（以上有向图表对数据做了特殊处理，仅供演示参考，

通过调整V、E的值及过滤条件可以生成非常直观的图表）

Directed graph（有向图）是边代表的关系具有方向的图，包含二元组(V,E)。

GA中有一个隐藏很深的功能，相关产品的相关系数，它是基于网站的电子商务订单数据进行的产品相关性统计，该数据只能通过API获取，当然前提是你部署好增强型电商代码，并且启用和配置好了增强型电商。它可以为你的捆绑销售、相关推荐、再营销广告和EDM提供非常有价值的数据参考。

参考帮助中心提供的几个范例（1、2），使用GA的Query Explorer，我们可以导出产品相关性的Excel数据表，在Excel中对数据进行处理和生成报表。其中相关系数越大表明相关性越高（需要注意的是这个相关性是有方向的，比如A→B和B→A是完全不同的数据）。这个报告的查询必须至少包含这2个维度：ga:queryProductId, ga:relatedProductId，并且需要包含至少一个相关产品指标。不能包含其他的产品维度。你可以加入筛选条件，比如只统计某几个产品，或者只统计查询量超过一定数量的产品。

为了可视化相关产品的数据，我们可以通过R来绘制相关产品的有向图，以下我们以产品ID为维度来进行绘图：

query.list <- Init(start.date = "2016-03-01",
end.date = "2016-03-14",
dimensions = "ga:queryProductId,ga:relatedProductId ",
metrics = "ga:correlationScore,ga:queryProductQuantity",
sort = "ga:queryProductID, ga:relatedProductId",
filters = "ga:queryProductQuantity>50",
table.id = view.id)
ga.query <- QueryBuilder(query.list)
ga.data <- GetReportData(ga.query, token)
E <- as.matrix(data.frame(from = ga.data$queryProductId, to = ga.data$relatedProductId, width = 7*ga.data$correlationScore))
size <- ga.data[!duplicated(ga.data$queryProductId),]$queryProductQuantity
size <- size/max(size)*12
install.packages("qgraph")
library(qgraph)
qgraph(E, mode="direct", vsize=size)

如果你想以产品名称为维度进行绘图：

query.list <- Init(start.date = "2016-03-01",
 end.date = "2016-03-14",
 dimensions = "ga:queryProductName,ga:relatedProductName,ga:queryProductId,ga:relatedProductId",
 metrics = "ga:correlationScore,ga:queryProductQuantity,ga:relatedProductQuantity",
 sort = "-ga:queryProductQuantity",
 filters = "ga:queryProductQuantity>50",
 table.id = view.id)
ga.query <- QueryBuilder(query.list)
ga.data <- GetReportData(ga.query, token)
E <- as.matrix(data.frame(from = ga.data$queryProductName, to = ga.data$relatedProductName, width = 7*ga.data$correlationScore))
size <- ga.data[!duplicated(ga.data$queryProductName),]$queryProductQuantity
size <- size/max(size)*12
install.packages("qgraph")
library(qgraph)
qgraph(E, mode="direct", vsize=size)

有了相关产品的数据，我们可以对用户进行更有效的相关推荐，从而实现更精准的个性化营销。比如，根据历史订单数据得出购买A产品的人大部分也会购买B产品，那么我们可以对购买过A产品的用户推荐B产品。