旧文把「咖啡机 → 咖啡豆,提升度 9.2」当成明星规则,这个数本身没问题。问题出在排序:如果按提升度从高到低取 Top-N,排第一的往往不是它。

我造了 10 万条会话,20 个商品,埋了两条规则:

  • 咖啡机 → 咖啡豆:买咖啡机的 35% 买咖啡豆,全体买咖啡豆的 3.8%,提升度 7.94,覆盖 686 个会话
  • 冷门商品 A → 冷门商品 B:A 出现 0.1%,其中 85% 买 B,提升度 453,覆盖 87 个会话

按 lift 降序,第一条排第一的是 453 倍那条。按业务增量排序,咖啡机那条才排第一。

提升度只回答“强不强”,不回答“有多少人”

提升度是 置信度 / 后项支持度。它把后项本身的人气剥掉,所以冷门组合很容易算出几百倍。

但推荐位关心的是另一件事:这条规则一年能触发多少次。

rules["support_count"] = rules["support"] * n_sessions
rules["delta"] = rules["support"] * (rules["confidence"] - rules["consequent support"])

delta 的直觉是:联合出现的比例里,有多少是后项本来就会发生的。把它乘回支持度,就是这条规则能带来的增量覆盖。

同一份数据,按 lift 和按 delta 排序:

规则                  support  confidence  lift   覆盖会话  delta
咖啡机 → 咖啡豆       0.00686  0.351       7.94   686       0.002106
冷门 A → 冷门 B       0.00087  0.853       453.7  87        0.000740

453 倍那条从第 1 掉到第 3。不是它不成立,是它只覆盖 87 个会话,放进推荐位一天也露不了几次。

先卡覆盖人数,再谈提升度

旧文设了 min_support=0.002、min_confidence=0.3、min_lift=1.5,这三个阈值没错。但对 4.8 万商品的池子,0.002 只保证 6400 个会话,仍然会漏出大量覆盖几十次的规则。

加一个人工下限:

min_sessions = 500
rules = rules[rules["support_count"] >= min_sessions]

500 不是拍脑袋。按详情页每天 2 万次曝光算,覆盖 500 个会话的规则,理论上一天最多被触发几次到几十次。低于这个量级,规则只能放在离线报表里,不适合进线上推荐位。

然后再排序:

rules = rules.sort_values("delta", ascending=False)
topn = rules.groupby("antecedents").head(4)

按前项分组取 Top-4,避免同一个商品被十几条规则挤满推荐位。

别用挖规则的那批数据评估规则

旧文写了两周 A/B:CTR 提升 18%,跨品类交叉购买提升 27%,订单上涨 12%。

这三个数没有样本量、没有置信区间、没有基线,无法复现。更关键的是,规则在训练周挖出来,又在同一周评估,等于开卷考试。

按时间切:

cutoff = int(len(orders) * 0.7)
train = onehot.iloc[:cutoff]
test = onehot.iloc[cutoff:]
 
freq = fpgrowth(train, min_support=0.002, use_colnames=True, max_len=2)
rules = association_rules(freq, metric="lift", min_threshold=1.5)

只用前 70% 的会话挖规则,后 30% 做评估。评估时按会话算命中率:

def hit_rate_at_k(test_df, rules, k=4):
    hits = 0
    total = 0
    for _, row in test_df.iterrows():
        basket = set(row[row > 0].index)
        for ant in basket:
            recs = rules[rules["antecedents"] == {ant}].head(k)
            if not recs.empty:
                total += 1
                if any(rec in basket for rec in recs["consequents"]):
                    hits += 1
                break
    return hits / total if total else 0.0

这个函数很慢,只适合抽样评估。线上要的是离线算好规则、Redis 查表:

key: rec:item:<item_id>
value: [b1, b2, b3, b4]

item_id 没有规则时,回退到品类级规则;品类也没有,回退到同品类热销。不要返回空列表,前端会留一个空洞。

A/B 要多少样本,先算再跑

基线 CTR 5%,想检测 10% 的相对提升(5% → 5.5%),alpha 0.05、power 0.8,每组大约需要 3.1 万个曝光会话:

from statsmodels.stats.power import NormalIndPower
from statsmodels.stats.proportion import proportion_effectsize
 
h = proportion_effectsize(0.055, 0.05)
n = NormalIndPower().solve_power(effect_size=h, alpha=0.05, power=0.8, ratio=1)
print(round(n))  # 31217

旧文的两周 A/B 如果没有达到这个量级,18% 的 CTR 提升可能只是波动。先把样本量算出来,再决定跑几天。

2026 年的依赖

mlxtend 0.25 的 association_rules 仍然输出 support、confidence、lift、consequent support 这些列。Python 3.12 + pandas 2.x 可以直接跑:

pip install "mlxtend>=0.23" "pandas>=2.2"

fpgrowth 的 max_len=2 很重要。不限制长度,4.8 万商品会生成大量三项、四项组合,内存先爆,业务上也没法展示。

我没验证的

旧文的 320 万会话、4.8 万商品、A/B 三组提升数字,没有给出原始数据或统计口径,我只按它写的参数复现了规则排序问题。

上面 10 万条会话是合成数据,用来证明排序会翻转,不代表真实电商的分布。真实数据里冷门组合的支持度可能更低,min_sessions 要按自己的曝光量重算。

Logo

电商企业物流数字化转型必备!快递鸟 API 接口,72 小时快速完成物流系统集成。全流程实战1V1指导,营造开放的API技术生态圈。

更多推荐