一步一步教你分析消費(fèi)者大數(shù)據(jù)

做過(guò)面向消費(fèi)者產(chǎn)品解決方案的人都知道，每個(gè)項(xiàng)目開(kāi)始前，客戶都會(huì)提一些要求或者對(duì)現(xiàn)在營(yíng)銷狀況的顧慮，比如我們想了解一下我們潛在消費(fèi)者是誰(shuí)；怎么發(fā)優(yōu)惠券效果最好；或者，我們應(yīng)該推出什么樣子的新產(chǎn)品，能夠贏得消費(fèi)者口碑和青睞。在量化決策分析法中，這一系列的前期需求，我們把他稱作為：客戶需求或未來(lái)期望。

接下來(lái)，你需要了解該問(wèn)題的現(xiàn)狀，比如現(xiàn)有產(chǎn)品或服務(wù)的消費(fèi)者是怎么樣的，以前發(fā)的優(yōu)惠券效果怎么樣，現(xiàn)在市場(chǎng)的銷量趨勢(shì)如何等等。

當(dāng)了解了客戶需求和現(xiàn)在的現(xiàn)狀后，我們需要慢慢抽絲剝繭，找出解決方案，填補(bǔ)這個(gè)空檔。

一般來(lái)說(shuō)，沒(méi)有任何方法論或者經(jīng)驗(yàn)的咨詢員或者分析師聽(tīng)到客戶的這些期望后，他們會(huì)開(kāi)始不知所措，無(wú)從下手。他們完全不知道該從哪個(gè)角度切入，收集哪些數(shù)據(jù)，做哪些假設(shè)，用什么方法分析。

其實(shí)像這類問(wèn)題是有方法論的，我們可以用四步循序漸進(jìn)的方法來(lái)搭建現(xiàn)狀與未來(lái)的橋梁。

第一步：描述性分析－What

發(fā)現(xiàn)問(wèn)題。我們可以用看病的場(chǎng)景來(lái)類比下，病人去看病，說(shuō)最近不舒服。于是醫(yī)生讓病人進(jìn)一步描述一下怎么不舒服。這里也是一樣，拿優(yōu)惠促銷的案例來(lái)說(shuō)，我們會(huì)先了解客戶以往有沒(méi)有做過(guò)類似的促銷案例，什么時(shí)候做的，效果怎么樣。經(jīng)由這些的問(wèn)題產(chǎn)生一系列的KPI。

KPI產(chǎn)生的方法有以下幾種：

1）我們提問(wèn)，客戶解答

2）從客戶公司數(shù)據(jù)庫(kù)獲得信息（SQL）

3）從外部數(shù)據(jù)獲得信息（第三方數(shù)據(jù)加強(qiáng)）

4）競(jìng)爭(zhēng)伙伴信息

5）政策信息

6）語(yǔ)義分析

7）其他

獲得KPI的工具：

1）問(wèn)答（座談，電話，Email，短信，問(wèn)卷）

2）數(shù)據(jù)庫(kù)（SQL）

3）Excel

4）R，Python等軟件

5）網(wǎng)站搜索資料

6）自然語(yǔ)言學(xué)習(xí)

7）其他

分析這些KPI變量：

這些KPI可以是絕對(duì)數(shù)，百分?jǐn)?shù)，也可以是指數(shù)。可以是過(guò)去不同時(shí)期的對(duì)比數(shù)據(jù)，也可以是不同分組（如：人群分組，模式分組）的對(duì)比數(shù)據(jù)，或者和競(jìng)爭(zhēng)對(duì)手的對(duì)比數(shù)據(jù)等。

通常 KPI分析的方法有：

1）單變量分析（univariate）

2）雙變量分析（bivariate）

3）多變量分析（multivariate）

4）假設(shè)驗(yàn)證（hypothesis）

5）簡(jiǎn)單建模（clustering分組）

經(jīng)過(guò)對(duì)這些KPI的分析，可以幫助我們形成：

1）已有消費(fèi)者人物畫像

2）潛在消費(fèi)者人物畫像

3）忠誠(chéng)客戶畫像

4）消費(fèi)者價(jià)值分組

5）其他

第二步：診斷性分析（why）

回答問(wèn)題。我們同樣用醫(yī)生看病的例子來(lái)類比一下，當(dāng)醫(yī)生問(wèn)完病人問(wèn)題，通過(guò)問(wèn)診，X光等等，醫(yī)生開(kāi)始利用自己掌握的知識(shí)來(lái)對(duì)病人的病情做出診斷。

放到分析法中，這一步通常我們需要：

1）了解因果關(guān)系

2）了解各因素間敏感性如何

我們需要了解是由哪個(gè)原因，或者哪些原因造成了現(xiàn)在的市場(chǎng)現(xiàn)狀。比如在前一個(gè)階段，我們得到了50個(gè)非常有用的KPI，通過(guò)因果關(guān)系分析，我們確定了，其中有10個(gè)KPI起著重要的作用。結(jié)下來(lái)，我們會(huì)問(wèn)，這10個(gè)因素中，每個(gè)因素單獨(dú)的貢獻(xiàn)是多少，有些可能非常高，有些可能相對(duì)較低。

那這個(gè)問(wèn)題，我們可以通過(guò)建模來(lái)得到每個(gè)因素的貢獻(xiàn)大小，同時(shí)模型還能起到剔除高相關(guān)變量的作用。還有一種用到模型的原因是，當(dāng)因素達(dá)到上百，上千個(gè)的時(shí)候，很難用傳統(tǒng)方法在如此多的因素中，甄別出最有用的事那些，這種情況下，也需要用到模型來(lái)幫助選變量，最后一個(gè)原因是我們可以甄別這個(gè)因素是正向促進(jìn)因素，還是反向促進(jìn)因素。

通過(guò)建模的結(jié)果，我們可以得到以下以下關(guān)于消費(fèi)者的模型：

1）忠誠(chéng)度模型

2）滿意度模型

3）價(jià)格敏感度模型

4）歸因模型

5）客戶流失模型

產(chǎn)生這些模型背后的算法有：

1）線性回歸

2）邏輯回歸

3）決策樹

4）時(shí)間序列

5）Random forest，boosting，SVM，PCA等等

第三步：預(yù)測(cè)分析

預(yù)測(cè)正確的時(shí)機(jī)，得到先發(fā)制人的營(yíng)銷效果。有了第一步和第二步的準(zhǔn)備，我們需要預(yù)測(cè)一下，如果我做一些調(diào)整，將會(huì)有什么變化和影響。

用到的模型有：

1）意向打分模型

2）品牌忠誠(chéng)度打分

3）購(gòu)買渠道偏好模型

4）觸媒使用習(xí)慣

6）銷量預(yù)測(cè)

5）生存分析模型

比如： 意向打分模型 。我們發(fā)現(xiàn)，如果用現(xiàn)有的因素，消費(fèi)者會(huì)轉(zhuǎn)換的傾向可能是60%，但是如果我對(duì)一些因素做了一些調(diào)整，如：我給現(xiàn)有客戶多發(fā)2個(gè)廣告，客戶會(huì)購(gòu)買的可能性上升到65%；如果，給客戶多發(fā)5個(gè)廣告，客戶會(huì)購(gòu)買的可能性上升到85%。通過(guò)這樣的調(diào)整，我能夠預(yù)估，將來(lái)的廣告成本，或者轉(zhuǎn)化帶來(lái)的收入等。

又比如： 通過(guò)時(shí)間序列模型，我們可以預(yù)測(cè)到明年購(gòu)買某品牌車型的消費(fèi)者有10萬(wàn)人，這樣對(duì)明年的生產(chǎn)計(jì)劃和營(yíng)銷計(jì)劃就能有一個(gè)前期的應(yīng)對(duì)準(zhǔn)備。

第四步：決策分析應(yīng)用

1）提供戰(zhàn)略推薦

2）優(yōu)化

3）市場(chǎng)模擬

4）A／B測(cè)試

第三步的例子提到多發(fā)2個(gè)廣告，轉(zhuǎn)化率為65%；多發(fā)5個(gè)廣告轉(zhuǎn)化率為85%。那么如果多發(fā)3個(gè)？多發(fā)4個(gè)廣告，結(jié)果又會(huì)如何呢？學(xué)術(shù)界一直在尋找最優(yōu)化完美的答案來(lái)解決這個(gè)問(wèn)題：我到底發(fā)幾個(gè)廣告，才能讓我的利潤(rùn)達(dá)到最大化呢？

我們都知道在做回歸模型的時(shí)候，有以下幾個(gè)假設(shè)條件：

1、隨機(jī)誤差項(xiàng)是一個(gè)期望值或平均值為0的隨機(jī)變量；

2、對(duì)于解釋變量的所有觀測(cè)值，隨機(jī)誤差項(xiàng)有相同的方差；

3、隨機(jī)誤差項(xiàng)彼此不相關(guān)；

4、解釋變量是確定性變量，不是隨機(jī)變量，與隨機(jī)誤差項(xiàng)彼此之間互相獨(dú)立

5、解釋變量之間不存在精確的線性關(guān)系，即解釋變量的樣本觀測(cè)值矩陣是滿秩矩陣

6、隨機(jī)誤差項(xiàng)服從正態(tài)分布

實(shí)際上，現(xiàn)實(shí)生活中很難達(dá)到這種理想的狀態(tài)，而且最大化這個(gè)概念，從數(shù)學(xué)角度講，會(huì)涉及到優(yōu)化求極值的問(wèn)題，很多情況下，我們實(shí)際上求到是局部?jī)?yōu)化（localoptimization）的解，而不是全局優(yōu)化（globaloptimization）的解。

所以在這種情況下，管理學(xué)中衍生出了市場(chǎng)模擬方法來(lái)決定最后方案，最有名的一個(gè)方法是沙盤模擬，但是這些模擬往往到了真正落地的時(shí)候，又會(huì)和之前的結(jié)果有差距。

所以近些年來(lái)，越來(lái)越多的公司選擇做A/B測(cè)試。當(dāng)你對(duì)幾個(gè)方案沒(méi)有很大的把握，或者對(duì)預(yù)測(cè)結(jié)果不是特別自信的時(shí)候，A／B測(cè)試的出現(xiàn)，解決了這些顧慮。最近的一個(gè)成功的案例是Amazon通過(guò)A/B測(cè)試的方法，把“order”從賬戶欄，放入了主頁(yè)的菜單欄，為公司帶來(lái)的非?？捎^的營(yíng)收增長(zhǎng)。

A/B測(cè)試需要注意的是：

1）樣本的數(shù)量

2）人群的選擇

3）時(shí)間的跨度

4）顯著性統(tǒng)計(jì)

整個(gè)決策分析法即是階梯又是一個(gè)閉環(huán)，根據(jù)實(shí)際的市場(chǎng)反應(yīng)，再進(jìn)行進(jìn)一步的分析與迭代優(yōu)化。

讀完整個(gè)量化決策分析法后，你應(yīng)該對(duì)以消費(fèi)者為核心的大數(shù)據(jù)解決方案有了一定的思路框架。