大数据分析用户购买力,营销必备常识

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  
大数据分析用户购买力,营销必备常识

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。


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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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:

  1. 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)
  2. 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)
  3. 里脊肉过浆油炸,汤汁勾兑(模型建立,开始训练)
  4. 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)
  5. 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

大数据分析用户购买力,营销必备常识

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/十月菌(微信号公众号:shdwangluobo),京东产品经理,负责过多款互联网产品,主攻智慧营销,内容电商和B2B产品,擅长产品设计,数据分析,喜爱文字,热爱折腾。

随意打赏

大数据用户行为分析数据分析必备技能大数据分析软件用户大数据分析大数据分析平台大数据分析工具大数据分析方法大数据分析技术大数据精准营销大数据营销平台
提交建议
微信扫一扫,分享给好友吧。