随着新零售商业模式的发展，消费行为已经呈现线上线下融合的态势，当消费者来到实体店并产生了消费行为后，如何激发TA的购买欲望?如何准确地“知道”TA的购买习惯?如何快速地推荐关联的商品并提升产品销量?这三个“如何”是大多数零售门店每天面对的难题，金蝶云·星空V7.7新版本创新推出数据智能服务，能够关联商品推荐，赋能门店精准营销，提升门店业绩。
金蝶云·星空的零售新老客户，在储备了丰富数据资源的基础上，可以使用金蝶云·星空的大数据中台，低成本使用大数据智能应用，为门店人员、门店销售进行科技赋能：
通过消费大数据计算当客户购买A商品时，最有可能购买的B、C、D、E、F商品是什么，并将客户消费的商品通过POS副屏展示出来；
通过零售云特有的大数据关联商品推荐算法模型将零售各前端应用收集的客户交易数据进行加工处理，并生成关联商品推荐表；
大数据关联推荐算法可以根据用户需求自定义修改，比如是否考虑销售热度、是否考虑销售成本、数据计算范围等；
在标准产品中，通过算法模型计算好的关联商品推荐表，目前只在PC-Pos中有商品副屏呈现，未来会将该推荐表应用于其他应用场景中。
大数据关联商品推荐-算法模型展示
🔹 应用分享：
配置关联商品推荐方案：
1.消费数据计算类型：计算商品关联度时，需要明确数据计算的范围，当计算类型为“通过组织消费数据计算”，则在计算关联度时，过滤条件为该组织下的所有消费数据；当计算类型为“通过门店消费数据计算”时，在计算关联度时，过滤条件则为该门店；当计算类型选择“通过账套消费数据计算”时，则使用账套中的所有数据计算商品关联度。
2.零售单数据生效周期：有些行业期望的关联商品呈现周期性，比如鞋服，有的行业不具有周期性，比如珠宝首饰，故计算商品关联度所需要的零售单数据需要通过时间控制，如果生效周期为12月，则计算关联度时过滤条件为近12月的消费数据。
3.销售热度：使用销售额计算，通过周期内零售单中商品销售额的占比做为商品热度计算，客单价高的商品会被优先推荐；使用销售量计算，通过周期内零售单商品销售量的占比做为商品热度计算，销量高的商品会被优先推荐。
4.店长期望某些商品拥有固定的商品关联度，不会受到其他参数的影响，大数据部门不用关注此参数，数据抓取过去，返回数据时，再返回来即可。
🔹应用价值：
智能导购，引导客户消费
通过智能算法计算，可以快速引导消费者增购与已购买商品相关的商品，实现商品对消费者的快速触达。
款搭营销，合理分配利润
根据商品的搭配属性，引流搭配利润款，爆款搭配新款，可以合理分配门店商品利润。
商品互补，提升门店业绩
可依据商品的功能互补、属性互补、价格互补、爆品新品互补等属性，设置相关商品的互为推荐，提高商品的曝光度，高效提升门店业绩。
大数据算法分析，精准推荐
依托金蝶云·星空大数据中台，收集商品线上线下营销数据，结合消费者购买历史、客单价、消费行为等用户画像信息，精准推荐商品，支撑商品的相互引流作用。
