Použití modelu Často kupované společně (Preview)

Důležité

Některé nebo všechny tyto funkce jsou k dispozici jako součást vydání verze Preview. Obsah a funkce se mohou změnit.

Řešení Často kupované společně se skládá z poznámkového bloku, ukázkových dat, sestavy Power BI. Poznámkový blok je třeba nejprve spustit, aby se vytvořila výstupní data, která se později použijí v uživatelském rozhraní. Poznámkový blok standardně používá ukázková data, ale můžete je snadno nasměrovat na jakýkoli jiný Lakehouse s vlastními datovými body. Další údaje naleznete v části: Konfigurace Často kupované společně.

Předpoklady

K používání funkce Často kupované společně potřebujete oprávnění správce Fabric (prohlížeč pracovního prostoru).

Úvahy o použití poznámkového bloku modelu Často kupované společně

• Očekává se, že vstupní tabulky/entity budou ve formátu delta. Parquet není podporován.

• Ponechte nastavení Fabric tak, jak je (například verze Spark, verze Python).

• Vstupní data musí být přesně ve stejné struktuře jako vzorová data uvedená v části Vstupní data pro Často nakupované společně.

• Buňky a metody poznámkového bloku by měly být prováděny ve stejném pořadí, jaké je uvedeno v poskytnutém poznámkovém bloku.

• Vstupní data musí být platná. Ujistěte se, že existují všechny očekávané tabulky a sloupce a mají správné datové typy, jak je uvedeno v části Vstupní data pro Často kupované společně.

  • Ujistěte se, že tabulky nejsou prázdné. Pro každou tabulku musí existovat alespoň jeden záznam a všechna povinná pole jsou vyplněna.

  • Ujistěte se, že na tabulkách nejsou žádné duplicitní primární klíče.

  • Všechny primární klíče ve všech tabulkách musí být dostupné pro jakýkoli cizí klíč.

• Při každém spuštění poznámkového bloku jsou předchozí výstupní tabulky vymazány, pokud již existují v Lakehouse/cesta, kterou jste zadali. Můžete použít delta verze.

• Pole ID přítomná ve výstupních tabulkách (například RetailEntityId, ItemsetId a RuleId) se znovu vygenerují při každém spuštění a nemusí být nutně konzistentní napříč běhy poznámkového bloku. Doporučujeme spojit data ve výstupních tabulkách (například Store, Party a RetailProduct) v různých poznámkových blocích a pomocí polí pro názvy filtrovat výsledky.

Použití sestavy Power BI modelu Často kupované společně

Model Často kupované společně poskytuje bohatou sadu informací a přehledů v uživatelském rozhraní. Zobrazení Seskupení produktů poskytuje analýzy založené na KPI výnosů z produktů často kupovaných společně. KPI tržeb z produktu často kupované společně (nazývaného hlavní produkt) je součtem výnosů z prodeje hlavního produktu, ke kterému se přičtou výnosy z prodeje ostatních produktů zakoupených společně s hlavním produktem. Každý produkt lze analyzovat a vypočítat jeho příjmy z často nakupovaných společně a graf zobrazuje pouze cílové produkty, jak jsou definovány „Kritériem produktu“ (obvykle 10 nejvyšších příjmů).

Použitím tří filtrů definujete data POS, která AI/ML často nakupovaná společně analyzuje. Filtry jsou:

• Prodejce nebo prodejna je identifikován údaji POS. Typické možnosti jsou, maloobchodní řetězec, obchod 1, obchod 2.

• Období je identifikováno zákazníkem v poznámkovém bloku modelu Často kupované společně. Období může souviset například s marketingovými aktivitami, jako je nový regálový sortiment, minulý měsíc, od 1. 1. 23 do 30. 6. 23 a doplňkové období by bylo po regálovém sortimentu, 1. 7. 23 až 31. 12. 23.

• Kritérium produktu extrahuje z POS sadu nejdůležitějších produktů. Typickým kritériem produktu může být 10 nejvyšších výnosů často kupovaných společně nebo 10 nejprodávanějších produktů z pohledu výnosů často kupovaných společně.

Na základě těchto filtrů model Často kupované společně vyplní graf a související tabulku:

• Graf zobrazuje tržby skupin produktů definovaných kritériem produktu, obvykle seřazených podle klesajících příjmů nebo prodaných jednotek. Tento příjem se skládá ze dvou částí:

  • Tržby z prodeje a součet tržeb za každou často nakupovanou položku, když je nakupována společně s hlavní položkou.

  • Výnosy skupiny související s hlavní položkou, což je přesný odhad obchodu generovaného uvedenou hlavní položkou.

Výchozí model Často kupované společně na datových řešeních pro Retail s těmito ukázkovými daty a nastavením uživatelského rozhraní:

• Vzorová data pocházejí od fiktivního prodejce Contoso. Ukazuje devět měsíců prodeje ve dvou prodejnách stejného obchodního řetězce. Sada obsahuje 250 položek, které jsou nejprodávanějšími v maloobchodě v USA.

• Marketingová akce s názvem „nový regálový sortiment“ je v poznámkovém bloku modelu často kupované společně. Můžete vidět dvě období, „před regálovým sortimentem“ a „po regálovém sortimentu“. Můžete je vybrat ve filtru Období uživatelského rozhraní.

V uvedeném grafu data ukazují 10 nejvyšších příjmů z FBT ve všech produktech v řetězci Contoso pro období minulého měsíce. Můžete najet myší na konkrétní položku grafu a zobrazit údaje o tomto produktu.

V tomto příkladu je pivo nejvyšším produktem generujícím příjmy za období posledního měsíce s tržbami 1254 USD a celkem 1599 USD za pět nejčastěji nakupovaných produktů.

Tabulka Často kupované společně vám umožňuje přesně vidět každý prvek skupiny produktů – hlavní položku, každou položku Často kupované společně a relevantní údaje o tržbách a jednotku prodanou každým prvkem skupiny.

V uvedené tabulce se ukazují data pro 10 nejvyšších příjmů z často kupovaných společně ve všech produktech v řetězci Contoso pro období minulého měsíce. Tabulka obsahuje 10 skupin produktů a pět nejčastěji nakupovaných položek v rámci této skupiny společně s _Průměrný týdenní příjem z prodeje_z_FBT, Podíl na celkových prodejích tržby, Průměrný týdenní objem prodeje a Síla přidružení.

Například pivo je nejprodávanějším produktem a stojí v čele jedné z produktových skupin. K pivu se často kupují brambůrky, pizza (čerstvá), mražená pizza, tortilly a arašídy. Podíl celkových příjmů z prodeje těchto položek je 114 USD, 93 USD, 65 USD, 38 USD a 34 USD.