The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지
DOI QR코드

DOI QR Code

Association Analysis of Product Sales using Sequential Layer Filtering

순차적 레이어 필터링을 이용한 상품 판매 연관도 분석

  • 방선호 (인천대학교 동북아물류대학원) ;
  • 이강현 (인천대학교 동북아물류대학원) ;
  • 장지영 (인천대학교 동북아물류대학원) ;
  • ;
  • 신광섭 (인천대학교 동북아물류대학원)
  • Received : 2022.05.16
  • Accepted : 2022.06.04
  • Published : 2022.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

In logistics and distribution, Market Basket Analysis (MBA) is used as an important means to analyze the correlation between major sales products and to increase internal operational efficiency. In particular, the results of market basket analysis are used as important reference data for decision-making processes such as product purchase prediction, product recommendation, and product display structure in stores. With the recent development of e-commerce, the number of items handled by a single distribution and logistics company has rapidly increased, And the existing analytical methods such as Apriori and FP-Growth have slowed down due to the exponential increase in the amount of calculation and applied to actual business. There is a limit to examining important association rules to overcome this limitation, In this study, at the Main-Category level, which is the highest classification system of products, the utility item set mining technique that can consider the sales volume of products together was used to first select a group of products mainly sold together. Then, at the sub-category level, the types of products sold together were identified using FP-Growth. By using this sequential layer filtering technique, it may be possible to reduce the unnecessary calculations and to find practically usable rules for enhancing the effectiveness and profitability.

물류와 유통에서 장바구니 분석(MBA: Market Basket Analysis)은 주요 판매 상품 간의 연관성을 분석하고, 내부 운영 효율성을 높이기 위한 중요한 수단으로 활용된다. 특히, 장바구니 분석의 결과는 상품 구매예측, 상품 추천 및 매장의 상품 전시 구조 등 의사결정 과정에 중요한 참고자료로 활용된다. 최근 전자상거래의 발전으로 하나의 유통 및 물류 기업이 취급하는 품목의 수가 급격하게 증가하면서 기존의 분석기법인 Apriori와 FP-Grwoth 등의 방법은 계산량의 기하급수적 증가로 인한 속도저하와 실제 비즈니스에 적용하기 위한 중요한 연관규칙을 살피기에는 한계가 있다. 본 연구에서는 이러한 한계를 극복하기 위해, 상품의 최상위 분류체계인 Main-Category 수준에서는 상품의 판매량을 함께 고려할 수 있는 utility item set mining 기법을 활용하여 주로 함께 판매된 상품군을 우선 선별하였다. 그 후, sub-category 수준에서는 FP-Growth를 활용하여 함께 판매되는 상품 유형을 식별하였다. 이렇게 순차적 레이어 필터링 기법을 활용하여 불필요한 연산을 줄일 수 있어 현실적으로 활용가능한 결과를 제시할 수 있다.

Keywords

Acknowledgement

이 논문은 2022년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구임 (P0008691, 2022년 산업혁신인재성장지원사업)

References

  1. Ambuj Gupta, Sudhakar Hannah, Kapoor Shivam and Anand Shivangi,, "Performance Comparison of Apriori, Eclat and FP-Growth Algorithm for Association Rule Learning", 2016.
  2. Bhargav Anshul, Robin Prakash Mathur and Munish Bhargav,, "Market basket analysis using artificial neural network", 1-6, 2014.
  3. Dubey Shish Kumar, Sonu Mittal, Seema Chattani and Vinod Kumar Shukla,, "Comparative Analysis of Market Basket Analysis through Data Mining Techniques", 239-243, 2021.
  4. Hidayat A. A., A. Rahman, R. M. Wangi, R. J. Abidin, R. S. Fuadi and W. Budiawan,, "Implementation and comparison analysis of apriori and fp-growth algorithm performance to determine market basket analysis in Breiliant shop", 1402, 7, 2019.
  5. Hlaing Moe Moe., "ECLAT based market basket analysis for electronic showroom", 2019.
  6. Liu, Run-Qing, Young-Chan Lee, and Hong-Lei Mu. "Customer classification and market basket analysis using K-means clustering and association rules: evidence from distribution big data of korean retailing company." Knowledge Management Research, 19, 4, 56-76, 2018.
  7. Lin Chun-Wei, Tzung-Pei Hong and Wen-Hsiang Lu,, "An effective tree structure for mining high utility itemsets", Expert Syst.Appl., 38, 6, 7419-7424, 2011. https://doi.org/10.1016/j.eswa.2010.12.082
  8. Martinez Marcos, Belen Escobar, Maria E. Garcia-Diaz and Diego P. Pinto-Roa,, "Market basket analysis with association rules in the retail sector using Orange. Case Study: Appliances Sales Company", CLEI Electron, 24, 2, 2021.
  9. Nandintsatsral Amarsanaa, "코로나19가 가져온 몽골 화장품 시장의 새로운 트랜드", KOTRA&KOTRA 해외시장 뉴스, 2020.
  10. Pillai Jyothi and O. P. Vyas,, "User centric approach to itemset utility mining in Market Basket Analysis", International Journal on Computer Science and Engineering, 3, 1, 393-400, 2011.
  11. Prasad K. Rajendra., "Optimized high-utility item-sets mining for effective association mining paper", International Journal of Electrical and Computer Engineering (IJECE), 7, 5, 2911-2918, 2017. https://doi.org/10.11591/ijece.v7i5.pp2911-2918
  12. S. S. Khedkar and S. Kumari,, "Market Basket Analysis using A-Priori Algorithm and FP-Tree Algorithm", 2021 International Conference on Artificial Intelligence and Machine Vision (AIMV), 1-6, 2021.
  13. Ting S. L., Y. K. Tse, GTS Ho, Sai Ho Chung and Gu Pang,, "Mining logistics data to assure the quality in a sustainable food supply chain: A case in the red wine industry", Int J Prod Econ, 152, 200-209, 2014. https://doi.org/10.1016/j.ijpe.2013.12.010
  14. Wang Le, Shui Wang, Haiyan Li and Chunliang Zhou,, "Improved Strategy for High-Utility Pattern Mining Algorithm", Mathematical Problems in Engineering, 2020, 2020.
  15. 김진형 and 김병욱, "데이터 카디널리티에 따른 FP-Growth 알고리즘의 효율성 분석", 한국정보처리학회 학술대회논문집, 26, 1, 33-35, 2019.
  16. 정병수, 아메드, 파한, 이인기 and 용환승,, "Prefix-Tree 를 이용한 높은 유틸리티 패턴 마이닝 기법", 정보과학회논문지: 데이타베이스, 36, 5, 341-351, 2009.
  17. 황정희., "유틸리티-리스트를 이용한 높은 유틸리티 항목집합 마이닝", 한국디지털콘텐츠학회 논문지, 21, 3, 579-586, 2020.