Часто задачей анализа покупок пользователей является выявление комбинаций купленных товаров, особенно если речь идет не про игру, а какой-либо онлайн- или офлайн-магазин. В этом случае дополнительно стоит проанализировать набор товаров, купленных пользователем в рамках одной покупки.

После этого можно задаться вопросами, почему именно такой набор товаров был приобретен, какая закономерность есть между этими наборами, с какой вероятностью пользователь, купивший товар A, купит товар B.

Зная наиболее популярные комбинации, можно менять расположение товаров или порядок их отображения в магазине, делать скидки на сопутствующие товары, делать нужные товары более видимыми или даже отказываться от каких-то товаров в пользу новых.

Например, если в чеках покупателей часто встречается вино и сыр, то, возможно, имеет смысл расположить эти два товара рядом друг с другом, чтобы тот, кто хотел приобрести только вино, заметил сыр, и купил его тоже – как наиболее подходящий товар.

Кроме того, такая информация позволит проводить персонализированные акции на смежные товары, push-уведомления, email-рассылки, чтобы тем самым увеличить средний чек пользователя. Мы можем хотя бы примерно понять, какое оружие необходимо бегемотику на каждом уровне и в каждой ситуации, и мы можем предложить ему это оружие в нужный момент.