使用嵌套过滤器在 Amazon QuickSight 中构建市场篮子分析仪表板 商业智能博客

使用嵌套筛选构建市场篮分析仪表板

主要要点

Amazon QuickSight 是一个可扩展的无伺服器、基于机器学习的商业智能解决方案，可以轻松创建和发布交互式仪表板，让用户可以在任何设备上访问。许多组织希望揭示客户购买的产品之间的关联。零售商可以透过分析销售交易来洞察特定产品的购买行为，市场篮分析是预测产品销售和理解客户行为的有效方法。此技术可应用于产品交叉销售、电子商务推荐引擎及库存管理中。

传统上，建构市场篮分析仪表板需要数据工程管道，这通常依赖于 ETL提取、转换和加载任务以及复杂的 SQL 操作，可能需要数周时间。然而，QuickSight 的嵌套筛选功能简化了这一过程，使创建仪表板的过程变得无需编码。

在本文中，我们将展示如何在 QuickSight 仪表板中配置嵌套筛选，以及它们如何在市场篮分析中解决不同的商业用例。我们将演示如何通过嵌套筛选进行更高阶的过滤，帮助解决市场篮分析仪表板的一些常见挑战。

以下表格显示了使用的示例数据集，该数据集包含超市销售交易和客户属性的信息，包括客户 ID、姓名、年龄组、产品、店铺 ID、价格和数量等详细信息。

用例 1：分析购买特定产品的客户的销售情况

在此用例中，您可以分析购买特定产品的客户的销售数量。仪表板用户可以使用 QuickSight 仪表板中的嵌套筛选选择多个产品，例如全脂牛奶和咖啡。然后，仪表板将显示也购买了全脂牛奶或咖啡的客户购买的其他产品的销售数量，方便识别哪些产品经常与全脂牛奶或咖啡一同购买。

嵌套筛选工作原理

在以下图中，P 代表所有产品的集合，C 代表在数据集中所有客户的集合。x 是 P 的子集，代表要在嵌套筛选中分析的产品例如全脂牛奶和咖啡。y 是购买了产品 x 的客户。

接下来的图示通过显示 y 来解释如何找到其购买的产品销售，z 是此用例的产出，显示所有购买了 y 的产品，包括在嵌套筛选中选定的 x 产品及 y 购买的其他产品。

为了更好地理解这一嵌套筛选逻辑，这些结果对应于在 QuickSight 中运行的相关子查询：

sqlSELECT product sum(quantity)FROM datasetWHERE customer IN( SELECT DISTINCT customer FROM dataset WHERE product IN(x))GROUP BY product

创建嵌套筛选的步骤

现在，您已经构建了第一个市场篮分析仪表板。在本例中，全脂牛奶和咖啡被选为产品筛选。左侧的表格显示了购买过全脂牛奶或咖啡的客户的产品销售数量。

用例 2：确定从未购买特定产品的客户区段

嵌套筛选提供了不同的选择来满足各种用例。在此示例中，我们为嵌套筛选选择了不同的合格条件。嵌套筛选可以排除那些从未购买特定产品的客户，方便分析这些客户群的购买行为。

创建嵌套筛选的步骤

在接下来的仪表板中，选择的产品仍然是全脂牛奶和咖啡。这个筛选排除了那些购买过这两种产品的客户，并显示出未购买这两种产品的客户年龄组。

用例 3：包含购买任何其他产品的客户

在此用例中，您可以选择嵌套筛选中的特定产品，并将购买任何其他产品的客户纳入结果。这帮助分析客户行为，并了解消费趋势。

创建嵌套筛选的步骤

在此仪表板中，我们使用咖啡作为筛选条件，排除那些仅购买咖啡的客户。

用例 4：识别仅限于特定产品的购买的客户

这个用例专注于那些仅购买特定产品子集的客户。如果选择全脂牛奶和咖啡，则包含三组：仅购买全脂牛奶的客户、仅购买咖啡的客户以及同时购买这两种产品的客户。其他客户，如购买了全脂牛奶、咖啡及额外产品如牛肉的客户将被排除。

创建嵌套筛选的步骤

在此仪表板中，选择了两个产品进行筛选。我们识别出仅购买全脂牛奶和咖啡，且未购买其他产品的客户。

总结

以上所述的四个用例和它们在嵌套筛选中的设定，帮助分析客户行为，揭示购买模式。作为使用者，您可以根据挑选的条件，聚焦于特定的市场篮分析，发现销售潜力。

要深入学习嵌套筛选的使用，请参考 添加嵌套筛选。您也可以造访 Amazon QuickSight 社区，提出问题、与同行交流，并获取最新的功能与资源。

关于作者

Roy Yung 是 Amazon QuickSight 的专业解决方案架构师，拥有超过 10 年的企业商业智能解决方案实施经验。 Roy 在 AWS 之前专注于保险、银行、航空和零售行业的商业智能和数据平台解决方案。

Martina Zerilli 是 AWS 专业服务团队的数据分析和机器学习顾问，位于罗马。她帮助设计符合客户战略目标的创新下一代云解决方案。