資料上介紹的能自動挖掘”啤酒與尿布“關聯關系的模型與算法在技術層面的科學性是毋庸置疑的。問題可很能會出在： 購物小票上用來分析的牙膏和牙刷是兩種商品（單品），而陳列在貨架上的牙膏和牙刷卻是兩個頗有規模的商品群； 數十種品牌、系列、口味、功效、不同的包裝規格、不同的消耗周期、不同的單次購買數量、越來越快的產品更新換代、消費者對新體驗的追求、甚至在牙膏包裝中贈送牙刷，這么多種因素的綜合交錯會大幅度地稀釋牙膏牙刷在單品層面形成”同時并且重復購買的組合“的概率，對購物小票進行遍歷分析后很有可能會得出反常識的結論： 牙膏、牙刷這兩種商品之間沒有關聯性。

對自動挖掘”啤酒與尿布“這類潛在的”同時并且重復購買的商品組合“大可不必那么癡迷，我們其實可以用”購物籃分析“演繹出更為現實更有價值的應用。比如通過構建會員消費檔案來挖掘出會員與商品、品牌、營銷方式、供應商等等之間多維度的關聯規律，幫助商場在數以百萬計的茫茫顧客群中精確鎖定個性化營銷的目標。