バスケット分析（Basket Analysis）

Deep Dive

アソシエーションルールマイニングの基礎

バスケット分析の核となるのはアソシエーションルールマイニングである。代表的なアルゴリズムであるAprioriアルゴリズムは、大量のトランザクションデータから頻出アイテムセットを効率的に抽出する。分析結果は「支持度（Support）」「信頼度（Confidence）」「リフト（Lift）」の3つの指標で評価される。リフト値が1を大きく超えるルールは、統計的に有意な購買パターンを示す。ファッション業界では、「ジャケットを購入した人の60%がインナーも同時購入する」といったルールが発見され、セット販売やスタイリング提案の根拠となる。

ファッション・ビューティ業界での実践

ファッション小売では、バスケット分析はスタイリング提案の最適化に直結する。トップスとボトムス、アウターとインナー、シューズとバッグなどの組み合わせパターンを分析し、ECサイトの「この商品を買った人はこちらも」レコメンデーションや、店舗でのコーディネート陳列に反映する。ビューティ業界では、スキンケアルーティンの構成品（クレンジング→化粧水→美容液→クリーム）の購買パターン分析が、セット商品の設計やサブスクリプションボックスの構成最適化に活用されている。

高度分析とリアルタイム活用

現代のバスケット分析は、単純な商品ペア分析を超えて進化している。時系列バスケット分析では、購入間隔を考慮し「Aを購入してから2週間以内にBを購入する確率」を算出する。これはリピート購入促進のタイミング最適化に活用される。また、オンライン・オフライン統合データによるクロスチャネルバスケット分析も進化している。さらに、リアルタイムPOSデータと連携したダイナミックプロモーションにより、会計時に顧客のバスケット内容に応じた最適なクロスセル提案を瞬時に表示する仕組みも実用化されている。