商品組合建模可以根據(jù)每家門店的特有客戶群，分析出該店應(yīng)上架哪些商品。現(xiàn)在有不少工具能幫助零售商找出最佳商品組合，如7thonline,Oracle，SAS等。以上工具都需要詳細(xì)的市場購物籃數(shù)據(jù)。這些數(shù)據(jù)能反映出哪些商品常被一起購買(具有關(guān)聯(lián)關(guān)系)、從而確定單店的商品組合。用正確的商品搭配正確的店鋪，就叫商店需求建模。

　　以下的例子能夠說明，這個(gè)過程真正運(yùn)作起來有多復(fù)雜。商家往往認(rèn)為商品組合建模就是把正確的商品放到正確的店鋪中;貨架及空間管理部門認(rèn)為，商品組合建模是把商品擺在貨架上最合適的位置;負(fù)責(zé)為新店購買店址的房地產(chǎn)經(jīng)理認(rèn)為，該過程是為商店的銷售增長目標(biāo)找到足夠大的購物群。可以看到，大多數(shù)人并沒有站在全局的角度看問題。分析師負(fù)責(zé)把每一塊零碎的部分拼合到整體分析大框架中。最后結(jié)果就是，逐漸把滯銷商品從店里撤出，上架更多暢銷單品，從而增加銷售額和收入。這些都是在單店的層面上進(jìn)行的。

　　市場購物籃分析利用來自各個(gè)商店的數(shù)據(jù)，構(gòu)建出挑選商品及購買頻率的行為模型。信用卡及購物卡數(shù)據(jù)能用來劃分消費(fèi)者群組，把相似的消費(fèi)者歸為一組。所有輸入信息中，購物者洞察是最難收集、最難捉摸的。但如果收集、使用得當(dāng)，這部分信息能起到極大的作用。店址是最容易收集、最精準(zhǔn)的數(shù)據(jù)點(diǎn)。地理及人口數(shù)據(jù)是地圖繪制中用到的最簡單的數(shù)據(jù)點(diǎn)，但又是切入模型的最佳途徑。

　　難點(diǎn)在于，要選擇正確的度量標(biāo)準(zhǔn)來劃分商店群組。大多數(shù)在搭建商店模型時(shí)，首先選擇使用地理人口統(tǒng)計(jì)學(xué)數(shù)據(jù)。表面看來這不無道理。但購物行為其實(shí)與店址(店鋪規(guī)模、營業(yè)面積、季節(jié)等)一樣重要，甚至比店址數(shù)據(jù)更重要。要為一家特定商店選出最佳商品組合，可以參照與其類似的商店的情況。

　　以下的例子可以突顯出建立商品群組模型的兩個(gè)直觀好處。

　　(1)零售商需要保持商品的高流轉(zhuǎn)率，以確保在結(jié)算運(yùn)費(fèi)之前同種單品已被反復(fù)出售多輪。所有，在正確的商店持有正確數(shù)量的正確單品是至關(guān)重要的。大多數(shù)零售連鎖店的利潤只占到營業(yè)額的4%~5%，這就意味著零售商在挑選商品組合時(shí)幾乎不能犯錯(cuò)。如果貨架上的商品到結(jié)算時(shí)還沒被賣出，零售商就只能動(dòng)用利潤來支付運(yùn)費(fèi)。

　　(2)此方法能大大優(yōu)化配送中心的物流運(yùn)作。如果相似的店鋪都集中在一起(具有群組效應(yīng))，卡車從配送中心出發(fā)，一趟就能給多家商店送貨。這即省時(shí)又省錢。沃爾瑪將這一優(yōu)勢運(yùn)用到極致，它根據(jù)地理人口條件選址建立配送中心，進(jìn)而圍繞配送中心開設(shè)門店，利用各門店的市場購物籃數(shù)據(jù)確定商品組合、加速補(bǔ)貨。沃爾瑪?shù)淖龇�看似輕松，事實(shí)上需要強(qiáng)有力的數(shù)據(jù)庫，運(yùn)用到數(shù)百萬兆字節(jié)的數(shù)據(jù)進(jìn)行分析。