アソシエーション分析は、大量のデータの中から「もしAならばBである」という項目間の隠れた関連性やルールを見つけ出すデータマイニングの手法です。顧客の購買履歴などを分析するマーケットバスケット分析などに広く用いられており、支持度、確信度、リフト値という3つの指標を用いてルールの重要性や信頼性を客観的に評価します。
アソシエーション分析とは
アソシエーション分析とは、大規模なデータベースから、商品やイベントなどの項目間に存在する「もしAを購入すれば、Bも購入する」といった関連性のルールを抽出するデータマイニングの手法です。
詳しく解説
この手法は、膨大なトランザクションデータから有益な相関関係を発見するために用いられます。分析においては、抽出されたルールの有用性を評価するために「支持度」「確信度」「リフト値」という3つの主要な指標が使われます。「支持度」は全体の中でその組み合わせが発生する確率を示し、「確信度」はAが発生したときにBも発生する条件付き確率を示します。そして「リフト値」は、Aの発生がBの発生にどれだけ影響を与えているかという関連性の強さを示す指標であり、偶然の連動を排除するために重要です。
具体例・使われ方
最も有名な応用例は、小売業におけるマーケットバスケット分析です。例えば、スーパーマーケットの購買データを分析し、「おむつを買う顧客はビールも一緒に買う傾向がある」という意外な関連性を見つけ出し、商品の配置換えやセット販売の企画に役立てます。他にも、ウェブサイトでのレコメンデーション（「この商品を買った人はこんな商品も買っています」）や、医療データにおける病気と症状の関連性分析などにも応用されています。
似た用語との違い
アソシエーション分析と混同されやすい概念に「協調フィルタリング」があります。協調フィルタリングは主にユーザーの類似性に基づいて個別のレコメンドを行う機械学習の手法です。これに対し、アソシエーション分析はデータ全体から項目間の相関関係やルールを客観的な指標で導き出すものであり、個人に特化した推薦ではなく、データ全体の一般的な傾向を掴むために用いられます。また、アソシエーション分析で得られるのはあくまで「相関関係」であり、原因と結果を示す「因果関係」とは異なる点にも注意が必要です。
注意点
分析にあたっては、抽出されたルールが実用的であるかどうかの見極めが必要です。「パンを買う人は牛乳も買う」といった、当たり前すぎてビジネス上の価値が低いルールが多く検出される傾向があります。これを避けるために支持度や確信度、リフト値の閾値を適切に設定する必要がありますが、厳しくしすぎると今度は有用なルールを見落とす可能性があります。また、データの偏りによって、本質的ではない偶然の相関関係を誤って有用なルールと判断してしまうリスクもあります。