1. 通过消费大数据计算当客户购买A商品时，最有可能购买的B、C、D、E、F商品是什么，并将客户消费的商品通过POS副屏展示出来

2. 通过零售云特有的大数据关联商品推荐算法模型将零售各前端应用收集的客户交易数据进行加工处理，并生成关联商品推荐表。

3. 大数据关联推荐算法可以根据用户需求自定义修改，比如是否考虑销售热度、是否考虑销售成本、数据计算范围等。

4. 通过算法模型计算好的关联商品推荐表在标准产品中目前只在PCPos中有用商品副屏呈现，未来会将该推荐表应用于其他应用场景中。

配置关联商品推荐方案：

1. 消费数据计算类型：计算商品关联度时，需要明确数据计算的范围，当计算类型为”通过组织消费数据计算“，则在计算关联度时，过滤条件为该组织下的所有消费数据；当计算类型为”通过门店消费数据计算”时，则在计算关联度时，过滤条件为该门店；当计算类型选择”通过账套消费数据计算”时，则使用账套中的所有数据计算商品关联度。

2. 零售单数据生效周期：有些行业期望的关联商品呈现周期性，比如鞋服，有的行业不具有周期性，比如，珠宝首饰，故计算商品关联度所需要的零售单数据需要通过时间控制，如果生效周期为12月，则计算关联度时，过滤条件为近12月的消费数据

3. 销售热度：使用销售额计算，通过周期内零售单中商品销售额的占比做为商品热度计算，通过此参数计算时，客单价高的商品会被优先推荐；使用销售量计算，通过周期内零售单中的商品销售量的占比做为商品热度计算，销量高的商品会被优先推荐。

4. 店长期望某些商品拥有固定的商品关联度，不会受到其他参数的影响，大数据部门不用关注此参数，数据抓取过去，返回数据时，再返回来即可。