Compagnie de conseil en gestion traditionnelle, bien qu'il existe d'innombrables cervelles, mais leur cerveau dépend de l'aide d'Excel, une telle force, peut-elle répondre aux besoins susmentionnés?

1, comment définir des portraits d'utilisateurs et des systèmes d'utilisateurs

Si elle fournit des biens ou des services, les portraits utilisateurs constituent une partie importante des travaux d'exploitation des données. Un portrait d'utilisateur précis et complet peut même être dit être une fortune précieuse de nombreuses entreprises Internet à survivre.

Nous avons également entendu les fonctions miraculeuses et réussies d'innombrables portraits d'utilisateurs:
Exemple: Amazon, Taobao's Machine Group utilise les utilisateurs de comportement de navigation, l'état du panier d'achat et les records de développement d'association sont des systèmes recommandés, rendant Le taux de clic et les ventes ont été grandement améliorés; Présenter un contenu personnalisé personnalisé.

Le cabinet de conseil en gestion ne peut que porter des jambesUtilisation d'utilisateurs bruts en étudiant et en échantillonnant des marchés spectaculaires.

Pour les biens de consommation, bien que l'abondance des données comportementales des utilisateurs soit légèrement inférieure à celle des produits Internet, il possède également d'excellentes informations utilisateur et des précipitations étranges si des transactions dans chaque système informatique et plus de bruit réel, moins de bruit. Toutefois, dans la société traditionnelle des biens de consommation, les processeurs de données seront beaucoup moins que des sociétés Internet.

Nous avons compris les informations de l'utilisateur et ces données de transaction et sont nettoyées, résumées et après ouverture, on constate que la qualité des données est bien meilleure que celle que je pense et de nombreux utilisateurs intéressants peuvent être pris en charge. Établir un portrait. Ici, je partagerai des portraits et des idées pour votre référence.

2, Données d'étiquette

La couche inférieure de la portrait de l'utilisateur est une machine apprenante, puis est-ce la distribution exacte ou le marketingUn client ou non, vous devez d'abord ajuster les données utilisateur, transformer les vecteurs caractéristiques de la même direction, de nombreux algorithmes magnifiques peuvent utiliser WUDU, tels que la clustering, la régression, l'association, la classification différente, etc.
Pour les données structurelles, la fonction de travail d'extraction commence généralement à fournir des cartes de données, telles que des canaux de magasinage, une consommation de fréquence, un âge, des conditions familiales, etc. Choisir une bonne fonctionnalité Les étiquettes permettent aux utilisateurs d'être plus riches et peuvent améliorer l'effet des algorithmes de machines (précision, vitesse de convergence, V.V.).

Nous avons extrait des dizaines d'étiquettes d'étiquettes selon différentes tailles du projet et la figure 7 montre une partie de celle-ci. Ces étiquettes ont trois sources principales:

Une classe est des informations pouvant être obtenues dans le système informatique, telles que les informations restantes avec les cartes d'adhésion (sexe, âge, anniversaire), canal d'achat, situation intégrée, etc.

La deuxième couche est calculée ouLes statistiques sont obtenues, telles que le niveau de participation d'un certain type de promotions, que la priorité d'un certain produit de couleur / couleur soit faite et si le nombre de marques a été achetée;
Le troisième type est la spéculation, telle que la livraison pour résoudre les mots "dortoirs", "écoles", "université", v.v. En tant que praticien technique.

En ce qui concerne la conception de l'étiquette, il existe également une industrie forte, comme si cela aime acheter en qua ou plus de modèles que classique (mode); Cela a-t-il tendance à acheter plus que peu de prix à bas prix ni de biens réduits (sensibilité des prix); Que vous souhaitiez acheter une version élevée ou une édition limitée (sensibilité des prix inverse).

Pour des cartes qui ont été marquées, à damier par différents scénarios d'analyse ou en supprimant le type d'étiquette classifié dans plusieurs balises 0/1, un certain nombre d'apprentissage de la machine peuvent être effectués. Par exemple, la clustering, la classification, la prédiction ou l'analyse des liens, la taille du vecteur final créée est des milliers de personnes.


Avez-vous commencé rapidement?
3, Analyse de l'association

L'association de ruarning est la méthode d'apprentissage la plus largement utilisée dans le secteur de la vente au détail "," la bière "classique / couche" (les consommateurs achètent des couches dans les supermarchés achètent souvent de la bière) un nom de ménage.

Bien qu'il ait confirmé qu'il s'agissait d'une affaire fictive à des fins pédagogiques, mais de sa vitesse de miroir, il est également possible de voir l'importance de l'analyse connexe dans le domaine de la vente au détail, peut-être cet exemple est en Chine. Le changement de "bulle / jambon" sera plus intime.
Les articles d'association associés ont beaucoup de soutien, soutien, confidences et profits (ascenseurs) Ces concepts de base ne sont pas décrits ici. Si Vous avez des préférences à voir dans la page de règle de l'association Wikipedia.

Contrairement aux règles de l'Association du panier d'achat, les unités de base de notre processus d'exploration de données sont des utilisateurs et des fonctionnalités de vecteur construitesLes cartes utilisateur intégrées sont extraites, le tableau suivant est un exemple simple.
Le premier exemple


Nous avions une caractéristique matricielle NXM, n comme le nombre d'utilisateurs, l'intensité de millions, m est la taille caractéristique, environ des milliers d'étiquettes binaires.

Sur la base de cette matrice de fonctionnalité, nous avons utilisé l'algorithme APIORI le plus élémentaire pour calculer la corrélation et mettre des seuils à trois niveaux de soutien, de confiance et d'augmentation de la conformité de conformité de la conformité de la conformité.

Étant donné que les règles de l'association de production peuvent être liées à la confidentialité du client, un seul exemple est effectué ici. Le tableau suivant est la sensibilité des performances la plus élevée dans la table suivante et les résultats suivants:
On peut voir que la sensibilité et la participation de Jiangsu, la plus haute région de Zhejiang, l'augmentation de deux fois plus élevée et Shanghai est plus que 3.3 fois.

Un autre exemple est la règle de l'association, le tableau suivant montre le DPriorité de l'utilisateur entre les produits avec différentes couleurs et SKU, certains utilisateurs peuvent être vus, il existe une couleur de biais solide, par exemple entre l'or et l'argent, au milieu de marron et de vert, etc.

Si utilisé pour pratiquer le commerce, les utilisateurs ont acheté des fleurs violettes et abricot, elles achèteront de l'or; Placez ces données pour le groupe terrestre ou en ligne, puis proposez des couleurs et distribuez relativement facilement.
Il convient de noter que les éléments avant et arrière et indépendants sont garantis lors de l'analyse d'une analyse de corrélation. Étant donné que certaines tailles sont extraites de la même école ou des champs connexes, si la constellation et le mois de naissance des utilisateurs ne sont pas contrôlés, si vous n'êtes pas contrôlé, vous aurez beaucoup de monde. Régner.
4, modèle RFM

Le modèle RFM est un modèle classique dans l'étude de la valeur utilisateur, basé sur des fréquences, des fréquences, des fréquences et des devises récentes. Index que les clusters d'utilisateur pour identifier les personnesG a une valeur potentielle, contribuant à décider des entreprises et à améliorer l'efficacité du marketing. Si vous êtes intéressé par les détails du modèle RFM, voir les pages liées au modèle RFM à Wikipedia.

La source de données requise pour la modélisation RFM est relativement simple, seulement deux champs de champ et des quantités dans le dossier d'achat. Nous nous appuyons sur le dernier temps d'achat des utilisateurs dans les données de transaction, la quantité d'achat et la fréquence et le poids moyen total / consommation totale de chaque utilisateur en trois dimensions.

Après cela, nous fournissons des poids différents pour trois dimensions, puis utilisez le véhicule K basé sur des applications scientifiques avec la science pondérée, selon chaque groupe de relations culminantes et bas entre un sens et la méthode de Détermination de la nécessité de tenir, c'est l'utilisateur d'être conservé, qui est l'utilisateur de se développer.

Après le cercle de ce client, différents groupes de clients peuvent être utilisés pour utiliser des stratégies de marketing ciblées KHDoctiness (Start, Wakeup, V.V.), améliorer le taux d'acquisition et le taux de conversion.

Il convient de noter que le poids du tridimensionnel n'a pas été uniforme et la méthode relativement courante consiste à utiliser une analyse décentralisée (AHP), le développement ultérieur de l'industrie et de la société spécifique. Optimisation.

La figure 8 est le résultat du groupe d'utilisateurs utilisant le modèle RFM et le nombre et le ratio de certaines personnes peuvent être évidents. Dans le même temps, ces scissions sont également réintégrées dans le portrait de l'utilisateur et la CRM comme entrée d'un groupe d'utilisateurs et de marketing spécifiques.

La figure 9 illustre la distribution des groupes d'utilisateurs dans chaque dimension. La consommation, la quantité et la fréquence de ces modèles ont naturellement une différence significative et il existe également une grande différence dans certaines caractéristiques verticales (orthogonales).

5, le système utilisateur
Enfin, pour les entreprises de biens de consommation, tous les investissements dans les données minières etPortraits d'utilisateurs, l'objectif fondamental est d'améliorer les performances des entreprises, afin de remédier aux données des données des fouilles devenez une bague particulièrement importante.Pour toutes les cartes et règles de sortie Liens de sortie par des portraits d'utilisateur, vous avez besoin d'une base d'utilisateur via certaines canaux.

Ce canal peut être un système CRM puissant qui peut être placé par différentes étiquettes et peut émettre des marques de distribution;Il peut également s'agir d'un client membre, poussant un coupon personnalisé ou nouveau produit.Offrir;Même le commerce électronique s'auto-exploiter, effectuer des données de Tmall Jingdong, de la production d'autoproduction et de la consommation de cycles auto-consommants.