如何在电商数据分析中做Customer Segmentation客户细分?
上周末你如约而至了么?
数据应用学院每周末都会为大家奉上
最 IN 最 UPDATE 的
数据科学 / 商业分析 / 算法公开课
每周六上午 10:00 - 11:00 AM
每周六下午 4:00 - 5:00 PM
Totally for FREEEEE
欢迎大家访问我们的公开课主页面了解每周公开课
欢迎大家访问 Youtube 看你错过的公开课录播
世界无时无刻不在发生改变,依靠互联网技术迅速发展起来的电商行业更是如此。时至今日,电商已经发展了十余载,形成了完整的产业体系,渗透到了人们生活中的方方面面。伴随着互联网技术的不断提升,数据的应用也越来越纯熟,而客户的细分也成了电商行业分析的重要一环。
Amazon、eBay、Shopify这些北美的电商行业巨头,也纷纷运用了客户细分,让用户目标更加精准,更加有效。今天,我们将为大家介绍电商行业中,customer segmentation具体是怎么做的,有什么不同种类的分类,会带来什么不同的结果等等,带你全方位了解用户细分相关知识。
1. 什么是顾客细分(Customer Segmentation)
简单来说,顾客细分是一个方法,把用户的数据总量来分配成几个细的分组,每个分组都有自己独特的特征。
例子:对用户使用互联网的数据进行分析。可以根据用户的使用互联网时长,使用时间,在早上或者晚上等。
2. 细分的目标
1) 用户越来越追求匹配自己的需求。可以把用户信息分成小组去满足不同用户的需求。
2) 在开发产品服务时,可以满足特别细分的特别需求,从而增进整体生意
3) 可以针对最需求顾客进行细分,追求最有效的投入来获得最大的回报
4) 建立估测模型
5) 增强模型的表现
既然说到用细分来帮助我们提升增长,那么久不得不提到一个叫做Segmentation, Targeting, and Positioning(STP).
STP主要分为以下三点:
1) 对市场或用户细分进行研究
2) 选择目标市场
3) 确认了目标市场后,需要确定自己在市场的定位
具体到E-commerce dataset是什么样的呢?
1) 需要确认用户在哪里
2) 用户购买了什么东西
3) 产品信息的推广
4) 用户付费的情况
5) 流量:顾客是如何在网站决策并购买的
细分主要的方法有下面四种:
1) 用户消费行为
2) 消费心理
3) 人文
4) 地理
3. 如何制定一个好的细分方案
首先需要关注策略
1) 商业活动
细分策略是否明确商务意义
2) 数据可用性,不同的集群
在有足够的数据后才可以针对数据给出的多样性进行细分
3) 统计分析
做市场细分时,变量是不是可以与商业活动产生影响
细分市场会不会在将来发生变化
把各种独立的模型总结到一起
下面来详细介绍下细分方法:
地理细分
主要根据下面几个点进行细分:
国家 地区 省市 县城 城市 街区 天气 以及密度
人文细分
主要分为以及几点:
年龄(使用产品年龄)
性别
家庭大小
收入
职业
教育
信仰
种族
几代人
国籍
很多行业里,人文细分是不被使用的。比如金融类行业是不允许基于种族进行细分
消费行为细分
标准的消费行为细分包含以下几点:
随机购买还是固定时间点购买
需求的利益
用户状态
使用率
忠诚度
用户行为细分较前面两个相比交复杂,需要持续追踪。
最后就是用户心理细分,与前面的地理细分,人文细分相比使用频率较小。
心理细分主要分为以下几点:
社会阶层
文化
生活方式
个人个性
Growth by segmentation
1) 设定增长目标
2) 鉴别用户细分
研究设计
数据采集
分析数据并确定细分市场
验证所有结果
3) 发展细分策略
选择目标顾客
4) 针对策略发展出执行策略
向合作伙伴解释决策过程
发展沟通&运营启动计划
执行并观察
4. Customer lifetime value(CLTV)
顾客终身价值主要有下面两点:
1.预测净利润于与客户的整个未来关系
2.评估每个客户的财务价值
如果想要计算CLTV,可以使用RFM
使用Recency (从最后一次购买到现在的时间间隔)乘以 frequency(频率)获得 monetary (总利润),如果大家感兴趣可以观看我们的相关视频。
基于RFM策略寻找目标顾客的话,可以关注以下几点来细分自己的顾客。并根据不同细分的顾客来执行不同的策略。
5. Cluster analysis
除了顾客终身价值以外,还有一个聚类分析(cluster analysis)也十分重要。
首先介绍下聚类分析的基本原理
上图中,X轴设定为学历,Y轴为收入。
在表格内放入三个中心点 1,2,3. 根据数据距离中心的距离从而把数据分为三个组。聚类分析就是不断重复以上分组的动作,直到整体数据逐渐趋于稳定。
聚类分析的长处:
易于实施和理解
快速迭代
聚类分析的短处:
硬分配
球面假设
会陷入局部最优
同学们可以根据自己的需求以及聚类分析的长处短处,从而选择如何使用聚类分析。
以上就是本次想要分享的全部内容了。
本周公开课预告
Recap 作者:Peter Mei
美工编辑:过儿
校对审稿:佟佟
公开课回放链接:https://www.youtube.com/watch?v=o21DnaN3xiA
往期精彩回顾
供应链数据分析:Data Analysis在Supply Chain领域的应用
点击“阅读原文”查看数据应用学院核心课