تحليل سلة المشتريات باستخدام خوارزمية Apriori
يهدف هذا المشروع إلى تحليل بيانات معاملات السوبر ماركت لاكتشاف العلاقات بين المنتجات التي يتم شراؤها معًا باستخدام تقنيات Market Basket Analysis و Association Rules.
قمت بتنظيف البيانات وتحليل سلوك العملاء واستخراج الأنماط الشرائية باستخدام خوارزمية Apriori، بالإضافة إلى إنشاء رسوم بيانية وHeatmaps لتوضيح قوة العلاقات بين المنتجات وتحديد المنتجات الأكثر تكرارًا داخل سلة المشتريات.
أظهر التحليل أن بعض المنتجات تمتلك علاقات شرائية واضحة مثل:
Sausage ↔ Yogurt
Yogurt ↔ Citrus Fruit
بينما كان منتج Whole Milk الأكثر ظهورًا داخل المعاملات، مما يدل على أنه منتج أساسي مرتفع الطلب أكثر من كونه مرتبطًا بمنتجات أخرى.
أهم الملاحظات (Insights)
منتج Whole Milk كان الأكثر تكرارًا داخل سلال العملاء.
تم اكتشاف علاقات شرائية متكررة بين بعض المنتجات، مما يعكس أنماط شراء مرتبطة بالعادات الغذائية.
أغلب العلاقات بين المنتجات كانت ضعيفة نسبيًا، مما يشير إلى أن العملاء يشترون مجموعات صغيرة ومتنوعة من المنتجات.
مقياس Lift كان أكثر دقة من Confidence في تحديد العلاقات الحقيقية بين المنتجات.
لم يتم العثور على مجموعات قوية مكونة من أكثر من منتجين، مما يعكس طبيعة البيانات الشرائية داخل المتجر.
أهم التوصيات (Recommendations)
تحسين استراتيجيات البيع المتقاطع (Cross-Selling) من خلال عرض المنتجات المرتبطة بجانب بعضها داخل المتجر.
إنشاء عروض وباقات للمنتجات التي يتم شراؤها معًا لزيادة متوسط قيمة السلة الشرائية.
استخدام نتائج التحليل في بناء نظام توصية ذكي للمنتجات داخل المتاجر أو التطبيقات الإلكترونية.
إعادة تنظيم ترتيب المنتجات داخل المتجر بناءً على قوة العلاقات الشرائية لتحفيز الشراء العفوي.
التركيز على العلاقات الحقيقية بين المنتجات باستخدام Lift بدلًا من الاعتماد فقط على المنتجات الأعلى مبيعًا.
الأدوات المستخدمة
Python — Pandas — Apriori Algorithm — Association Rules — Data Visualization — Seaborn — Matplotlib
