网上书店现在有了很强的市场和大量的比较固定的客户。为了促进网上书店的销售量的增长，各网上书店采取了各种方式，给客户提供更多更丰富的书籍信息，提供更优质服务等方式吸引更多的读者。另一种吸引读者的方法就是关联销售分析。这种方法就是给客户提供其他的相关书籍，也就是在客户购买了一种书籍之后，推荐给客户其他相关的书籍。这种措施的运用给网上书店带来了可观的效益。那么，怎么来实现这样一个效果呢？

首先，通过数据源，也就是销售记录做数据挖掘模型，需要用到两张表，一张是会员表，用会员ID号来代替，另一张表是会员买了什么书。应用SQL Server 2005的Data Mining工具，建立数据挖掘模型。

具体步骤如下。

1）定义数据源。选取网上书店的销售记录数据源（最主要的是User表和Sales表）。

2）定义数据源视图。此时需要建立数据挖掘中的事例表和嵌套表，并定义两者之间的关系，定义User为事例表（Case Table），Sales为嵌套表（Nested Table）。

3）选取Microsoft Association Rules（关联规则）算法，建立挖掘模型。(www.daowen.com)

4）设置算法参数，部署挖掘模型。

5）浏览查看挖掘模型。对于关联规则算法而言，需要查看以下3个选项卡。

● 项集：“项集”选项卡显示被模型识别为经常一起出现的项集的列表。在这里指的是经过关联规则算法处理后，关联在一起的书籍的集合。

● 规则：“规则”选项卡显示关联算法发现的规则。它包含“概率”、“重要性”和“规则”3列。概率说明出现规则结果的可能性。重要性用于度量规则的用途。尽管规则出现的概率可能很高，但规则自身的用途可能并不重要。重要性就是说明这一情况的。例如，如果每个项集都包含属性的某个特定状态，那么即使概率非常高，预测状态的规则也并不重要。重要性越高，规则越重要。

● 关联网络：节点间的箭头代表项之间有关联。箭头的方向表示按照算法发现的规则确定的项之间的关联。