啤酒与尿布属于哪种思维方式

啤酒与尿布属于相关而非因果的思维方式

下面用数据决策分析的思维来解释这个案例。

步骤一，“构建问题”：分析始于认识一个问题或者一个决策，然后开始解决问题。它是分析开始的***步，也是最重要的一环。

案例中提高沃尔玛的收益，要做的就是增加商品的销售量，所以我们构建的问题就是如何提高商品的销售量。

步骤二，“回顾”：整理以往相关问题的经验。

通过调取超市的售卖流水清单发现消耗量较大的商品，也就是购买人购买最多的商品。在整理订单过程中发现出货量***的商品是啤酒和尿布。

步骤三，“建模（选择变量）”：简化影响问题的因素，去掉无关紧要的信息保留最重要的、最有效的、最关键的且会造成影响的因素。但是由于种种原因保留的信息不一定完全精准，分析性的思维是由假设驱动的，后期再通过数据不断的完善修正。

本案例中选择啤酒、尿布两个商品的购买人、购买时间进行建模。

步骤四，“收集数据”：收集已确定变量的数值，为最后的数据分析提供支撑。

在沃尔玛销售场景中我们发现，啤酒的购买人是男人为主，尿布的购买人是男人为主。购买的时间也都是在周末。

步骤五，“数据分析”：数据和以往的问题并不能告诉我们明确的信息，需要我们分析它，以破译出它的意义和隐含的关系。

对购买人进行分析的过程中，我们发现同时购买两种物品的男人有很多。原因是大多有孩子的男人，主要承担了周末采购的任务。老婆给下达的任务是要采购孩子的尿布，而男人在采购的同时也会采购自己喜爱的啤酒。所以将两种不相关的物品放在一起会大大降低这类人群的购买思索时间，让用户更容易完成购买流程。

步骤六，“传达结果并持续分析”：验证后的问题会有一个结果，我们需要将这个结果传达给关键人让其做出决策，并基于事情的发展不断完善推理分析内容。

将尿布和啤酒销售情况分析后的结果反馈给决策人，并将两种物品摆放在一起。通过后期的持续分析跟进，我们发现这两种物品的销售量得到了大大的提高，同时沃尔玛的超市收益也得到了显著的提升。  

啤酒与尿布的故事是真的么？

啤酒与尿布的故事体现了关联的大数据思维方式。

“啤酒+尿布”就是非常典型的两个关联商品。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。

分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。

啤酒与尿布的故事：

沃尔玛需要提高公司的收益，分析师整理了几大区域的超市物品销售量，从销售量中发现周末啤酒和尿布的销售量都会上升，对这类购买人群进行分析，发现大多数用户是有孩子的父亲。这些爸爸在周末采购前夫人都会嘱咐丈夫要采购尿布，而男人在购买尿布同时也会自发采购喜爱的啤酒。

发现这个现象后，沃尔玛公司下达决策将啤酒和尿布这两个本来不相关的物品摆放在一起。这一决策大大提高了商品的销量，沃尔玛的收益也大大提高。

啤酒和尿布这件事情是真的吗？

假的。啤酒和尿布之间并没有购买上的必然联系，买尿布的人不一定喝啤酒，喝啤酒的人也不一定会买尿布。就算是在沃尔玛里面，我们也不会看到他们将啤酒和尿布放在一起。当然，其他超市也是这样。

在实际上生活中，货架的陈列其实是一个非常有学问的问题。就我自己理解到的，产品的陈列都是购买频率高的产品，在比较里面的位置，这样的话，当需要购买那些物品的时候，就会经过其他的陈列架，就会看到其他的产品，当我们看到自己有需要的东西的时候，我们就会驻足看一看，如果价格合适也会买上一些。

这样就扩大了超市的销售量，提高了它们的业绩。

与此类似的货架产品陈列，还有诸如产品价格高的在显眼位置，产品价格低的在货架底部，产品已经接近有效期的陈列在前面或跟其他产品捆绑销售、降价销售等……

但是，在这些产品的销售、陈列方式里面，也要讲究一个实效跟逻辑的问题。

想要将尿布跟啤酒捆绑销售，针对的目标人群非常小，针对那些喜欢喝啤酒又家有婴幼儿的男人有效。想要提升销售量也非常有限。

反而是在夏季的时候，直接采用整件捆绑销售，提供优惠的方式，能够吸引市民的大量采购，销量更高。而尿布的话，搭配婴儿湿巾跟婴幼儿洗护用品捆绑销售更为合适。

这些销售手段，都是商家在长期的销售中积累的经验，通过销售数据的对比分析出来的。并且是真正行之有效的。远比要卖大数据客车卖营销数据的编出来强拉因果的实在多了。

一般母婴区的产品，都是婴幼儿用品，突然来了啤酒一起卖，作为家长们，会不会从心理上就不适应？而且家里有小孩子要照顾，你觉得作为一个超市，鼓励家长喝酒，会不会跟照顾孩子相违背了？

其实我们想要了解这方面的知识，平时可以自己在逛超市的时候，自己去细心观察，去了解探索里面是否有什么规律，然后把自己说出来再跟整理超市货架的员工沟通，一般人家也不会吝啬于告诉你这些规律。

外行看热闹，内行看门道，想要了解多更多这方面的知识，也可以专门学习超市营销、卖场布局跟商品陈列方面的知识。特别是超市员工，多了解这方面的知识，也算是一种职业技能上的提升。

数据挖掘中最经典的例子"啤酒+尿布"是怎么回事

在一家超市中，人们发现了一个特别有趣的现象：尿布与啤酒这两种风马牛不相及的商品居然摆在一起。但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。这可不是一个笑话，而是一直被商家所津津乐道的发生在美国沃尔玛连锁超市的真实案例。

美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。这个发现最终为商家带来了大量的利润。

扩展资料：

《啤酒与尿布》是2008年清华大学出版社出版的图书，作者是高勇。该书讲述了啤酒和尿布销售之间的联系和启示。

该故事是数据挖掘技术对历史数据进行分析的结果，反映数据内在的规律。另外，沃尔玛派出市场调查人员和分析师对这一数据挖掘结果进行调查分析。大量实际调查和分析揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种消费行为倾向：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

参考资料：

百度百科-啤酒与尿布

让数据告诉你，啤酒和尿布更配哦~

案例1：啤酒与尿布

现在，当你走进美国沃尔玛超市，你会发现一个奇怪的现象：

这是因为沃尔玛通过数据分析发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。没想到这个举措居然使尿布和啤酒的销量都大幅增加了。

通过这个案例，可以知道：

这个可能是人很难直接观察发现的。

再看另外下一个案例。

案例2：超市预知高中生顾客怀孕

明尼苏达州的一位中年男子，指控塔吉特百货将婴儿产品优惠券寄给他的女儿──“一名高中生”。

但是，没过多久他却来电道歉

塔吉特百货就是靠着分析用户所有的购物数据，然后通过相关关系分析得出的真实状况。

通过这个案例，我们可以知道：

大数据不会说谎，只要你用正确的方式去解读，就能读懂数据背后的故事。

马云说：

既然数据如此重要，那么如何应用数据来驱动产品研发呢？

数据驱动的三个步骤

数据采集，是后续流程的根基。没有数据，哪里来的建模分析？

数据采集，两大原则：

数据的全面，从大的系统层面，就是能收集的部分，都不能落下。例如移动App端、Web网站端、微信公众号、服务器接口调用情况等。

如果这些数据，能基于用户的唯一ID，进行整合，然后建模，意义就完全不一样了。

细致主要是指尽量把没一个节点的数据都采集到。这涉及到后续不同维度的分析。所以每个节点涉及到的属性、字段，尽量都不要落下。

但是，如果是小的创业公司，精力有限，可以抓核心流程和核心参数进行采集，以保证了解产品情况，让数据告诉你，产品到底好还是不好。好在哪里？不好的地方，又是哪里？

以下是列举的核心参数和核心流程，我认为再小的公司或者团队，哪怕是个人开发者，都不能不做，如下图所示：

当然有很多数据平台，可以帮助解决这个问题。例如友盟、TalkingData。但是，有些数据，可能这些平台不能支持，或者不能很好的体系化。如果企业做大做强了，大部分公司，都会自己开发一套数据收集系统。另一方面，也是因为企业数据的安全和隐私。

核心流程分析转化率，能有效帮助用户在哪一步出现了问题。然后对症下药，事半功倍。

看一个产品，是否成功，是否击中了市场中的目标用户，重点看两个数据：

硅谷有一句很著名的格言：

虽然有点粗俗，但是话糙理不糙。

数据会告诉你，你是不是在增长，是不是做出了市场需要的产品。

数据建模，就是基于采集的数据，基于某一个数据模型，进行建模分析。通过这一数据模型能得出一个具体的结论，用于指导企业活动。

最简单的数据模型有用户性别比例、用户地域分布、用户的网络使用情况百分比等，就不做具体的探讨了。

案例3：芝麻信用

下图是本人的芝麻信用截图：

从图中可以看出，芝麻信用，主要是从5个维度采集了数据，并建立了权重模型，具体如下：

基于我的了解，大体的思维导图如下：

根据信用评分，得出一个信用好坏的评级：

但是，这里还不能查到，芝麻信用具体每个模块，占的权重比例。以国际通行的FICO体系（FICO信用分是由美国个人消费信用评估公司开发出的一种个人信用评级法，已经得到社会广泛接受。）做个参考，其主要评级要素和比例如下：

涉及过去的违约记录，例如断供房产被拍卖，被催债（如拖欠信用卡被收账公司追讨）、罚款（法庭判的或者庭外和解都算）、个人破产（这个国内可能没有）等。

其实就是个人的杠杆率，你欠债越多，评分越低。比如你长期都只能还***还款额和每次还全额，差别肯定是会很大。

就是你有信用记录的时间越长越好。所谓“路遥知马力日久见人心”嘛。

你用过的信用种类越多（信用卡，房贷，消费贷等），说明你金融知识越丰富，理财能力，驾驭财富的能力，自然就强。

申请信用的过程，就是提高杠杆的过程，比如要买房买车，都是需要申请贷款的，贷款的时候，是需要对你的信用进行一次查询的。

案例4：百度搜索

百度搜索把我在百度搜索里面搜索的次数和关键词，进行了数据采集，然后进行了简单的数据建模，主要是周搜索次数、月搜索次数，以及搜索词对应的兴趣领域。

我的兴趣分布：

周搜索指数：

月搜索指数：

通过这样的数据建模，就能很好的了解用户的偏好，那么推荐内容，推荐广告，就变得精准起来。

百度的主要收入，来源于广告，2015年总营收640亿，相当于 每天赚两个亿 。亚马逊三分之一的销售额来自基于数据分析后的个性化推荐系统。

啤酒和尿布的故事????

在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。

沃尔玛拥有世界上***的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。

一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

扩展资料：

这个故事在欧美国家也被传唱，出现的版本还不尽相同。但对此质疑的声音也不少，其中有一位叫Daniel J. Power的教授特此撰文，应该是最全面地有理有据揭开这个故事后面的真相。有兴趣的人可以详细阅读英文全文：What is the "true story" about using data mining to identify a relation between sales of beer and diapers? 主旨内容如下：

这家连锁店不是沃尔玛，而是Osco Drugs，一家主要在美国中西部经营的药房和便利店。 该公司于1992年就着手进行数据挖掘项目，算是数据挖掘的先驱者。 当时的项目收集了来自25家分店、一千两百多万个购物车的信息。

数据的确发现：下午5点到7点之间，客户购买了啤酒和尿片。 商店管理层的确对此发现表示兴趣。但现实中，并没有重新设计商品的摆放，没有把啤酒和尿布进行捆绑销售。不过，公司保守地对销售流程进行了改造，即在正确的时间放正确数量的正确商品。

这就是啤酒和尿片的故事真相，所以，这其实并不是数据挖掘的好故事。大家对此故事津津乐道，无外乎希望表达：数据挖掘技术是商业决策的好帮手。

啤酒和尿布的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于啤酒和尿布的经典案例、啤酒和尿布的信息别忘了在本站进行查找喔。