User Tools

Site Tools


boissier_tan:fabrice_boissier_geoffrey_tan

Visual Analytics Course

Chicoutimi roadmap / Fabrice Boissier & Geoffrey Tan's corner

Amazon : Analyse des achats similaires

Nous allons essayer de savoir si l'achat de produits très vendus entraîne nécessairement l'achat de produits moins vendus. De plus, nous essayerons de voir si les catégories sont liées entre elles ou pas par ces ventes

Prenons un exemple pour illustrer.

Pour un livre (catégorie la plus vendue) :

Nous pouvons voir qu'Amazon nous offre plusieurs choix de similarité sur toute sa page : Tout d'abord les produits “également regardés” par les visiteurs.

Amazon nous fait immédiatement un pack, qui pourrait sembler être une affaire, car nous devons être intéressés par ces 2 produits ! Les 2 sont souvents vus lors d'une recherche, et les 2 sont souvent vendus.

Finalement, Amazon nous montre les produits considérés comme “similaires” (et on s'aperçoit même que le pack n'a rien d'une affaire) :

Le caractère de la similarité est donc issu d'un algorithme prenant plusieurs paramètres. On peut supposer qu'il prend déjà les mots-clés similaires, le nombres de vues en fonction d'une même recherche par un même visiteur et les produits achetés en même temps.

Le problème posé sera donc de savoir si pour un produit très acheté, les gens achèteront oui ou non les produits similaires, et cela entraînera-t-il l'augmentation du nombre d'achats dans le temps.

Le set de données utilisé contient les relations entre produits selon Amazon. Les produits sont quasiment tous reliés ensembles, mais plusieurs composante fortements connexes arrivent à être extraites. Ces composantes ont-elles un nombre de ventes élevé ? Nous avons pris les plus proches voisins (les voisins directs) pour essayer de voir une corélation.

Tout d'abord, nous avons analysés quelle catégorie était la plus vendue : Il s'agit des livres en bleu. On peut donc voir qu'Amazon continue de vendre en majorité dans son secteur historique.

Amazon fournit sur son set de données une propriété “similar” qui permet d'identifier des produits similaires. Pour un noeud sélectionné, voici ses similaires :

Avec cette propriété, nous avons ensuite cherché si une corrélation entre plusieurs points était présente : On peut voir que pour un produit vendu, ses voisins ne sont pas énormément vendus. Sur plusieurs points aléatoirements choisis, on peut voir qu'aucune corrélation d'augmentation de vente n'existe.

Ainsi, même si un produit se vend, les produits similaires ne sont pas spécialement “plus vendus”.

Les données ont été assez difficiles à extraire, et on ne voit pas de rapprochement dans les ventes entre produits considérés comme “similaires”. La similarité entre 2 produits n'apporte pas de similarité dans les ventes. Un produit phare restera toujours LE produit le plus vendu, les produits associés seront un peu plus vendus que d'autres, mais ils ne seront pas propopulsés devant d'autres produits phares.

/net/html/perso/melancon/Visual_Analytics_Course/data/pages/boissier_tan/fabrice_boissier_geoffrey_tan.txt · Last modified: 2012/05/04 21:02 by melancon