中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

衡量用戶價(jià)值主要有兩大維度：忠誠(chéng)度和消費(fèi)能力。本文從這兩方面進(jìn)行了簡(jiǎn)易的用戶畫像，以此做出用戶分析，并告訴大家具體的數(shù)據(jù)處理方法。

一、背景

某電商，已上線并穩(wěn)定運(yùn)營(yíng)了一段時(shí)間，積累了一些用戶數(shù)據(jù)。產(chǎn)品及運(yùn)營(yíng)想要了解平臺(tái)用戶的價(jià)值類型，以便針對(duì)性的采取不同運(yùn)營(yíng)策略。（以下方法同樣適用于廣告、SNS等領(lǐng)域，或用以確認(rèn)內(nèi)容價(jià)值）

二、目的

確認(rèn)用戶價(jià)值類型，對(duì)不同用戶，針對(duì)性地采取不同運(yùn)營(yíng)策略，更深入的挖掘用戶價(jià)值。

三、分析思路

電商平臺(tái)，衡量用戶的價(jià)值主要有兩大維度：

• 忠誠(chéng)度（包括最近購(gòu)買時(shí)間、購(gòu)買頻率、購(gòu)買產(chǎn)品種類等）；
• 消費(fèi)能力（平均每筆消費(fèi)額、單次最高消費(fèi)額等)；

要知道這個(gè)用戶是怎樣的用戶，就是要知道這個(gè)用戶在這兩個(gè)維度上的表現(xiàn)如何。所以我們給用戶這兩項(xiàng)數(shù)據(jù)分別打分，放到忠誠(chéng)度和消費(fèi)能力的坐標(biāo)軸中，并分別以兩項(xiàng)的均值（可做其他定義）為界，劃分出4個(gè)象限。

1. 第1象限是忠誠(chéng)度較高、消費(fèi)能力也高的最有價(jià)值用戶：可進(jìn)行差異化服務(wù)，進(jìn)行專門重點(diǎn)維護(hù)；
2. 第2象限是消費(fèi)能力較高、但忠誠(chéng)度較低的高價(jià)值用戶：可為其提供高價(jià)值消費(fèi)品，定制的高價(jià)值消費(fèi)服務(wù)?？梢缘脑挘酶玫捏w驗(yàn)來(lái)試圖提升其忠誠(chéng)度，使其躍升為第1象限用戶；
3. 第3象限是忠誠(chéng)度和消費(fèi)能力都不算高的普通價(jià)值用戶：可給用戶提供感覺質(zhì)量好、價(jià)格低的商品；
4. 第4象限是消費(fèi)能力不高、但很忠誠(chéng)的傳播價(jià)值用戶：可采取低價(jià)促銷的策略，其次運(yùn)營(yíng)可利用該類用戶的特點(diǎn)，為平臺(tái)提供傳播增長(zhǎng)價(jià)值。

以上，也可不拘泥于4個(gè)象限，劃分出更多區(qū)域來(lái)進(jìn)行更細(xì)化的運(yùn)營(yíng)。

四、具體數(shù)據(jù)處理

1. 獲取數(shù)據(jù)

獲取數(shù)據(jù)因素（并不全面，僅以此為例）：

用戶忠誠(chéng)度數(shù)據(jù)：

用戶消費(fèi)能力數(shù)據(jù)：

2. 給用戶的各項(xiàng)數(shù)據(jù)評(píng)分

用戶數(shù)據(jù)多種多樣，數(shù)值及跨度、單位可能大不相同。要怎么處理，使各項(xiàng)相加后不致于偏向某些數(shù)據(jù)呢？這里我們可以使用數(shù)據(jù)標(biāo)準(zhǔn)化方法來(lái)處理這些數(shù)據(jù)。

“數(shù)據(jù)標(biāo)準(zhǔn)化”：在數(shù)據(jù)分析中，經(jīng)常用到數(shù)據(jù)標(biāo)準(zhǔn)化。數(shù)據(jù)標(biāo)準(zhǔn)化指的是將數(shù)據(jù)按比例縮放，使之落入一個(gè)小的特定區(qū)間。去除數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無(wú)量綱的純數(shù)值，便于不同單位或量級(jí)的指標(biāo)進(jìn)行比較和加權(quán)。

有兩種非常重要的數(shù)據(jù)標(biāo)準(zhǔn)化方法：歸一化和標(biāo)準(zhǔn)化。

這里我們使用歸一化方法。

歸一化：通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行線性變換把數(shù)據(jù)映射到【0,1】之間，變換函數(shù)為：

其中max為樣本數(shù)據(jù)的最大值，min為樣本數(shù)據(jù)的最小值。

以購(gòu)買頻率為例，min=1，max=13,用戶A的購(gòu)買頻率標(biāo)準(zhǔn)化=（3-1）/（13-1）≈0.2。

最近購(gòu)買時(shí)間較為特殊，因?yàn)闀r(shí)間越短，忠誠(chéng)度越高，所以要把計(jì)算公式改為（max-x）/(min-max)。

標(biāo)準(zhǔn)化公式算出的數(shù)據(jù)在【0,1】之間，將數(shù)據(jù)×10，即得到10分制評(píng)分。

同理可得到用戶消費(fèi)能力評(píng)分：

3. 評(píng)分加權(quán)

第1步我們已經(jīng)得到了兩個(gè)維度的各個(gè)因素的評(píng)分，可以加和算出兩個(gè)維度的評(píng)分了。

但是，這些因素的重要性可能有所不同，為了得到更符合預(yù)期的數(shù)據(jù)，我們可以給這些因素加權(quán)。

那各項(xiàng)數(shù)據(jù)的權(quán)重如何確定呢？這里介紹一種矩陣分析法。

以忠誠(chéng)度為例，有3個(gè)因素，我們確定權(quán)重的步驟如下：

1. 簡(jiǎn)化為1/0式邏輯思維
2. 專家投票表決，橫行比縱列重要時(shí)填“1”，反之填“0”
3. 將每行數(shù)字相加

因?yàn)楹嫌?jì)中可能存在數(shù)值為0的情況，為了便于計(jì)算，可以人為將合計(jì)中每一項(xiàng)數(shù)值+1。

某因素權(quán)重=（某因素新的重要性合計(jì)得分/所有因素新的重要性合計(jì)得分）×100%。

例如：購(gòu)買頻率的權(quán)重=（3/6）×100%=50%。

有了各因素的評(píng)分和權(quán)重，即可得到各用戶的忠誠(chéng)度加權(quán)評(píng)分。

忠誠(chéng)度加權(quán)評(píng)分=最近購(gòu)買時(shí)間評(píng)分×17%+購(gòu)買頻率評(píng)分×50%+購(gòu)買產(chǎn)品種類評(píng)分×33%。

同理可得到消費(fèi)能力的加權(quán)評(píng)分，過(guò)程不再贅述。（若想得到用戶忠誠(chéng)度和消費(fèi)能力的綜合分?jǐn)?shù)，也可先得到兩者的權(quán)重，再加和，方法同上）

4. 數(shù)據(jù)可視化

上面我們已經(jīng)得到了用戶的忠誠(chéng)度加權(quán)評(píng)分和消費(fèi)能力加權(quán)評(píng)分，現(xiàn)在只需將數(shù)據(jù)放入橫坐標(biāo)為忠誠(chéng)度、縱坐標(biāo)為消費(fèi)能力的坐標(biāo)軸，并以均值或其他條件劃分象限，即可得到我們想要的用戶價(jià)值分類了。

五、擴(kuò)展

以上忠誠(chéng)度只列舉了部分購(gòu)買因素（最近購(gòu)買時(shí)間、購(gòu)買頻率、購(gòu)買產(chǎn)品種類），還有瀏覽因素（訪問(wèn)間隔、訪問(wèn)頻率、平均停留時(shí)長(zhǎng)、平均瀏覽頁(yè)面數(shù)）等等，其中這兩類因素也可做出一套象限圖，從瀏覽數(shù)據(jù)和購(gòu)買數(shù)據(jù)來(lái)區(qū)分用戶類別：

也可以結(jié)合多維數(shù)據(jù)，來(lái)得到更立體的用戶畫像，幫助我們更好的進(jìn)行精準(zhǔn)運(yùn)營(yíng)，更深入的挖掘用戶價(jià)值。

以上為《產(chǎn)品心經(jīng)》部分章節(jié)的閱讀后總結(jié)及思考，感謝閆榮大大。

本文由 @脫糖 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 Unsplash，基于 CC0 協(xié)議