招聘和本地服务，与新房交叉的置信度6%左右。买房的人群，可能会考虑更稳定的工作，因而不频繁看工作信息；本地服务发布的信息较杂，需进一步细分

而选择交叉业务和交叉用户目前有2种方法：业务经验和数据挖掘。业务人员积攒了一些经验，知道适合跟哪些产品做交叉，例如装修业务适合跟新房、二手房业务进行交叉营销，因为买新房/二手房的用户，很大概率需要装修服务。但装修跟本地生活、装修跟新车二手车业务能否交叉？这对于业务人员来说，就不得而知了。那还有什么其他科学的手段？

三、关联分析

这就需要数据挖掘的方式，找到潜在的交叉机会。比较典型的就是啤酒和尿布的故事，20世纪90年代沃尔玛超时管理员分析销售数据时，发现了一个很奇怪的现象，啤酒和尿布两样毫无相关性的商品，经常会被同时购买。其原因在于年轻夫妻经常到超时买婴儿尿布，他们同时也会买自己喜欢的啤酒。

据说是沃尔玛引进了一种全新的算法，它分析了顾客在超市消费的记录，然后计算商品之间的关联性，发现这两件商品的关联非常高。关联分析则是用于发现隐藏在大型数据中令人感兴趣的联系，描述了一个事物中某些属性同时出现的规律和模式。

支持度=购买了A和B商品（集合G）的人数/所有购买过商品（集合U）的人数

置信度=购买了A和B商品（集合G）的人数/购买了A商品（集合A）的人数

得到这两个指标之后，需要为这两个指标设立一个最低门槛，即最小支持度和最小置信度。因为在用户的购买行为中，购买A商品的用户可能不仅购买B商品，还购买了C、D、E……等一系列商品，所以我们需要分别算出所有这些组合的支持度和置信度，只有满足比如支持度>0.2，置信度>0.6的这些商品组合才可以认为是有关联的，值得推荐的。

四、如何应用？

这种关联分析的方法在交叉营销中如何应用？例如，寻找58新房与其他业务的交叉关系，方便把其他业务线的流量精准引入到58新房。交叉营销步骤为：寻找交叉业务、用户分析、制定策略、投放及效果评估。

第一步：寻找交叉业务

1）BG间交叉分析：新房与其他BG的交叉

从全局流量来看，先跨BG交叉新房与招聘、车、本地生活，设58新房活跃10000、招聘活跃30000、车活跃10000、本地服务活跃20000，进行洞察分析，并产出初步策略。

招聘支持度=交叉人群/（招聘∪新房）=3000/（30000+10000-3000）=8%招聘置信度=交叉人群/招聘=3000/30000=10%

（以下数据均已脱敏，为虚构数据，不具备业务参考价值）

洞察一：买车的人群，相对较多考虑买房。数据：新房与车交叉人群占比较高，置信度为18%。策略：新房可优先从二手车进行交叉引流。

洞察二：招聘和本地服务中，准备买房的占比较少。

数据：招聘和本地服务，与新房交叉的置信度6%左右。买房的人群，可能会考虑更稳定的工作，因而不频繁看工作信息；本地服务发布的信息较杂，需进一步细分。