查看原文
其他

如何在电商数据分析中做Customer Segmentation客户细分?

数据应用学院 大数据应用 2022-10-18

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


Tiktok如何比你更懂你?

大数据告诉你Tiktok为何让人如此上头?

供应链数据分析:Data Analysis在Supply Chain领域的应用

四个数据科学求职者的常见失误

公司要求签PIP,你离被裁员还有多远?





点「在看」的人都变好看了哦

点击“阅读原文”查看数据应用学院核心课

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存