考 表 三, 平 均 點 用 率 約 為 2%, 最 大 約 為 15%, 最 少 約 為 0.07% 點 用 率 最 多 的 10 項 列 於 表 四, 其 中 6 項 為 飲 料,4 項 為 點 心 點 用 率 最 少 的 10 項 列 於 表 五, 其 中 飲 料 占 9 項, 僅 一 項 點 心 少 被 點 用 表 三 項 目 點 用 率 分 佈 摘 要 Min 1stQr Median Mean 3rd Qr Max 0.000746 0.005621 0.01203 0.02038 0.02465 0.1536 表 四 點 用 頻 率 最 多 之 前 10 項 餐 點 茉 香 綠 茶 ( 小 ) 紅 茶 ( 小 ) 茉 香 綠 茶 ( 中 ) 紅 茶 ( 中 ) 沙 茶 豆 乾 0.1535591 0.1414311 0.14003172 0.12594458 0.10625991 珍 珠 奶 茶 ( 小 ) 脆 皮 豆 腐 五 香 米 血 珍 珠 奶 茶 ( 中 ) 台 式 蘿 蔔 糕 0.08629536 0.0790186 0.07314115 0.06996921 0.06810337 表 五 點 用 頻 率 最 少 之 10 項 餐 點 三 花 減 脂 茶 炭 培 烏 龍 茶 桂 花 綠 茶 紫 米 雜 糧 粥 ( 熱 ) 文 山 綠 茶 0.000746338 0.001119507 0.001119507 0.001306092 0.001492677 冰 熱 日 本 抹 茶 ( 中 ) 冰 熱 焦 糖 奶 茶 ( 中 ) 普 菊 茶 葡 萄 柚 冰 沙 萃 取 麥 苗 汁 0.001492677 0.001679261 0.001679261 0.001679261 0.001772553 由 數 據 的 敘 述 性 統 計 點 餐 最 多 點 用 項 目 為 兩 項, 而 項 目 點 用 率 的 中 位 數 約 為 0.012, 平 均 數 約 為 0.02, 故 在 關 聯 分 析 前 先 以 支 持 度 =0.0002 建 構 可 能 的 項 目 集, 總 共 組 合 了 59801 項 項 目 集, 其 項 目 數 目 組 合 分 佈 摘 要 如 表 六, 最 少 一 項, 最 多 10 項, 中 位 數 為 4 項, 平 均 數 約 為 4.4 項, 與 原 點 餐 數 據 統 計 相 似 ( 參 考 表 一 ) 可 能 項 目 集 中 各 項 目 集 的 支 持 度 分 佈 摘 要 列 於 表 七, 幾 乎 均 小 於 0.001, 可 推 測 可 信 度 高 的 關 聯 規 則 多 數 為 稀 少 項 目 集 ( 不 常 發 生 ) 之 情 況
表 六 項 目 集 項 目 組 合 分 佈 摘 要 ( 共 59801 項 ) Min 1stQr Median Mean 3rd Qr Max 1 3 4 4.382 6 10 表 七 可 能 項 目 集 支 持 度 分 佈 摘 要 Min 1stQr Median Mean 3rd Qr Max 0.00028 0.00028 0.00028 0.000522 0.000373 0.153559 挖 掘 有 趣 的 關 聯 規 則 前 先 探 索 可 能 關 聯 規 則 的 分 布, 才 能 縮 小 範 圍 探 索 相 關 規 則 首 先 找 出 最 多 可 能 的 關 聯 規 則, 以 支 持 度 =0.0002 及 信 度 =0.002 建 構 出 261831 項 規 則, 其 中 最 多 關 聯 規 則 為 3 項 (lhs=2, rhs=1), 表 示 點 某 2 項 餐 點 可 能 同 時 點 另 外 一 項 餐 點 的 規 則 最 多 至 於 可 能 關 聯 規 則 之 可 信 度 分 佈 摘 要 請 參 考 表 九, 超 過 一 半 為 1 瞭 解 如 此 眾 多 規 則 支 持 度 與 信 度 散 佈 有 助 於 進 一 步 規 則 的 整 理 圖 四 及 圖 五 即 為 規 則 散 佈 圖 及 two-key 圖 (Unwin 等, 2001), 圖 五 中 order 表 示 點 餐 的 項 目, 從 圖 中 明 顯 可 看 出 支 持 度 高 的 項 目 集 規 則 少 且 信 度 低, 同 時 項 目 集 組 合 數 也 低, 反 之 信 度 高 的 規 則 多 集 中 於 支 持 度 低 的 區 域 以 下 將 規 則 整 理 成 三 個 區 域, 支 持 度 <= 0.001 0.001 < 支 持 度 <= 0.005 及 支 持 度 > 0.005, 分 別 探 討 其 間 的 規 則 表 八 規 則 數 目 依 長 度 整 理 ( 支 持 度 =0.0002, 信 度 =0.002, 共 261831 項 ) 2 3 4 5 6 7 8 9 10 15411 55023 47652 32815 28716 28427 25432 18315 10040 表 九 關 聯 規 則 信 度 分 佈 摘 要 Min 1stQr Median Mean 3rd Qr Max 0.002222 0.2759 1 0.6838 1 1 圖 四 規 則 支 持 度 與 信 度 散 佈 圖
圖 五 規 則 項 目 分 佈 圖 在 支 持 度 <= 0.001 的 區 間 內 有 254024 條 規 則, 占 規 則 中 的 97%, 平 均 信 度 有 0.7 因 為 規 則 很 多, 但 重 複 出 現 的 規 則 也 很 多, 所 以 我 們 沒 有 列 在 本 文 中 例 如 前 9 項 規 則 其 實 可 表 示 為 一 項, 支 持 度 跟 信 度 以 及 lift 均 相 同 而 且 他 們 後 置 項 也 相 同, 可 歸 納 為 相 同 規 則, 因 此 傳 統 規 則 方 式 對 大 量 重 複 規 則 處 理 不 適 合, 故 本 專 題 也 應 用 Hahsler 等 (2008) 所 提 出 之 選 擇 性 關 聯 規 則 產 生 方 法 可 以 避 免 許 多 冗 餘 的 規 則 此 法 首 先 以 與 前 述 相 同 之 最 低 支 持 度 =0.0002 建 構 封 閉 頻 繁 項 目 集 (closed frequent itemsets), 共 有 28045 項 構 封 閉 頻 繁 項 目 集, 只 有 原 來 (59801 項 ) 的 0.46897, 其 項 目 集 項 目 組 合 分 佈 摘 要 則 列 於 表 十 表 十 封 閉 項 目 集 項 目 組 合 分 佈 摘 要 ( 共 28045 項 ) Min 1stQr Median Mean 3rd Qr Max 1 2 3 3.272 4 10 以 此 組 封 閉 頻 繁 項 目 集 及 設 定 信 度 =0.002 則 可 建 構 91555 條 規 則, 減 少 為 原 規 則 數 目 (261831 條 ) 的 0.34967 若 同 樣 取 支 持 度 <= 0.001 區 間 的 規 則 有 83751 約 占 所 有 規 則 的 91%, 平 均 信 度 只 有 0.405 以 Lift 為 規 則 有 趣 的 量 測, 摘 錄 前 20 規 則 排 序 如 下 lhs rhs support confidence lift 1 { 波 菜 水 餃, 珍 珠 奶 茶 ( 小 ), 茉 香 綠 茶 ( 小 ), 茉 香 綠 茶 ( 中 ), 營 養 全 餐 } => { 花 果 茶 } 0.0002798769 1.00 428.7600 2 { 火 腿 蛋 吐 司, 花 生 厚 片,
桂 圓 紅 棗 茶 } => { 韓 國 香 柚 茶 } 0.0002798769 1.00 412.2692 3 { 紅 茶 ( 中 ), 茉 香 綠 茶 ( 小 ), 桂 圓 紅 棗 茶 } => { 菊 花 茶 } 0.0002798769 1.00 345.7742 4 { 沙 茶 豆 乾, 南 瓜 銀 絲 捲, 紅 茶 綠 茶 ( 小 ), 紅 茶 ( 中 ), 茉 香 綠 茶 ( 小 ), 香 菇 雞 湯 細 粉, 鹽 酥 甜 不 辣 } => { 薏 仁 紅 豆 湯 } 0.0002798769 1.00 334.9688 5 { 珍 珠 奶 茶 ( 中 ), 紅 茶 綠 茶 ( 小 ), 茉 香 綠 茶 ( 中 ), 蜂 蜜 綠 茶 ( 小 )} => { 冰 熱 日 本 抹 茶 ( 小 )} 0.0002798769 1.00 324.8182 6 { 珍 珠 奶 茶 ( 中 ), 珍 菇 豆 腐 皮, 紅 茶 ( 中 ), 茉 香 綠 茶 ( 中 )} => { 冰 熱 日 本 抹 茶 ( 小 )} 0.0002798769 1.00 324.8182 7 { 金 香 奶 茶 ( 中 ), 珍 珠 奶 茶 ( 中 ), 紅 茶 綠 茶 ( 小 ), 紅 茶 ( 中 ), 茉 香 綠 茶 ( 中 )} => { 冰 熱 日 本 抹 茶 ( 小 )} 0.0002798769 1.00 324.8182 8 { 火 腿 蛋 吐 司, 杏 仁 奶 茶 ( 中 ), 法 國 土 司, 脆 皮 豆 腐, 薯 條 } => { 葡 萄 柚 汁 ( 中 )} 0.0002798769 1.00 306.2571 9 { 私 房 醡 醬 麵, 乳 酸 綠 茶 ( 中 ), 法 國 土 司, 花 生 厚 片, 紅 油 炒 手, 麥 克 雞 塊, 薯 條 } => { 日 本 抹 茶 冰 沙 } 0.0002798769 1.00 282.0789 10 { 日 本 抹 茶 冰 沙, 珍 珠 奶 茶 ( 小 )} => { 香 草 奶 昔 冰 沙 } 0.0003731691 0.80 267.9750 11 { 芋 絲 糕, 脆 皮 豆 腐, 梅 干 菜 飯 } => { 洛 神 花 茶 } 0.0002798769 0.60 267.9750 12 { 桂 圓 紅 棗 茶, 蘿 蔔 糕 炒 蛋 } => { 菊 花 茶 } 0.0002798769 0.75 259.3306 13 { 珍 珠 奶 茶 ( 中 ), 紅 茶 ( 小 ), 紅 茶 ( 中 ), 梅 子 綠 茶 ( 小 ), 麥 克 雞 塊 } => { 冰 熱 咖 啡 ( 中 )} 0.0002798769 0.75 243.6136 14 { 五 香 米 血, 台 式 蘿 蔔 糕, 芋 絲 糕, 南 瓜 銀 絲 捲, 胡 麻 拌 海 帶 } => { 草 莓 冰 沙 } 0.0002798769 1.00 243.6136 15 { 珍 珠 奶 茶 ( 小 ), 紅 茶 ( 中 ), 紅 糟 排 骨 飯, 茉 香 綠 茶 ( 小 ), 茉 香 綠 茶 ( 中 ), 酸 菜 鴨 細 粉,
德 國 香 腸, 蘿 蔔 糕 炒 蛋 } => { 草 莓 冰 沙 } 0.0002798769 1.00 243.6136 16 { 金 香 奶 茶 ( 中 ), 脆 皮 豆 腐, 薯 條, 雞 米 花 } => { 奶 茶 ( 中 )} 0.0002798769 1.00 228.0638 17 { 珍 珠 奶 茶 ( 小 ), 香 草 奶 昔 冰 沙 } => { 日 本 抹 茶 冰 沙 } 0.0003731691 0.80 225.6632 18 { 沙 茶 豆 乾, 燒 肉 蛋 吐 司, 鹽 酥 甜 不 辣 } => { 薏 仁 紅 豆 湯 } 0.0002798769 0.60 200.9812 19 { 地 瓜 條, 鮮 蝦 雲 吞 麵 } => { 冰 熱 可 可 亞 ( 中 )} 0.0002798769 0.75 186.9593 20 { 乳 酸 綠 茶 ( 中 ), 珍 珠 奶 茶 ( 小 ), 紅 茶 ( 中 )} => { 草 莓 冰 沙 } 0.0002798769 0.75 182.7102 所 得 結 果 緊 湊 許 多, 列 出 的 20 項 規 則 中, 可 提 供 更 多 資 訊 0.001 < 支 持 度 <= 0.005 區 間 所 含 的 之 規 則 有 7381 項 規 則, 占 所 有 規 則 之 0.08, 平 均 信 度 剩 下 0.13, 若 以 Lift 興 趣 量 測 做 篩 選, 所 列 出 的 20 項 中 有 9 項 的 信 度 低 於 0.5, 適 用 性 較 低, 若 改 為 以 信 度 來 篩 選, 所 得 之 前 20 項 關 聯 規 則 為 lhs rhs support confidence lift 1 { 珍 珠 奶 茶 ( 中 ), 紅 茶 ( 小 ), 檸 檬 綠 茶 ( 中 )} => { 紅 茶 ( 中 )} 0.001212800 1.0000000 7.940000 2 { 紅 茶 ( 小 ), 紅 茶 ( 中 ), 檸 檬 綠 茶 ( 中 )} => { 珍 珠 奶 茶 ( 中 )} 0.001212800 0.9285714 13.271143 3 { 花 生 厚 片, 珍 珠 奶 茶 ( 中 ), 紅 茶 ( 中 )} => { 紅 茶 ( 小 )} 0.001026215 0.9166667 6.481365 4 { 火 腿 蛋 吐 司, 沙 茶 豆 乾, 珍 珠 奶 茶 ( 小 )} => { 茉 香 綠 茶 ( 小 )} 0.001212800 0.8666667 5.643864 5 { 清 心 素 魚, 蜂 蜜 綠 茶 ( 中 )} => { 紅 糟 排 骨 飯 } 0.001026215 0.8461538 17.177885 6 { 火 腿 蛋 吐 司, 珍 珠 奶 茶 ( 小 ), 梅 干 菜 飯 } => { 紅 茶 ( 小 )} 0.001026215 0.8461538 5.982799 7 { 火 腿 蛋 吐 司, 珍 珠 奶 茶 ( 小 ), 珍 珠 奶 茶 ( 中 )} => { 茉 香 綠 茶 ( 小 )} 0.001119507 0.8000000 5.209721 8 { 金 香 奶 茶 ( 中 ), 檸 檬 綠 茶 ( 中 )} => { 珍 珠 奶 茶 ( 中 )} 0.001212800 0.7647059 10.929176 9 { 珍 珠 奶 茶 ( 中 ), 紅 茶 ( 中 ), 檸 檬 綠 茶 ( 中 )} => { 紅 茶 ( 小 )} 0.001212800 0.7647059 5.406914 10 { 珍 珠 奶 茶 ( 中 ), 紅 茶 ( 小 ), 梅 干 菜 飯 } => { 紅 茶 ( 中 )} 0.001212800 0.7647059 6.071765 11 { 花 生 厚 片, 珍 珠 奶 茶 ( 中 ),
紅 茶 ( 小 )} => { 紅 茶 ( 中 )} 0.001026215 0.7333333 5.822667 12 { 火 腿 蛋 吐 司, 沙 茶 豆 乾, 茉 香 綠 茶 ( 中 )} => { 茉 香 綠 茶 ( 小 )} 0.001026215 0.7333333 4.775577 13 { 五 香 米 血, 珍 珠 奶 茶 ( 中 ), 脆 皮 豆 腐 } => { 沙 茶 豆 乾 } 0.001026215 0.7333333 6.901317 14 { 胚 芽 奶 茶 ( 小 )( 熱 ), 茉 香 綠 茶 ( 小 )} => { 紅 茶 ( 小 )} 0.001119507 0.7058824 4.990998 15 { 珍 珠 奶 茶 ( 小 ), 珍 珠 奶 茶 ( 中 ), 蜂 蜜 綠 茶 ( 中 )} => { 茉 香 綠 茶 ( 小 )} 0.001119507 0.7058824 4.596812 16 { 珍 珠 奶 茶 ( 小 ), 紅 糟 排 骨 飯, 茉 香 綠 茶 ( 中 )} => { 紅 茶 ( 中 )} 0.001119507 0.7058824 5.604706 17 { 珍 珠 奶 茶 ( 小 ), 紅 茶 ( 中 ), 紅 糟 排 骨 飯 } => { 茉 香 綠 茶 ( 中 )} 0.001119507 0.7058824 5.040875 18 { 珍 珠 奶 茶 ( 中 ), 茉 香 綠 茶 ( 小 ), 梅 干 菜 飯 } => { 紅 茶 ( 中 )} 0.001306092 0.7000000 5.558000 19 { 火 腿 蛋 吐 司, 牛 肉 麵 } => { 薯 條 } 0.001026215 0.6875000 12.511566 20 { 金 香 奶 茶 ( 中 ), 珍 珠 奶 茶 ( 中 ), 紅 茶 ( 中 )} => { 紅 茶 ( 小 )} 0.001026215 0.6875000 4.861024 所 列 出 之 規 則 雖 然 Lift 較 低, 但 也 都 大 於 4 以 上, 規 則 前 置 項 與 後 置 項 的 相 關 性 還 算 高, 所 顯 示 的 結 果 應 較 適 用 若 取 支 持 度 > 0.005 的 區 間 只 有 423 條 規 則, 雖 然 支 持 度 稍 高, 但 平 均 信 度 為 0.12, 平 均 Lift 為 1.41, 以 信 度 來 篩 選, 所 得 之 前 20 項 關 聯 規 則 為 lhs rhs support confidence lift 1 { 五 香 米 血, 茉 香 綠 茶 ( 中 )} => { 沙 茶 豆 乾 } 0.005037783 0.4615385 4.343486 2 { 五 香 米 血 } => { 沙 茶 豆 乾 } 0.025468794 0.3482143 3.277005 3 { 紅 茶 ( 中 ), 茉 香 綠 茶 ( 小 )} => { 茉 香 綠 茶 ( 中 )} 0.005317660 0.3313953 2.366573 4 { 紅 茶 ( 小 ), 茉 香 綠 茶 ( 中 )} => { 茉 香 綠 茶 ( 小 )} 0.005317660 0.3313953 2.158096 5 { 沙 茶 豆 乾, 茉 香 綠 茶 ( 中 )} => { 五 香 米 血 } 0.005037783 0.2983425 4.078997 6 { 珍 菇 豆 腐 皮 } => { 沙 茶 豆 乾 } 0.008209721 0.2741433 2.579932 7 { 烏 龍 鳳 爪 } => { 沙 茶 豆 乾 } 0.005597537 0.2678571 2.520773 8 { 火 腿 蛋 } => { 紅 茶 ( 小 )} 0.007556675 0.2563291 1.812396 9 { 碳 培 烏 龍 ( 中 )} => { 茉 香 綠 茶 ( 中 )} 0.005131076 0.2511416 1.793462
10 { 紅 糟 排 骨 飯 } => { 紅 茶 ( 小 )} 0.012221289 0.2481061 1.754254 11 { 清 新 麵 ( 乾 )} => { 茉 香 綠 茶 ( 小 )} 0.008116429 0.2436975 1.586995 12 { 檸 檬 雞 飯 } => { 紅 茶 ( 小 )} 0.010075567 0.2432432 1.719871 13 { 蒜 香 毛 豆 } => { 沙 茶 豆 乾 } 0.008023136 0.2415730 2.273416 14 { 胡 麻 拌 海 帶 } => { 沙 茶 豆 乾 } 0.005877414 0.2404580 2.262923 15 { 沙 茶 豆 乾 } => { 五 香 米 血 } 0.025468794 0.2396839 3.277005 16 { 茉 香 綠 茶 ( 小 ), 茉 香 綠 茶 ( 中 )} => { 紅 茶 ( 中 )} 0.005317660 0.2384937 1.893640 17 { 茉 香 綠 茶 ( 小 ), 茉 香 綠 茶 ( 中 )} => { 紅 茶 ( 小 )} 0.005317660 0.2384937 1.686289 18 { 火 腿 蛋 吐 司 } => { 紅 茶 ( 小 )} 0.010355444 0.2381974 1.684194 19 { 花 生 厚 片 } => { 茉 香 綠 茶 ( 小 )} 0.008396306 0.2343750 1.526285 20 { 火 腿 蛋 吐 司 } => { 茉 香 綠 茶 ( 小 )} 0.010168859 0.2339056 1.523228 從 上 述 整 理 的 關 聯 規 則 可 發 現 就 輕 食 餐 飲 店 餐 點 數 目 多, 支 持 度 普 遍 低, 若 提 高 支 持 度 的 門 檻 值, 則 所 得 之 信 度 低 ( 甚 至 低 於 0.5), 且 所 篩 選 出 的 規 則 類 似 一 般 常 識 性 規 則, 沒 有 特 殊 性 而 高 可 信 度 及 高 相 關 性 的 規 則 則 須 從 支 持 度 較 低 或 稀 少 項 目 集 中 搜 尋, 所 得 之 結 果 較 特 殊 例 如 在 支 持 度 <= 0.001 的 區 間 有 一 組 規 則 { 火 腿 蛋 吐 司, 花 生 厚 片, 桂 圓 紅 棗 茶 } => { 韓 國 香 柚 茶 }, 其 信 度 為 1,Lift 也 有 412.3, 看 似 有 趣, 但 其 支 持 度 卻 只 有 約 0.03%, 也 就 是 說 在 10719 的 交 易 樣 本 中 只 發 生 約 3 次, 其 適 用 性 尚 須 業 者 專 家 檢 視 之 在 0.001 < 支 持 度 <= 0.005 的 區 間 中, 有 些 規 則 組 合 的 信 度 及 Lift 也 蠻 高, 例 如 { 清 心 素 魚, 蜂 蜜 綠 茶 ( 中 )} => { 紅 糟 排 骨 飯 } { 火 腿 蛋 吐 司, 珍 珠 奶 茶 ( 小 ), 梅 干 菜 飯 } => { 紅 茶 ( 小 )}, 此 兩 項 餐 點 與 飲 料 的 搭 配 較 特 殊, 雖 然 其 支 持 度 仍 約 0.1%, 並 不 高, 但 可 供 業 者 參 考, 搭 配 類 似 的 促 銷 方 案 吸 引 消 費 者 從 支 持 度 > 0.005 的 區 間 的 規 則 顯 示 與 產 品 普 及 程 度 相 似, 例 如 { 五 香 米 血 } 與 { 沙 茶 豆 乾 } 均 為 點 用 率 高 的 點 心, 規 則 中 也 出 現, 像 是 { 五 香 米 血, 茉 香 綠 茶 ( 中 )} => { 沙 茶 豆 乾 }, 甚 至 { 五 香 米 血 } => { 沙 茶 豆 乾 } 其 他 紅 茶, 茉 香 綠 茶 是 最 常 出 現 的 飲 料 搭 配, 飲 料 與 點 心 則 有 { 火 腿 蛋 吐 司 } => { 紅 茶 ( 小 )} 與 { 火 腿 蛋 吐 司 } => { 茉 香 綠 茶 ( 小 )}; 飲 料 與 主 餐 則 有 { 紅 糟 排 骨 飯 } => { 紅 茶 ( 小 )} 及 { 檸 檬 雞 飯 } => { 紅 茶 ( 小 )} 雖 然 這 些 餐 點 組 合 的 支 持 度 較 高 且 Lift 適 中, 但 信 度 均 小 於 0.5, 如 何 應 用 這 些 結 果 尚 須 進 一 步 探 索 伍 結 論 目 前 餐 飲 市 場 隨 著 飲 料 的 普 及, 連 鎖 性 的 輕 食 店 也 越 來 越 多 通 常 店 內 提 供 多 種 飲 料 外, 也 供 給 點 心, 甚 至 簡 易 主 餐 多 種 餐 點 使 得 消 費 者 點 餐 組 合 形 式 很 多, 行 銷 上 增 加 複 雜 性 本 文 及 希 望 使 用 關 聯 分 析 方 法 從 眾 多 消 費 資 料 中 探 勘 出 餐 點 中 有 關 聯 的 組 合, 以 便 提 供 業 者 於 管 理 及 銷 售 參 考
由 於 輕 食 店 飲 料 及 餐 點 種 類 很 多, 而 且 平 均 點 餐 的 項 目 約 4.117 項, 所 以 從 數 據 顯 示 單 項 餐 點 的 平 均 點 用 率 只 有 0.02, 由 此 而 產 生 之 項 目 集 的 支 持 度 很 低, 進 而 影 響 所 產 生 的 規 則 支 持 度 也 很 低, 平 均 只 有 0.000522 使 得 較 普 遍 的 點 餐 組 合 建 構 的 規 則 信 度 很 低 從 分 析 結 果 信 度 中 可 看 出 銷 售 仍 以 飲 料 為 主, 但 飲 料 間 相 互 關 聯 的 信 度 很 低 似 乎 沒 有 甚 麼 關 聯 規 則 有 用, 但 點 心 及 輕 食 與 飲 料 間 仍 顯 示 一 些 信 度 與 相 依 性 均 很 高 的 有 趣 規 則 列 如 紅 茶, 茉 香 綠 茶 是 最 常 出 現 的 飲 料 搭 配, 飲 料 與 點 心 則 有 { 火 腿 蛋 吐 司 } => { 紅 茶 ( 小 )} 與 { 火 腿 蛋 吐 司 } => { 茉 香 綠 茶 ( 小 )}; 飲 料 與 主 餐 則 有 { 紅 糟 排 骨 飯 } => { 紅 茶 ( 小 )} 及 { 檸 檬 雞 飯 } => { 紅 茶 ( 小 )} 點 用 率 高 的 { 五 香 米 血 } 與 { 沙 茶 豆 乾 } 也 出 現 於 關 聯 中 顯 示 消 費 者 喜 歡 兩 者 一 起 品 嘗 較 特 殊 的 是 目 前 銷 售 不 是 很 高 的 南 瓜 銀 絲 捲 卻 與 一 些 飲 料 或 點 心 有 搭 配 的 關 聯, 或 許 可 作 為 促 銷 參 考 本 文 只 是 初 步 的 探 討, 僅 以 Lift 做 為 興 趣 性 量 測, 接 著 可 以 嘗 試 以 其 他 較 新 進 之 量 測 訪 法 如 (Hahsler and Hornik, 2007) 或 (Kenett and Salini,2008) 的 定 義 作 為 篩 選 方 法 同 時 為 方 便 將 所 有 餐 點 均 看 成 獨 立 商 品, 故 所 得 關 聯 規 則 不 盡 理 想, 若 進 一 步 請 教 業 者 專 家 的 知 識, 先 定 義 並 限 制 規 則 類 型, 應 該 可 以 得 到 實 用 且 易 於 解 說 的 規 則 柒 參 考 文 獻 卜 耀 華,2009, 關 聯 規 則 挖 掘 技 術 在 零 售 業 中 的 應 用, 商 業 現 代 化, 第 571 期, p.97-98 陸 浩 銘,200, 顧 客 關 係 管 理 系 統 應 用 - 以 商 品 零 售 業 為 例, 義 守 大 學 工 業 管 理 學 系 碩 士 論 文 陳 秉 呈,2007, 利 用 關 聯 規 則 發 掘 書 籍 最 適 性 借 閱 之 推 薦 策 略, 電 子 商 務 學 報, 第 九 卷, 第 三 期,p.555-576 劉 宜 妝,2002, 資 料 採 礦 之 應 用 研 究 台 灣 地 區 漁 市 場 行 情 資 料 庫 之 關 聯 法 則 分 析, 國 立 中 興 大 學 行 銷 學 系 碩 士 論 文 蔡 佳 純 范 慧 華 楊 志 平 及 彭 克 仲,2007, 應 用 關 聯 規 則 探 勘 台 灣 地 區 果 品 批 發 市 場 行 情 資 料 庫 之 研 究, 中 華 農 學 會 報, 第 八 卷, 第 六 期,p.537-553 鍾 碧 姮,2003, 資 料 探 勘 應 用 於 銀 行 業 信 用 卡 持 卡 者 帳 戶 區 隔 與 零 售 業 酒 品 交 叉 銷 售 之 探 勘 研 究, 銘 傳 大 學 管 理 科 學 研 究 所 碩 士 論 文 Agrawal R., T. Imielinski, and A. Swami (1993) Mining association rules between sets of items in large databases. In Proceedings of the ACM SIGMOD International Conference on Management of Data, pages 207 216, Washington D.C. Agrawal, A. and R. Srikant (1994) Fast Algorithms for Mining Association Rules. Proc. 20th Int. Conf. on Very Large Databases (VLDB 1994, Santiago de Chile), 487-499 Morgan Kaufmann, San Mateo, CA, USA 1994 Borgelt, C. (2003) Efficient Implementations of Apriori and Eclat. Workshop of Frequent Item Set Mining Implementations (FIMI 2003, Melbourne, FL, USA).
Brin S., R. Motwani, J.D. Ullman and S. Tsur (1997). Dynamic Itemset Counting and Implication Rules for Market Basket Data. In SIGMOD 1997, Proceedings ACM SIGMOD International Conference on Management of Data, pp. 255 264. Tucson, Arizona, USA. Goethals, B. and M.J. Zaki (2004). Advances in Frequent Itemset Mining Implementations: Report on FIMI 03. SIGKDD Explorations, 6(1), 109 117. Hahsler, M., B. Gruen and K. Hornik (2005), arules - A Computational Environment for Mining Association Rules and Frequent Item Sets. Journal of Statistical Software 14/15. URL: http://www.jstatsoft.org/v14/i15/. Hahsler, M., C. Buchta and K. Hornik (2008). Selective association rule generation. Computational Statistics, 23(2):303-315 Hahsler, M., C. Buchta, B. Gruen and K. Hornik (2014). arules: Mining Association Rules and Frequent Itemsets. R package version 1.1-1. http://cran.r-project.org/package=arules Hahsler M. and S. Chelluboina (2011). Visualizing association rules in hierarchical groups. In 42nd Symposium on the Interface: Statistical, Machine Learning, and Visualization lgorithms (Interface 2011). The Interface Foundation of North America. Hahsler M. and S. Chelluboina (2013). arulesviz: Visualizing Association Rules and Frequent Itemsets. R package version 0.1-7. http://cran.r-project.org/package=arulesviz Hahsler, M. and K. Hornik (2007). New probabilistic interest measures for association rules. Intelligent Data Analysis, 11(5): p.437 455 Kenett, R and S. Salini (2008). Relative Linkage Disequilibrium: A New measure for association rules. In 8th Industrial Conference on Data Mining ICDM 2008 July 16 18, 2008, Leipzig/Germany, p.189-199 R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.r-project.org/. Tan, Pang-Ning, V. Kumar, and J. Srivastava (2004). Selecting the right objective measure for association analysis. Information Systems, 29(4): p.293 313. Tan, Pang-Ning, M. Steinbach and V. Kumar (2006) Introduction to Data Mining. Addison Wesley Unwin, A., H. Hofmann and K. Bernt (2001). The TwoKey Plot for Multiple Association Rules Control. In PKDD '01: Proceedings of the 5th European Conference on Principles of Data Mining and Knowledge Discovery, pp. 472-483. Springer-Verlag. Zaki, M.J., S. Parthasarathy, M. Ogihara and W. Li (1997). New Algorithms for Fast Discovery of Association Rules.Technical Report 651, Computer Science Department, University of Rochester, Rochester, NY 14627.