https://zhuanlan.zhihu.com/p/64510355
逛超市的時候，面對貨架上琳琅滿目的商品，你會覺得這些商品的擺放，或者不同品類的貨架分布是隨機排列的嗎，當然不是。
應該都聽說過啤酒與尿布的故事，這兩個表面上毫不相關的商品，在超市中擺放在一起時二者的銷量都大幅度提升。這里不論這個案例的真實性如何，但它對理解產品之間的關聯十分形象，好的故事總是更有傳播度。
購買某種商品的客戶，對另一種商品，相對於其他商品，有更大的購買概率，這兩種商品就具有更高的關聯度，為了提高銷售額，應盡可能將二者擺放到一起；網店也可以將一種產品放在另一種產品的推薦頁中。
而要實現這個目的，首先就要挖掘出哪些商品之間存在更大的關聯度。
下面用PowerBI來進行關聯度分析。
假設一家超市的十幾個產品的銷售數據，我們要計算出購買產品A的客戶中，有多少客戶也同時購買了產品B？這些客戶購買了產品B的金額有多大？
客戶關聯度
由於要分析的產品A和產品B都在產品表中，為了分別計算相互不影響，復制一個產品表，這里命名為'關聯產品表'，與訂單表建立虛線關系，數據模型如下圖，
將產品表中的產品名稱拖入到表格中，作為產品A，然后利用下面這個度量值計算產品A的客戶數量，
[客戶數]=COUNTROWS(VALUES('訂單表'[客戶ID]))
然后利用關聯產品表中的產品名稱，生成一個切片器，以便選擇不同的產品，關聯產品假設為產品B。
下面這個是計算關聯分析的重點，購買了A的客戶中，有多少客戶也購買了產品B？
也就是同時購買A和B的客戶數，度量值如下：
同時購買A和B的客戶數 =
VAR Bcustomer=
CALCULATETABLE(
VALUES('訂單表'[客戶ID]),
USERELATIONSHIP('關聯產品表'[產品ID],'訂單表'[產品ID]),
ALL('產品表')
)
RETURN CALCULATE([客戶數],Bcustomer)
通過以上兩個度量值相除，就可以計算出關聯產品的客戶占比，
關聯客戶占比 = DIVIDE([同時購買A和B的客戶數],[客戶數])
把上面這幾個度量值放入表格中，通過點擊不同的關聯產品，就可以自動計算出產品A和產品B之間的重復客戶占比，
但是兩個產品的客戶的重合度高，不代表帶來的銷售額就更高，所以還要分析一下，購買A的客戶中，同時購買的產品B銷售額有多少？通過金額這個維度來分析一下關聯性。
銷售金額關聯性
先來寫兩個簡單的度量值，產品A的銷售額和產品B的銷售額：
產品A的銷售額：
銷售額=SUM('訂單表'[銷售金額])
產品B的銷售額，
關聯產品B的銷售額 =
CALCULATE([銷售額],
USERELATIONSHIP('關聯產品表'[產品ID],'訂單表'[產品ID]),
ALL('產品表') )
由於產品B來自於關聯客戶表，而關聯客戶表與訂單表是虛線關系，所以用 USERELATIONSHIP來激活關系。它主要是為了計算購買產品A的客戶中，購買了產品B的金額有多少？
然后就可以計算同時購買A和B的客戶中，購買產品B的金額。
A客戶購買B的金額 =
VAR Acustomer=
CALCULATETABLE(VALUES('訂單表'[客戶ID]))
VAR Bcustomer=
CALCULATETABLE(
VALUES('訂單表'[客戶ID]),
USERELATIONSHIP('關聯產品表'[產品ID],'訂單表'[產品ID]),
ALL('產品表'))
RETURN
CALCULATE([關聯產品B的銷售額],
NATURALINNERJOIN(Acustomer,Bcustomer)))
這個度量值的含義是，先找出產品A和產品B的客戶列表，然后通過 NATURALINNERJOIN函數找出這兩個客戶列表的交集，也就是同時購買了這兩種產品的客戶，然后計算這些客戶的產品B銷售額就可以了。
同樣把這個度量值放到表格中，可以看出關聯銷售額，
通過這個表格也可以看出，客戶重合比例高的兩個產品，帶來的關聯產品的銷售額並不一定高，這個跟產品價格、購買數量都有關系。
關聯度四象限分析
通過上面的幾個度量值，獲得了相關分析的數據，為了更直觀的展示出產品之間的關聯度，這里使用四象限分析法來展示。
其實就是制作一個散點圖，將兩個維度：客戶占比作為Y軸，關聯產品銷售額作為X軸，並按客戶占比、關聯產品銷售額的平均線作為恆線，切割出四個象限，並利用動態配色（請參考：利用這個新功能，輕松實現圖表的動態配色）分別為每個象限的數據設置不同的顏色，顯示效果如下：
出現在第一象限（右上角）的產品，就是與切片器選中的產品不僅客戶重合度高，而且帶來的銷售額也更高，具有高相關性，應該特別關注。
該模型還可以接着分析某一段時間的關聯性，比如促銷期間、節假日期間，客戶的購買特征很可能與平時是不同的。
至此，一個簡單的關聯分析模型建立完成，根據關聯產品的不同，動態顯示不同的高相關度產品，並且可以隨着時間段的變化而變化，
如果有客戶畫像、銷售地點等數據，還可以將這些數據作為外部篩選器，挖掘出不同客戶、不同地域的關聯產品組合。
當然，這個模型挖掘的關聯產品只是初步結果，還應對這個結果進行進一步驗證，避免因偶然或人為因素導致的關聯性，比如是否有某兩種商品的捆綁銷售活動等。
關聯分析是非常有用的數據挖掘方式，能夠幫助企業進行精准產品營銷、產品組合以及發現更多潛在客戶，真正的利用數據，為企業創造價值。