关联规则|都2020年了，还在迷信啤酒与尿布！数据分析的真相是……( 二 )

】现实中是怎么玩的
本质上，消费者的决策是多因素的，生理性需求，认知层次，产品价格，材质，广告、宣传、都会影响消费者最终决策。因此想带动关联销售，方法多的很。
最直接的，基于业务规律的推荐，也就是俗称的硬规则。比如有的书就上中下册，拆开了就是没头没尾；有的药就是要一起吃，乱吃会死人。这些商品有固定的规律。这时候就不需要看数据，而是根据业务规律直接做推荐。
有些不是硬规则，但是是人们约定俗成的习惯。比如出去烧烤，就是需要碳、炉子、签子、酱油、鸡翅、可乐；啤酒就是和花生米、小龙虾、黄瓜拉皮一起吃；比如方便面就是配火腿肠。这种是软规则。这些基于用户习惯的软规则，也能成为推荐的工具。比如做生鲜电商，可以一件件散着卖，也能打包一个“养秋膘火锅套装”把羊肉卷、汤底料、丸子、香菇等涮锅食材打包卖。
有些曾经不是规则，但是经过商家的宣传广告，植入进用户脑海的规则。比如女生各种化妆品，男生各种游戏皮肤、套装；比如最经典的：怕上火喝XXX；比如学数据分析要ESP套餐。这些是基于营销宣传的伪规则。虽然没有啥科学道理，但是用户能接受，就能成为推荐准则。
当然，还有最简单粗暴的，基于打折的惠规则。最简单的，用户加入购物车以后，发现自己已经买了400，还有一张满500减100的券能用。这时候用户急着找的就是“哪里有不鸡肋的100元东西可以买”。很有可能她会选纸巾、沐浴露、米面油这种能存放的硬通货。
这些都是业务方能发挥主观能动性创造出的规则。所以请同学们牢记，并转发给业务方看：不存在一个不用你努力，就静静躺在数据库里等着被你的数据分析师发现的神秘力量。在2020年，没有谁家的产品是100%独特的，想业绩做的比别人好，关键是自己得努力做。
当然，业务方想发挥主观能动性，也是需要数据支持的（如下图）：

文章插图
你，明白了吗？
Python 程序员深度学习的“四大名著”：

文章插图
这四本书着实很不错！我们都知道现在机器学习、深度学习的资料太多了，面对海量资源，往往陷入到“无从下手”的困惑出境。而且并非所有的书籍都是优质资源，浪费大量的时间是得不偿失的。给大家推荐这几本好书并做简单介绍。
获得方式：