アソシエーションルールの仕組みとは？マーケットバスケット分析の活用例とともに解説

アソシエーションルール学習とは

アソシエーションルール学習（相関ルール学習）は、教師なし学習の一種であり、あるデータ要素が別のデータ要素へどれほど依存しているかを検証し、その関係性をもとに分析の精度を高めていく手法です。データセット内の変数同士の間に潜む興味深い関係やパターンを発見することを目的とし、複数の評価指標に基づいて、データベース内の変数間の有意な関連性を見つけ出します。

主な活用分野

アソシエーションルール学習は機械学習における重要な手法の一つで、マーケットバスケット分析（買い物かご分析）、Web利用マイニング、連続生産など、幅広い分野で活用されています。特にマーケットバスケット分析では、大手小売業者が商品間の関連性を把握するために広く利用しています。

マーケットバスケット分析の仕組み

マーケットバスケット分析では、顧客が買い物かごに入れたさまざまな商品の組み合わせから関連性を抽出することで、購買習慣を分析します。こうした関連性を発見すれば、「どの商品が一緒に購入されやすいか」を把握でき、それに基づいたマーケティング施策を展開できます。さらに、ターゲットを絞った販促活動や売り場の棚割り設計に活かすことで、売上増加にもつながります。

多階層アソシエーションの代表的な応用分野もこのマーケットバスケット分析です。コンセプト階層という概念を用いて、頻繁に一緒に購入される商品グループを探索することで、顧客の購買習慣をより深く理解することが可能になります。

アソシエーションルールの分析プロセス

1. トランザクションデータの収集

アソシエーションルールの分析は、1つ以上の商品やサービスを含むトランザクション（取引）データと、その取引に関する基本的な情報から始まります。分析の目的上、これらの商品やサービスは「アイテム」と呼ばれます。

トランザクションデータには、購入されたアイテムだけでなく、日時や支払い方法（現金かクレジットカードか）といった付随情報も含めることができます。

2. 同時出現表の作成

各トランザクションは、「どの商品がどの商品と一緒に購入されたか」という情報をもたらします。これは同時出現表として整理され、特定の商品ペアが一緒に購入された回数を一目で確認できるようになります。

3. サポート度と確信度によるルールの評価

こうした観察結果はアソシエーションの実例であり、「もし顧客がソーダを購入したなら、オレンジジュースも購入する」といった形式的なルールとして表現できます。例えば、5件のトランザクションのうち2件にソーダとオレンジジュースの両方が含まれていた場合、この2件がルールの根拠となり、このルールのサポート度（支持度）は2/5＝40%と計算されます。

さらに、ソーダを含む3件のトランザクションのうち2件にオレンジジュースも含まれていた場合、「もしソーダならオレンジジュース」というルールの確信度（コンフィデンス）は2/3≈67%となります。一方、逆のルールである「もしオレンジジュースならソーダ」の確信度はこれよりも低くなります。このようにサポート度と確信度を組み合わせることで、有用な関連ルールを定量的に評価できるのです。