Market Basket Analysis on Retail Stores of Electronic Devices

Abstract

Market basket analysis is a technique that discovers the relationship between the pairs of products purchased together. It simply analyses the purchase coincidence with the products purchased among the sales transactions and explain what is purchased with what. This study presents a market basket analysis to discover the association rules between products within a dataset that is extracted from one of a leading retail company of electronic devices. The aim is to understand the purchasing behavior trends by examining which products are purchased together. The Apriori algorithm provides the opportunity to discover association rules. Market basket analysis is developed with R Language. R community has a library for association rules that’s called “arules”. Additionally, “arulesViz” and “plotly” libraries are used to visualize the output of analysis. Further steps to this study could be diversification of stores groups through machine learning algorithms and according to this classification, market basket analysis may apply on generated classes of the stores separately. In addition, the output of market basket analysis can be input for a recommendation engine.Pazar sepeti analizi, birlikte satın alınan ürünler arasındaki ilişkileri keşfeden bir tekniktir. Sepetler arasında, satın alınan ürünlerle satın alma tesadüflerini analiz eder ve ürünlerin hangi ürün ile beraber satın alındığını açıklar. Bu çalışma, elektronik cihazların önde gelen perakende şirketlerinden birinden alınan bir veri kümesindeki ürünler arasındaki ilişki kurallarını keşfetmek için bir pazar sepeti analizi sunmaktadır. Amaç, hangi ürünlerin birlikte satın alındığını inceleyerek satın alma davranış eğilimlerini anlamaktır. Apriori algoritması, ilişkilendirme kurallarını keşfetme fırsatı sunar. Pazar sepeti analizi, R Dili ile geliştirilmiştir. Birliktelik kurallarını ortaya çıkarmak için R topluluğu “arules” olarak adlandırılan bir kütüphaneye sahiptir. Ayrıca, analiz çıktılarını görselleştirmek için “arulesViz” ve “plotly” kütüphaneleri kullanılmaktadır. Bu çalışmanın diğer adımları, makine öğrenimi algoritmaları ile mağazaların gruplandırılması ve bu gruplandırmaya göre pazar sepeti analizinin her bir gruba ayrı ayrı uygulanması olabilir. Ek olarak, pazar sepeti analizinin çıktısı, bir öneri sistemine girdi olarak verilebilir.