CHAKANA SAVDO TARMOQLARIDA ISTE’MOLCHILAR XULQ-ATVORINI APRIORI ALGORITMI ASOSIDA MODELLASHTIRISH VA SAVAT TAHLILI (MARKET BASKET ANALYSIS)

Abstract

Annotatsiya: Ushbu ilmiy maqolada zamonaviy chakana savdo tarmoqlarida savdo samaradorligini oshirish, kross-vending va merchendayzing strategiyalarini optimallashtirish hamda mijozlarning yashirin xarid qilish tendensiyalarini aniqlash maqsadida “Savat tahlili” (Market Basket Analysis) uslubiyoti har tomonlama tadbiq etilgan va tahlil qilingan. Ma’lumotlar to’plamini qayta ishlash, binar korrelyatsiyalarni hisoblash va yuqori ishonchlilikka ega bo‘lgan assotsiatsiya qoidalarini ajratib olish uchun Python dasturlash tili, pandas ekotizimi hamda intellektual ma’lumotlar tahlilining (Data Mining) klassik asosi hisoblangan Apriori algoritmidan foydalanildi. Tadqiqot davomida real savdo tranzaksiyalari aks etgan Excel formatidagi ma’lumotlar to‘plami raqamli suzgichlardan o’tkazilib, binar matritsa ko‘rinishiga keltirildi va mahsulotlarning birgalikda xarid qilinish ehtimolligi qo‘llab-quvvatlash, ishonchlilik hamda lift  metrikalari orqali matematik va amaliy jihatdan baholandi. Olingan natijalar tijorat muassasalarida mahsulotlarni peshtaxtalarga joylashtirish, marketing aksiyalarini rejalashtirish va kross-vending strategiyalarini optimallashtirish uchun chuqur ilmiy-amaliy asos bo‘lib xizmat qiladi.             Аннотация: В данной научной статье методология «анализа потребительской корзины» всесторонне применяется и анализируется с целью повышения эффективности продаж в современных розничных сетях, оптимизации стратегий межпродавцового и мерчандайзингового взаимодействия, а также выявления скрытых покупательских тенденций клиентов. Для обработки набора данных, расчета бинарных корреляций и извлечения высоконадежных ассоциативных правил использовались язык программирования Python, экосистема pandas и алгоритм Apriori, считающийся классической основой интеллектуального анализа данных (Data Mining). В ходе исследования набор данных Excel, содержащий реальные данные о продажах, был подвергнут цифровым фильтрам и преобразован в бинарную матрицу, а вероятность совместных покупок товаров была математически и практически оценена с использованием метрик поддержки, достоверности и лифта. Полученные результаты служат глубокой научной и практической основой для оптимизации размещения товаров на полках, планирования маркетинговых кампаний и межпродавцовых стратегий в торговых предприятиях.             Abstract: In this scientific article, the methodology of 'Market Basket Analysis' is comprehensively applied and analyzed in order to increase sales efficiency in modern retail chains, optimize cross-vendor and merchandising strategies, and identify hidden purchasing tendencies of customers. The Python programming language, the pandas ecosystem, and the Apriori algorithm, which is considered the classic basis of intelligent data analysis (Data Mining), were used to process the data set, calculate binary correlations, and extract highly reliable association rules. During the study, the Excel data set containing real sales transactions was subjected to digital filters and transformed into a binary matrix, and the probability of joint purchases of products was mathematically and practically assessed using support, confidence, and lift metrics. The results obtained serve as a deep scientific and practical basis for optimizing product placement on shelves, planning marketing campaigns, and cross-vendor strategies in commercial establishments.