STUDY MAP · 01 / 06

Groceries 연관성분석, 3쪽으로 정복하기

거래내역 → Apriori 규칙 발견 → 지표 읽기 → 마케팅 적용 → 기출문제

p.475–477

9,835

거래건수 (Transactions)

169

원본 품목 (Items)

규칙 탐색에 사용된 품목

125

발견된 연관규칙 (Rules)

학습목표

이 예제에서 꼭 알아야 할 4가지

거래별 품목 목록을 inspect()로 확인한다.
apriori()의 지지도 0.01, 신뢰도 0.3을 해석한다.
support · confidence · lift · count를 구별한다.
향상도 순위와 41회 기출 59번을 정확히 판단한다.

목차 / 교재 연결

01 · p.475데이터 개요, R 코드, 거래내역 확인

02 · p.475Apriori 실행 결과: 품목 88개, 규칙 125개

03 · p.476향상도 상위 20개 결과표와 활용 전략

04 · p.47741회 기출 59번: 옳은 설명 모두 고르기

INPUT

구매 장바구니한 거래에 함께 담긴 상품 정보

ALGORITHM

Apriori일정 기준을 충족하는 IF → THEN 규칙 탐색

OUTPUT

상품 간 연관규칙상품 배치·함께 사기·쿠폰 아이디어 도출

시험 포인트 · Lift > 1이면 우연히 함께 구매하는 기준에 비해 양의 연관성이 있으며, Lift = 3.295는 기준 확률 대비 약 3.30배라는 뜻입니다. 인과관계 증명은 아닙니다.

R PRACTICE · 02 / 06

거래데이터와 R 코드 살펴보기

분석 대상: Groceries · 식료품점 POS 거래 데이터 · 169개 품목 · 9,835건

p.475

실행 가능한 R 코드

arules 패키지의 Apriori 연관규칙

# 1. 패키지와 데이터 불러오기
library(arules)
data("Groceries")

# 2. 앞의 거래 3개 확인
inspect(Groceries[1:3])

# 3. 규칙 생성: 최소지지도 1%, 최소신뢰도 30%
rules <- apriori(Groceries,
  parameter = list(
    support = 0.01,
    confidence = 0.3))

# 4. Lift 내림차순 상위 20개
inspect(sort(rules,
  by = "lift", decreasing = TRUE)[1:20])

원문 인식 오타 l:3, l:20, !:20, rulesJ)y는 각각 1:3, 1:20, by 형식으로 교정했습니다. arules 설치가 필요하면 install.packages("arules")를 먼저 실행하세요.

TRANSACTION INSPECTION

inspect(Groceries[1:3]) 출력

[1]citrus fruit · semi-finished bread · margarine · ready soups
감귤류 · 반제품 빵 · 마가린 · 즉석 수프

[2]tropical fruit · yogurt · coffee
열대과일 · 요거트 · 커피

[3]whole milk
전유(일반 우유)

LHS와 RHS의 역할

LHS · Left-hand Side 조건(선행 품목)
RHS · Right-hand Side 결과(후행 품목)
예: {감귤류, 기타 채소} → {뿌리채소}

트랜잭션(거래)은 품목들의 묶음입니다. 연관규칙은 장바구니에서 반복되는 구매 동시발생 패턴을 찾습니다.

ALGORITHM & METRICS · 03 / 06

Apriori 결과와 3가지 핵심 지표

최소지지도 1%, 최소신뢰도 30%를 만족하는 규칙을 계산합니다.

p.475–476

R CONSOLE SUMMARY

set transactions ... [169 item(s), 9835 transaction(s)] done
sorting and recoding items ... [88 item(s)] done
checking subsets of size 1 2 3 4 done
writing ... [125 rule(s)] done
set of 125 rules

OUTPUT READING

왜 169개에서 88개가 되었을까?

최소지지도 조건에 따라 빈도가 낮은 품목이 제거되거나 제외되면서 규칙 탐색에 88개 품목이 남았습니다. 이 조건을 바탕으로 125개 규칙이 생성되었습니다.

0.01 × 9,835 = 98.35건. 실제 지지도 1% 이상을 충족하려면 정수 기준 99건 이상이어야 합니다. R 실행 로그의 “Absolute minimum support count: 98”은 내부 출력값이므로 구별합니다.

① SUPPORT · 지지도

P(A ∩ B) = A와 B 동시구매 건수 / 전체 거래

1번 규칙: 102 / 9,835 = 0.010371 ≈ 1.04%
전체 거래의 약 1.04%에서 두 조건의 품목과 결과 품목이 모두 등장

② CONFIDENCE · 신뢰도

P(B | A) = A와 B 동시구매 / A 구매

7번 규칙: 0.385214 ≈ 38.52%
전유와 응유를 동시에 구매한 거래 중 38.52%가 요거트도 포함

③ LIFT · 향상도

P(B | A) / P(B) = 신뢰도 / RHS 지지도

3번 규칙: 3.040367배
소고기 구매 거래에서 뿌리채소 구매 비율은 전체 뿌리채소 구매 비율의 약 3.04배

조건값 조절 · 규칙이 너무 적으면 지지도·신뢰도 하한을 낮추고, 너무 많으면 하한을 높여 결과량을 조절할 수 있습니다. 다만 의미 없는 규칙이나 과도한 결과도 함께 검토해야 합니다.

OUTPUT TABLE · 04 / 06

향상도(Lift) 기준 상위 20개 규칙

R 명령: inspect(sort(rules, by="lift", decreasing=TRUE)[1:20])

p.476

01–10위 · 향상도 상위지지도·신뢰도는 소수로 표시

#	연관규칙: LHS → RHS	지지도	신뢰도	향상도	건수
01	감귤류 + 기타 채소→뿌리채소	0.01037112	0.3591549	3.295045	102
02	열대과일 + 기타 채소→뿌리채소	0.01230300	0.3427762	3.144780	121
03	소고기→뿌리채소	0.01738688	0.3313953	3.040367	171
04	감귤류 + 뿌리채소→기타 채소	0.01037112	0.5862069	3.029608	102
05	열대과일 + 뿌리채소→기타 채소	0.01230300	0.5845411	3.020999	121
06	기타 채소 + 전유→뿌리채소	0.02318251	0.3097826	2.842082	228
07	전유 + 응유→요거트	0.01006609	0.3852140	2.761356	99
08	뿌리채소 + 빵류→기타 채소	0.01220132	0.5020921	2.594890	120
09	뿌리채소 + 요거트→기타 채소	0.01291307	0.5000000	2.584078	127
10	열대과일 + 전유→요거트	0.01514997	0.3581731	2.567516	149

11–20위 · 추가 규칙건수 = LHS ∪ RHS 동시발생 거래 수

#	연관규칙: LHS → RHS	지지도	신뢰도	향상도	건수
11	요거트 + 휘핑/사워크림→기타 채소	0.01016777	0.4901961	2.533410	100
12	기타 채소 + 휘핑/사워크림→요거트	0.01016777	0.3521127	2.524073	100
13	열대과일 + 기타 채소→요거트	0.01230300	0.3427762	2.457146	121
14	뿌리채소 + 전유→기타 채소	0.02318251	0.4740125	2.449770	228
15	전유 + 휘핑/사워크림→요거트	0.01087951	0.3375394	2.419607	107
16	감귤류 + 전유→요거트	0.01026945	0.3366667	2.413350	101
17	양파→기타 채소	0.01423488	0.4590164	2.372268	140
18	돼지고기 + 전유→기타 채소	0.01016777	0.4587156	2.370714	100
19	전유 + 휘핑/사워크림→기타 채소	0.01464159	0.4542587	2.347679	144
20	응유→요거트	0.01728521	0.3244275	2.325615	170

1위 규칙 해석 · 감귤류+기타 채소 → 뿌리채소: 지지도 1.037%, 신뢰도 35.915%, 향상도 3.295배, 함께 구매한 거래 102건. Lift의 배수는 구매 확률의 상대적 크기이며 구매 증가의 인과효과를 의미하지 않습니다.

표기: 전유 = whole milk, 응유 = curd, 빵류 = rolls/buns, 휘핑/사워크림 = whipped/sour cream. 표는 제공된 교재 결과값의 소수 자릿수를 유지했습니다. 6번 규칙의 RHS는 뿌리채소입니다.

INTERPRETATION · 05 / 06

결과표를 실제 의사결정으로 연결하기

“어떤 상품을 같이 사는가?”에서 “어떤 조치를 검토할 것인가?”로

p.476

TOP 5 BY LIFT

상위 5개 규칙의 향상도 비교

1. 감귤류+기타채소 → 뿌리채소

3.295

2. 열대과일+기타채소 → 뿌리채소

3.145

3. 소고기 → 뿌리채소

3.040

4. 감귤류+뿌리채소 → 기타채소

3.030

5. 열대과일+뿌리채소 → 기타채소

3.021

고득점 해석 · 4번 규칙의 신뢰도 58.62%는 “감귤류와 뿌리채소를 구매한 거래의 약 58.62%가 기타 채소도 구매”를 의미합니다. 4번이 전체 상위 20개 가운데 신뢰도 최댓값입니다.

ACTION IDEAS

연관규칙을 활용하는 방법

상품 진열동시구매 품목의 동선 및 인접 배치 실험

결합 할인장바구니 패턴을 활용한 묶음쿠폰·추천상품 검토

추천 시스템RHS 품목을 교차판매(Cross-selling) 후보로 제안

검증실험군·대조군 성과와 이익률 검토 후 적용 결정

주의할 점
향상도는 연관성 지표입니다. “함께 구매하는 경향”을 보여줄 뿐 쿠폰 제공이나 진열 변경으로 매출이 반드시 증가함을 입증하지 않습니다. 높은 Lift라도 지지도·매출 규모를 함께 보아야 합니다.

핵심 구분지지도

전체 거래에서 나타난 비율

핵심 구분신뢰도

LHS 거래 중 RHS 포함 비율

핵심 구분향상도

RHS 기본 구매율 대비 몇 배인지

PAST EXAM · 06 / 06

41회 기출 59번 · 옳은 설명 모두 고르기

결과표의 수치를 정확히 읽을 수 있는지 확인해 보세요. 선택 후 해설을 확인할 수 있습니다.

p.477

문제에서 필요한 대표 규칙

[1] 감귤류+기타 채소 → 뿌리채소지지도 0.01037112

신뢰도 0.3591549 · Lift 3.295045

[3] 소고기 → 뿌리채소향상도 3.040367

지지도 0.01738688 · 신뢰도 0.3313953

[4] 감귤류+뿌리채소 → 기타 채소신뢰도 0.5862069

[7] 전유+응유 → 요거트: 0.3852140

다음 진술 중 옳은 것은?

가. {감귤류, 기타 채소} → {뿌리채소} 규칙의 지지도는 0.01037112이며, 전체 거래의 약 1.04%에서 해당 품목 조합이 발생한다.

나. {전유, 응유} → {요거트} 규칙의 신뢰도는 0.385214로, 전유와 응유를 함께 구매한 거래 중 약 38.52%가 요거트도 구매했다는 의미이다.

다. {소고기} → {뿌리채소} 규칙의 향상도는 3.140367로, 뿌리채소 구매 확률이 소고기 구매 거래에서 약 3.14배임을 의미한다.

라. {감귤류, 뿌리채소} → {기타 채소} 규칙은 제시된 규칙 가운데 신뢰도가 가장 높다.

정답을 하나 선택해 보세요.

시험 마무리 · 소수 → 백분율 변환, 분모(전체 거래 vs LHS 거래), 향상도의 숫자 한 자리, 신뢰도 최댓값 비교를 확인하세요.