Publication: การวิเคราะห์กฎความสัมพันธ์ของการขายผลไม้ :
กรณีศึกษาบริษัท อินสตาการ์ท จำกัด
1
1
Issued Date
2023-05-19
Resource Type
Language
tha
File Type
application/pdf
Access Rights
Open Access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
Supapong Kongsawee, ศุภพงศ์ คงสวี (2023). การวิเคราะห์กฎความสัมพันธ์ของการขายผลไม้ :
กรณีศึกษาบริษัท อินสตาการ์ท จำกัด . สืบค้นจาก: https://hdl.handle.net/20.500.14740/54225
Alternative Title(s)
Association rules analysis of fresh fruits :
a case study of instacart company
Author(s)
Advisor(s)
Organization
Abstract
The analysis of the association rules in sales is something that helps marketers to plan business strategies or promotions based on transaction data from consumer product purchases. Each time period can have different results, due to popularity and environmental factors during that time. Analyzing association rules is therefore necessary for sales strategy planning, such as creating bundled discounts or arranging product displays, and can be analyzed from repeated purchases of products in each rule. The variables for association rule analysis include support, confidence, lift, leverage, and conviction. The researchers chose to analyze fruit sales, since fruit is a perishable product. They analyzed fruit groups to determine demand for buying fruit together or with other product types, as well as organizing product displays for convenient purchasing. The researchers set a minimum support value of 0.01, because it resulted in the most rules, and lift values had to be greater than or equal to 1 because it is the standard for rule selection; rules with a value lower than 1 were not trustworthy. The researchers found eight interesting rules, recommending two rules to the marketing department. The best rule was "Organic Strawberries to Bag of Organic Bananas" with a confidence value of 0.28, lift value of 1.77, and a support value of 0.03, which exceeded the minimum requirement and had a high level of rule confidence, increasing the chance that consumers will purchase these products together. If used for promotions and product placement, the selection of rules from the eight rules made repeat purchases and repeated products from each rule to be placed in the same shelf, with the best placement being Limes and Large Lemons, since the lift value is high at 3.15. This indicates that the probability of customers picking Limes and then picking Large Lemons is higher than the minimum standard set, and three times higher. The data from the association rule analysis was beneficial for the marketing and product placement team, as it utilizes real customer behavior data to optimize the benefits for each area and time period.
การวิเคราะห์กฎความสัมพันธ์ในการขายสินค้า เป็นสิ่งที่จะช่วยให้ฝ่ายการตลาดสามารถนำไปวางแผนธุรกิจ หรือ การจัดโปรโมชั่นได้ ซึ่งกฎความสัมพันธ์ (Association Rules) จะวิเคราะห์มาจากข้อมูลของการทำธุรกรรมในการซื้อสินค้าของผู้บริโภค ซึ่งในแต่ละช่วงเวลาจะมีความแตกต่างกัน เป็นผลมาจากความนิยม และ สภาพแวดล้อมในช่วงเวลานั้น การวิเคราะห์กฎความสัมพันธ์จึงมีความจำเป็นในการวางแผนกลยุทธ์เพื่อการขายสินค้า เช่น การสร้างสินค้าที่ซื้อคู่กัน (Bundled Discounts) หรือเป็นการจัดชั้นวางสินค้า ที่จะสามารถวิเคราะห์จากการซื้อสินค้าในแต่ละกฎที่ซ้ำกัน โดยจะทำการวิเคราะห์จากค่าตัวแปรของการวิเคราะห์กฎความสัมพันธ์ ได้แก่ Support,Confidence,Lift,Leverage,Conviction โดยผู้วิจัยได้เลือกการขายผลไม้ เนื่องจากว่า ผลไม้เป็นสินค้าที่เก็บไว้ได้ไม่นาน โดยที่ทำการวิเคราะห์กลุ่มสินค้าผลไม้ เพื่อวิเคราะห์ความต้องการในการซื้อผลไม้คู่กัน หรือ คู่กับสินค้าประเภทอื่น รวมทั้ง การจัดชั้นวางให้สินค้าที่มีความสัมพันธ์กันอยู่ใกล้กัน เพื่อความสะดวกในการหยิบสินค้า โดยผู้วิจัยกำหนดค่าขั้นต่ำของ Support เป็น 0.01 เนื่องจากได้กฎที่เยอะที่สุด และค่า lift จะต้องมากกว่าหรือเท่ากับ 1 เนื่องจากเป็นมาตรฐานในการเลือกกฎ หากต่ำกว่า 1 กฎนั้นจะไม่น่าเชื่อถือ ผู้วิจัยพบว่ามีกฎที่น่าสนใจ จำนวน 8 กฎ โดยกฎที่แนะนำให้กับฝ่ายการตลาด จำนวน 2 กฎ โดยกฎที่ดีที่สุด คือ Organic Strawberries to Bag of Organic Bananas เนื่องจากมีค่า Confidence มากถึง 0.28 และ ค่า Lift เป็น 1.77 รวมถึงค่า Support เป็น 0.03 ซึ่งกฎนี้มากกว่าขั้นต่ำที่กำหนด และมีค่าเชื่อมั่นของกฎในระดับที่ดี ทำให้มีโอกาสผู้บริโภคจะซื้อคู่กันมากขึ้น หากนำไปจัดโปรโมชั่น และ การจัดชั้นวางสินค้า จะเลือกจากกฎทั้ง 8 กฎที่มีการซื้อสินค้าซ้ำกันในแต่ละกฎ เพื่อนำสินค้าที่ซ้ำกันในแต่ละกฎมาอยู่ในชั้นวางเดียวกัน โดยการจัดชั้นวางที่ดีที่สุด คือ Limes และ Large Lemon เนื่องจากค่า Lift มากถึง 3.15 แสดงให้เห็นว่า ความน่าจะเป็นที่ลูกค้าจะหยิบ Limes แล้วหยิบ Large สูงกว่าเกณฑ์ขั้นต่ำที่กำหนด มากเป็น 3 เท่า ซึ่งถือว่าข้อมูลจากการวิเคราะห์กฎความสัมพันธ์มีประโยชน์กับฝ่ายการตลาด และ ฝ่ายดูแลเกี่ยวกับการจัดชั้นวาง เพราะได้นำข้อมูลจากพฤติกรรมลูกค้าจริงมาใช้ให้เกิดประโยชน์ในแต่ละพื้นที่และแต่ละช่วงเวลาให้ดีที่สุด
การวิเคราะห์กฎความสัมพันธ์ในการขายสินค้า เป็นสิ่งที่จะช่วยให้ฝ่ายการตลาดสามารถนำไปวางแผนธุรกิจ หรือ การจัดโปรโมชั่นได้ ซึ่งกฎความสัมพันธ์ (Association Rules) จะวิเคราะห์มาจากข้อมูลของการทำธุรกรรมในการซื้อสินค้าของผู้บริโภค ซึ่งในแต่ละช่วงเวลาจะมีความแตกต่างกัน เป็นผลมาจากความนิยม และ สภาพแวดล้อมในช่วงเวลานั้น การวิเคราะห์กฎความสัมพันธ์จึงมีความจำเป็นในการวางแผนกลยุทธ์เพื่อการขายสินค้า เช่น การสร้างสินค้าที่ซื้อคู่กัน (Bundled Discounts) หรือเป็นการจัดชั้นวางสินค้า ที่จะสามารถวิเคราะห์จากการซื้อสินค้าในแต่ละกฎที่ซ้ำกัน โดยจะทำการวิเคราะห์จากค่าตัวแปรของการวิเคราะห์กฎความสัมพันธ์ ได้แก่ Support,Confidence,Lift,Leverage,Conviction โดยผู้วิจัยได้เลือกการขายผลไม้ เนื่องจากว่า ผลไม้เป็นสินค้าที่เก็บไว้ได้ไม่นาน โดยที่ทำการวิเคราะห์กลุ่มสินค้าผลไม้ เพื่อวิเคราะห์ความต้องการในการซื้อผลไม้คู่กัน หรือ คู่กับสินค้าประเภทอื่น รวมทั้ง การจัดชั้นวางให้สินค้าที่มีความสัมพันธ์กันอยู่ใกล้กัน เพื่อความสะดวกในการหยิบสินค้า โดยผู้วิจัยกำหนดค่าขั้นต่ำของ Support เป็น 0.01 เนื่องจากได้กฎที่เยอะที่สุด และค่า lift จะต้องมากกว่าหรือเท่ากับ 1 เนื่องจากเป็นมาตรฐานในการเลือกกฎ หากต่ำกว่า 1 กฎนั้นจะไม่น่าเชื่อถือ ผู้วิจัยพบว่ามีกฎที่น่าสนใจ จำนวน 8 กฎ โดยกฎที่แนะนำให้กับฝ่ายการตลาด จำนวน 2 กฎ โดยกฎที่ดีที่สุด คือ Organic Strawberries to Bag of Organic Bananas เนื่องจากมีค่า Confidence มากถึง 0.28 และ ค่า Lift เป็น 1.77 รวมถึงค่า Support เป็น 0.03 ซึ่งกฎนี้มากกว่าขั้นต่ำที่กำหนด และมีค่าเชื่อมั่นของกฎในระดับที่ดี ทำให้มีโอกาสผู้บริโภคจะซื้อคู่กันมากขึ้น หากนำไปจัดโปรโมชั่น และ การจัดชั้นวางสินค้า จะเลือกจากกฎทั้ง 8 กฎที่มีการซื้อสินค้าซ้ำกันในแต่ละกฎ เพื่อนำสินค้าที่ซ้ำกันในแต่ละกฎมาอยู่ในชั้นวางเดียวกัน โดยการจัดชั้นวางที่ดีที่สุด คือ Limes และ Large Lemon เนื่องจากค่า Lift มากถึง 3.15 แสดงให้เห็นว่า ความน่าจะเป็นที่ลูกค้าจะหยิบ Limes แล้วหยิบ Large สูงกว่าเกณฑ์ขั้นต่ำที่กำหนด มากเป็น 3 เท่า ซึ่งถือว่าข้อมูลจากการวิเคราะห์กฎความสัมพันธ์มีประโยชน์กับฝ่ายการตลาด และ ฝ่ายดูแลเกี่ยวกับการจัดชั้นวาง เพราะได้นำข้อมูลจากพฤติกรรมลูกค้าจริงมาใช้ให้เกิดประโยชน์ในแต่ละพื้นที่และแต่ละช่วงเวลาให้ดีที่สุด
Degree Name
วิทยาศาสตรมหาบัณฑิต (วท.ม.)
Degree Level
-
-
-
Degree Discipline
ภาควิชาวิทยาการคอมพิวเตอร์
Degree Grantor(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ