Analiza coșului de cumpărături
Află ce este analiza coșului de cumpărături, cum regulile de asociere dezvăluie ce produse se vând împreună și cum brandurile de e-commerce o folosesc pentru a ...
7 min citire
Definiția Analizei Coșului de Cumpărături
Analiza coșului de cumpărături este tehnica de examinare a datelor tranzacțiilor pentru a identifica ce produse tind să cumpere clienții împreună în aceeași comandă. Denumirea provine de la coșul fizic de cumpărături: mai degrabă decât să analizeze produsele izolat, analiza coșului de cumpărături analizează conținutul complet al fiecărei achiziții finalizate pentru a găsi modele recurente de co-achiziție. Este o tehnică fundamentală în spatele pachetelor de produse, recomandărilor „cumpărate frecvent împreună” și deciziilor de merchandising, deoarece înlocuiește presupunerile despre ce produse se potrivesc bine împreună cu dovezi extrase direct din comportamentul real al clienților.
Cum Funcționează Analiza Coșului de Cumpărături
Analiza coșului de cumpărături se bazează pe trei măsuri statistice de bază pentru a evalua dacă o pereche între două produse este semnificativă. Suportul măsoară cât de des apare o anumită pereche în toate tranzacțiile — dacă 50 din 1.000 de comenzi totale conțin atât Produsul A cât și Produsul B, suportul pentru acea pereche este de 5%. Încrederea măsoară cât de des achiziționarea Produsului A duce și la achiziționarea Produsului B, calculată ca numărul de tranzacții care conțin ambele produse împărțit la numărul de tranzacții care conțin doar Produsul A — dacă 200 de comenzi conțin Produsul A, iar 50 dintre acestea conțin și Produsul B, încrederea este de 25%. Liftul măsoară dacă acea co-achiziție are loc mai des decât s-ar aștepta doar din întâmplare, calculat prin compararea încrederii reale cu ceea ce ar prezice popularitatea generală a Produsului B — un lift peste 1 sugerează o relație pozitivă reală, în timp ce un lift aproape de 1 sau sub 1 sugerează că perechea este coincidentală sau chiar asociată negativ.
Un exemplu practic face acest lucru concret. Să presupunem că un magazin are 1.000 de comenzi totale. Produsul A (o husă de telefon) apare în 200 dintre ele. Produsul B (un protector de ecran) apare în 150 dintre ele. Dintre cele 200 de comenzi care conțin Produsul A, 60 conțin și Produsul B. Suportul pentru pereche este 60 ÷ 1.000 = 6%. Încrederea este 60 ÷ 200 = 30%. Pentru a calcula liftul, comparați acea încredere de 30% cu popularitatea de bază a Produsului B de 150 ÷ 1.000 = 15%: liftul este 30% ÷ 15% = 2,0, ceea ce înseamnă că clienții care cumpără Produsul A au de două ori mai multe șanse să cumpere și Produsul B decât un client obișnuit. Un lift de 2,0 cu un suport și o încredere rezonabile este un candidat puternic pentru un pachet sau o recomandare de vânzare încrucișată, deoarece relația este atât semnificativă statistic, cât și suficient de comună pentru a putea acționa pe baza ei.
Ești gata să-ți monitorizezi vizibilitatea în AI?
Urmărește cum menționează chatboții AI brandul tău în ChatGPT, Perplexity și alte platforme.
De Ce Este Importantă Analiza Coșului de Cumpărături pentru Brandurile de E-commerce
Analiza coșului de cumpărături este importantă deoarece deciziile de merchandising luate fără ea tind să se bazeze pe presupuneri — adjacența categoriilor, intuiția sau ceea ce „pare” că s-ar potrivi bine — care adesea nu corespund comportamentului real al clienților. Un magazin ar putea presupune că două produse din aceeași categorie se vând în mod natural împreună, doar pentru a descoperi prin analiza coșului de cumpărături că clienții asociază de fapt unul dintre acele produse cu ceva dintr-o categorie complet diferită. Acționând pe baza rezultatelor verificate ale analizei coșului de cumpărături, mai degrabă decât pe relații presupuse, se obțin, de obicei, pachete și recomandări de vânzare încrucișată care convertesc mai bine, deoarece reflectă modele de cerere care au loc deja, nu modele pe care un merchandiser speră că se vor întâmpla.
| Metrică | Ce Măsoară | Interpretare Exemplu |
|---|---|---|
| Suport | Frecvența perechii în toate comenzile | Suportul scăzut poate însemna prea puține date pentru a avea încredere în rezultat |
| Încredere | Probabilitatea ca B să fie cumpărat dacă A este cumpărat | Încrederea ridicată sugerează o relație direcțională puternică |
| Lift | Dacă perechea depășește șansa aleatorie | Liftul aproape de 1 înseamnă că nu există o relație reală |
Analiza Coșului de Cumpărături și Comerțul Bazat pe Inteligență Artificială
Asistenții de cumpărături cu AI, precum ChatGPT Shopping și Perplexity Shopping, răspund din ce în ce mai mult la întrebări implicite de tipul „ce se potrivește cu asta” atunci când ajută un cumpărător să compare sau să finalizeze o achiziție, ceea ce înseamnă că rezultatele verificate ale analizei propriului coș de cumpărături ale unui brand pot servi drept intrare pentru construirea de pachete și oferte de recomandare precise pe care acești asistenți le pot reflecta înapoi cumpărătorilor. Instrumentul eshop_get_product_bundles de la AmICited rulează această analiză direct pe istoricul real de comenzi al unui magazin, evidențiind perechi scorate după suport, lift și încredere, astfel încât un comerciant să poată acționa pe baza unor relații cu adevărat puternice, nu a unor presupuneri, indiferent dacă scopul este construirea unui pachet, îmbunătățirea plasării recomandărilor de vânzare încrucișată pe site sau pur și simplu înțelegerea mai bună a structurii reale de achiziție a catalogului.
Rămâi la curent cu tendințele vizibilității în AI
Primește cele mai noi informații despre mențiunile în AI, monitorizarea brandului și strategiile de optimizare.
Cele Mai Bune Practici pentru Analiza Coșului de Cumpărături
- Solicitați un nivel minim de suport înainte de a trata o pereche ca fiabilă, deoarece perechile cu volum redus sunt predispuse la zgomot
- Prioritizați liftul împreună cu încrederea, deoarece o pereche cu încredere ridicată poate fi totuși neinformativă dacă liftul este aproape de 1
- Rulați din nou analiza coșului de cumpărături periodic, deoarece modelele de achiziție se schimbă în funcție de sezonalitate, promoții și modificări ale catalogului
- Segmentați analiza coșului de cumpărături pe tip de client sau canal acolo unde este relevant, deoarece clienții noi și cei recurenți pot asocia produsele diferit
- Folosiți rezultatele pentru a informa pachetele, plasamentele de vânzare încrucișată și chiar structura paginilor de categorii, nu doar ofertele promoționale
Greșeli Frecvente în Analiza Coșului de Cumpărături
O greșeală frecventă este acționarea doar pe baza suportului fără a verifica liftul, ceea ce poate evidenția perechi între două produse pur și simplu populare care nu au de fapt nicio relație reală — două bestselleruri vor apărea împreună într-un număr semnificativ de comenzi doar din întâmplare, așadar liftul este esențial pentru a filtra aceste false pozitive. O altă problemă comună este rularea analizei coșului de cumpărături pe un set de date prea mic, cum ar fi un produs recent lansat cu doar câteva comenzi, și tratarea perechii rezultate ca fiabilă când, de fapt, este doar un artefact al dimensiunii reduse a eșantionului; stabilirea unui prag minim de comenzi înainte de a avea încredere într-un rezultat evită această problemă. Unele afaceri lasă, de asemenea, rezultatele analizei coșului de cumpărături să se învechească, construind un pachet sau o recomandare cu ani în urmă pe baza unui model care nu mai este valabil pe măsură ce catalogul și baza de clienți au evoluat — o re-rulare periodică pe date curente detectează această derivă. Tratarea fiecărei perechi cu lift ridicat ca fiind la fel de acționabilă este o altă greșeală, deoarece o relație statistică puternică între două produse cu marjă mică și rareori căutate poate să nu merite efortul de merchandising, chiar dacă cifrele arată bine; rezultatele analizei coșului de cumpărături trebuie cântărite în funcție de valoarea de afaceri, nu doar de semnificația statistică.
