技能提升网运营发现买咖啡的人常买杯子，准备把杯子放到咖啡详情页推荐。店长提醒，上周活动恰好规定买咖啡送杯子。数据中的经常一起出现，可能来自活动自动加赠，不能证明顾客主动想搭配购买。
先定义一个购物篮
确定按订单、一次结账还是某个时间窗口组成购物篮，保持所有样本一致。拆单发货不等于两次购买，退货与取消按任务口径处理。测试订单、员工采购和异常重复记录先标记，并由负责人决定排除条件，不为了提升关联随意删不利样本。
每个篮子记录商品是否存在与实际数量，分析共购通常要区分件数和订单数。一个订单买十个杯子，不等于十个人买杯子。商品SKU可以按经批准类别合并，但颜色、规格与套装不能未经说明全部混到一起。
赠品、套装拆分、强制搭售和促销资格单独标记，保存活动日期及规则。系统自动添加的杯子与客户主动付费购买的杯子，对推荐意愿的证据不同。只保留全部商品共现、不保留购买来源，很容易把系统规则发现成消费洞察。
共买多少还要看本来就有多常买
支持度看同时含两种商品的订单占全部有效订单的比例，条件购买比例看买甲的订单中有多少同时含乙。后者有方向，咖啡到杯子与杯子到咖啡未必相同。基础购买比例看全部订单中乙有多常见，用来判断条件比例是否只是乙本来就畅销。
提升度可以用条件购买比例除以乙的基础购买比例，基准为零时不计算。大于一只是这个样本里共现高于简单独立基准，不能证明甲导致购买乙，也不保证推荐后销量增加。样本很小的高比值尤其容易误导，需要展示实际订单数量。
XLSX Skill适合整理订单商品表、活动标记和关联核对工作簿，计算透明的共现及分母。它不必承担复杂推荐系统，先完成可复核的候选清单。公式和过滤范围保留，报告不能只给提升度排名。
演示数字先拆活动再解释
假设一千个有效订单，二百个有咖啡，三百个有杯子，一百二十个同时含两者。共购支持度为百分之十二，咖啡到杯子的条件比例为百分之六十，杯子基础比例百分之三十，演示提升度为二。这里的订单和比例是假设，不是任何商店的真实结果。
若一百二十个共购中九十个来自自动赠品，剩余数据应按非促销样本重新计算所有分子和分母，不能只减九十个共购但继续用原一千个订单。非促销人群的商品可用性、价格和渠道也要核对，促销与非促销不能直接视为随机对照。
缺货会使原本相关的商品暂时无法共买，陈列改变和季节也会影响结果。AI列出可能混杂因素及证据，不写排除活动后就证明真实关系。需要决定推荐动作时，可以设计经批准的小规模对照，事先设评价口径，避免只挑销量变好的时间。
候选进入运营试验前再看约束
检查杯子是否有库存、毛利、退货和展示空间，推荐提高客单也可能挤掉更有价值的商品。相关但低频的小众组合可以保留候选，不因全店支持度低就直接删除；是否值得测试由业务结合场景决定，而不是统一设一个网上阈值。
复核抽查赠品、套装、拆单、商品合并和取消冲减，确保共购能回到具体匿名订单。顾客身份与支付资料不是订单共现必需输入，处理时只保留获授权编号及商品数据。不要把敏感类别购买关系用于未经授权的个人画像。
试验报告记录曝光到推荐的机会、实际购买、利润与退货，明确比较条件。试验有效也只覆盖相应商品、渠道和时段，不能推广成所有咖啡顾客都需要杯子。AI写结论时保留不确定性，统计关联与试验效果分开。
交付工作簿附活动过滤、指标定义、有效样本和候选理由。运营得到的是哪些组合值得进一步看、哪些主要由活动产生，而不是自动建立一套强制搭售。先查共现的来历，才有条件讨论如何把它变成有用的推荐。
