Turinys:
Apibrėžimas - ką reiškia rinkos krepšelio analizė?
Rinkos krepšelio analizė (MBA) yra analizės technikos, kurią naudoja mažmenininkai, kad suprastų klientų pirkimo elgseną, pavyzdys. Jis naudojamas norint nustatyti, kuriuos daiktus klientai dažnai perka kartu ar įdeda į tą patį krepšelį. Ši informacija apie pirkimą naudojama norint padidinti pardavimo ir rinkodaros efektyvumą. MBA ieško produktų, kurie dažnai būna perkami, derinių ir buvo plačiai naudojami nuo elektroninių pardavimo taškų sistemų įdiegimo, leidusio surinkti nepaprastai daug duomenų.
„Techopedia“ paaiškina rinkos krepšelio analizę
Rinkos krepšelio analizėje naudojamos tik operacijos su daugiau nei viena preke, nes negalima susieti vienų pirkinių. Daiktų susiejimas nebūtinai rodo priežastį ir padarinį, o tiesiog yra bendro reiškinio matas. Tai nereiškia, kad energetiniai gėrimai ir vaizdo žaidimai dažnai perkami kartu, todėl viena yra priežastis pirkti kitą, tačiau remiantis informacija galima suprasti, kad šį pirkinį greičiausiai įsigijo žaidėjas (arba tam). Tokios taisyklės ar hipotezė turi būti patikrinta ir neturėtų būti laikoma tiesa, nebent daiktų pardavimai sako kitaip.
Yra du pagrindiniai MBA tipai:
- Nuspėjamasis MBA yra naudojamas klasifikuoti prekių pirkimo, įvykių ir paslaugų, dažniausiai vykstančių iš eilės, paspaudimus.
- Diferencialinis MBA pašalina daug nereikšmingų rezultatų ir gali sukelti labai nuodugnius rezultatus. Tai lygina informaciją apie skirtingas parduotuves, demografinius rodiklius, metų sezonus, savaitės dienas ir kitus veiksnius.
MBA dažniausiai naudojami internetinių mažmenininkų, teikiant pirkėjams pasiūlymus dėl pirkimo. Pvz., Kai asmuo perka tam tikro modelio išmanųjį telefoną, mažmenininkas gali pasiūlyti kitų produktų, tokių kaip telefonų dėklai, ekrano apsaugos priemonės, atminties kortelės ar kiti to telefono priedai. Taip yra dėl to, kaip dažnai kiti vartotojai pirko šias prekes ta pačia operacija kaip ir telefonas.
MBA taip pat naudojamas fizinėse mažmeninės prekybos vietose. Dėl to, kad prekybos vietose sistemos tampa vis sudėtingesnės, kartu su didelių duomenų analize, parduotuvės naudoja pirkimo duomenis ir MBA, kad padėtų patobulinti parduotuvių išdėstymą, kad vartotojai galėtų lengviau rasti prekių, kurios dažnai perkamos kartu.
