大数据分析用户购买力,营销必备常识

本文转载自 产品壹佰 『十月菌』的文章,仅供学习交流不作商业用途

正确理解消费者的购买力模型,精准营销,轻轻松松为你的产品带来更多的销售额。

消费者购买力,顾名思义,就是消费者购买商品的能力。在一定时期内,能够反映他的消费水平和消费层级。购买力模型属于用户画像的一部分,是区分人群和定义用户身份的其中一项标签。了解消费者的购买力,能够更加精准的做会员营销方案,拉升网站的销售额。

微信在前些阶段开始在朋友圈进行精准广告投放,是基于腾讯收集到用户画像特征,推送了宝马的广告。

image.png

很多用户在收到宝马广告时,感到很欣慰,因为腾讯认为你可能买得起宝马这个层次的商品。这里的“买得起”代表用户的消费能力。微信朋友圈的宝马广告并不是每个人都会收到,只有模型输出的高消费力人群才会收到推送。

以上的购买力模型是微信根据用户平时的消费,余额,理财及转账等行为,来确定的购买力模型。以支付数据为依据的算法,数据输出的非常精准且适用范围广。但对于大多数电商来说,很难通过支付和转账数据来判断用户的购买力。不过,路并未堵死,还是能够通过他在网站上的行为判断消费者的购买力层级。

购买力模型数据准备

电商网站商品齐全,品类复杂,价格分布与品类紧密联系。其中消费品和快消品普遍价低,销量大,复购周期短,3c类产品价格高,复购周期长。消费者在不同品类表现出的购买力,需要整体评估该品类的价格分层情况。消费者在不同的商品类目下可能存在迥异的的消费能力。例如,用户可能穿衣素朴,但却是HiWiFi发烧友,在耳机和音响类目下消费水平非常高。所以,不同类目就要考虑权重值这个问题了。具体参考以下几类数据:

(1)用户的订单数据

消费者在不同品类下购买的商品价格,反应了在此品类下的消费能力和水平。我们的购买力计算模型需要对每个消费者单独做标签,每个消费者都是一个样本,并从他的订单数据中拆出不同商品的购买价格,一般会选择近1年的订单样本。从这些订单商品数据中,能够看到他真实的消费水平,消费层级倾向。

(2)用户的浏览数据

消费者并不是在每个品类下都会发生购买行为,如果在A品类购买订单为0,那该如何判断他的购买力呢?就是通过浏览行为确认的。浏览数据庞大繁琐,只取半年的记录即可。根绝用户访问的目标品类下sku的价格和频次等,来初步判断用户的购买水平。

模型步骤

刚开始时,很多人对模型,算法比较懵逼(笔者也是)。大部分人已经了解了需要哪些数据了,也知道如何获取数据,清洗底表,但却不了解怎样才能将这部分数据高效的利用起来。其实,数据获取难啊,发挥价值就更难了,并且数据在每个人的手里都可能发挥出不同的效果。所以,首先科普一下,如何利用手头上的数据,并站在产品经理角度如何理解建模这个事情。

首先根据当前的业务需要结合战略目标,构造相应的标签体系。如在拉新用户时,在行为层标准化定义这些人群的具体特征,是加购,收藏,搜索或者是浏览的数据来量化具体标签,以最小的颗粒度定义。
结合需求目标,寻找各个底表,再把需要的数据,存储到自己建的仓库或者是集市,并清洗脏数据,数据探查。
根据特征,数据标签提取对应数据,生成样本并开始建立模型。
优化模型特征抽取方法,增加训练集样本,尝试不同比例的训练和测试数据集、优化模型参数。
对样本进行测试,继续优化并逐渐调优。

你可以把模型想象成做菜,例如锅包肉。拆解一下具体的步骤:

业务的需求是做酸甜可口,软硬适宜带汁的锅包肉,(原始的业务需求)
准备食材,里脊肉,淀粉,糖醋油(寻找数据源,探查各个数据底表,如订单数据,流量数据,搜索数据等)
里脊肉过浆油炸,汤汁勾兑(模型建立,开始训练)
尝一下汤汁味道,肉质的软硬程度(模型测试),好则继续,坏则重来(模型测试)
制作完成(测试成功)
这样理解,就简单多了。

购买力的模型是个什么鬼?

购买力模型因人而异,不同的业务需要建立不同的模型,具体的执行细节也是迥异的,以下仅作抛砖引玉之用。

这里所指的购买力模型是消费者在一年期内,在网站上所有的购买的订单数据经过综合评分计算出来的。

执行细节可以按照以下步骤:

  • 以用户为标本,每个用户都为一个实体。抽取他在网站上近一年所购SKU数据为样本数据
  • 把sku的价格按照其所属三级分类进行档次划分,如下图,可以将价格华为5档,分别为价格高,价格偏高,价格中等,价格偏低,价格低
  • 将抽取出来的消费者购买的sku数据进行比对和参考,落到哪个档次的数量越多,该用户越趋近哪个档次

最终生成以下几个消费者购买力模型:

1、土豪:高端,价格高昂商品购买者
2、高级白领:消费水平高,经常购买高价商品,但有所收敛
3、白领:消费水平处于中游
4、蓝领:平价商品购买者
5、收入很少人群
6、离散人群:购买频次异常的用户

应用场景

前面做了很多工作,但你可能发现,即使识别出来了用户的购买力,也不清楚究竟怎么充分发挥这部分用户的价值。

千人千面的推荐算法

基于协同过滤的算法,为高购买力人群推荐高端产品,比如为摄影爱好者提供更多的镜头推荐,箱包用户推荐奢饰品,为低购买力推荐性价比高的商品。

广告投放

如前文所述,在微信朋友圈推荐高端的商品广告触达,能够更加精准的投放,减少用户的排斥感,提升广告的接受度和认可

会员营销

针对不同购买力人群进行不同的产品关怀和精准促销。例如给高端用户提供专项服务,低端用户进行专享的促销触达。

应用场景很多,此处就不一一赘述,大家结合自身业务再去探索,会有更多的收获的。

结语

以上所述的内容,大多是笔者在近期的相关的工作经验。此时分享出来,希望能给大家抛砖引玉。至于模型到底怎么建立,确实需要慢慢探索,一点点的实践,然后再逐渐趋于完美。

文末:本文转载自 产品壹佰 『十月菌』的文章,仅供学习交流不作商业用途。
文章作者:十月菌

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容