资料上介绍的能自动挖掘”啤酒与尿布“关联关系的模型与算法在技术层面的科学性是毋庸置疑的。问题可很能会出在： 购物小票上用来分析的牙膏和牙刷是两种商品（单品），而陈列在货架上的牙膏和牙刷却是两个颇有规模的商品群； 数十种品牌、系列、口味、功效、不同的包装规格、不同的消耗周期、不同的单次购买数量、越来越快的产品更新换代、消费者对新体验的追求、甚至在牙膏包装中赠送牙刷，这么多种因素的综合交错会大幅度地稀释牙膏牙刷在单品层面形成”同时并且重复购买的组合“的概率，对购物小票进行遍历分析后很有可能会得出反常识的结论： 牙膏、牙刷这两种商品之间没有关联性。

对自动挖掘”啤酒与尿布“这类潜在的”同时并且重复购买的商品组合“大可不必那么痴迷，我们其实可以用”购物篮分析“演绎出更为现实更有价值的应用。比如通过构建会员消费档案来挖掘出会员与商品、品牌、营销方式、供应商等等之间多维度的关联规律，帮助商场在数以百万计的茫茫顾客群中精确锁定个性化营销的目标。