
大數(shù)據(jù)之“用戶行為分析”(2)_數(shù)據(jù)分析師
我們看看其中的一兩個(gè)團(tuán)購(gòu)郵件,來(lái)分析里面的問(wèn)題:
1,美食的推薦不分地域:一封郵件中,從五道口到王府井,從蘇州橋到簋街,可能有人會(huì)因?yàn)橐粋€(gè)3折或者更低的團(tuán)購(gòu)感興趣,但是真的會(huì)從東五環(huán)開車去西四環(huán)嗎?
2,娛樂的推薦也有類似的問(wèn)題,絲毫沒有考慮用戶的地理位置,價(jià)格等因素
3,更有甚者,不分收信人的性別,有沒有考慮可能帶來(lái)的尷尬。
其實(shí),所有這一切現(xiàn)象都表明現(xiàn)在的團(tuán)購(gòu)網(wǎng)站在EDM的思路上,基本上還是粗曠式的,把所有客戶當(dāng)作一人,徹底把電商的優(yōu)勢(shì)放棄了,回到了傳統(tǒng)零售門店和郵寄銷售模式的階段去了。不僅如此,其實(shí)在電商的環(huán)境中這樣的EDM有時(shí)候比沒有還糟糕,因?yàn)樗鼈兦∏Ыo這些可能成為他們客戶的人們一個(gè)非常負(fù)面的用戶體驗(yàn),用長(zhǎng)期不相關(guān)的占用大量篇幅的郵件占領(lǐng)用戶的郵箱,長(zhǎng)此以往,他們離“討人嫌”只一步之遙了……,而對(duì)他們的懲罰可能是既簡(jiǎn)單而又殘酷的,鼠標(biāo)輕輕一點(diǎn),他們的郵箱地址送到垃圾郵箱,從而再也無(wú)法給這個(gè)潛在的客戶推送促銷信息。
如果看看你的用戶們的垃圾郵箱,當(dāng)你看到你辛辛苦苦設(shè)計(jì)的促銷直郵,規(guī)律地,全部地,在垃圾郵箱中按時(shí)報(bào)到的話,你做何感想?據(jù)專業(yè)人士分析,對(duì)一個(gè)500萬(wàn)會(huì)員的電商來(lái)說(shuō),每次0.5%的退訂或者放進(jìn)垃圾郵箱,意味著近100萬(wàn)元的營(yíng)銷費(fèi)用打了水漂。
那么,團(tuán)購(gòu)網(wǎng)站應(yīng)當(dāng)如何做呢?個(gè)性化是最基本也是很有效的方法:
1, 對(duì)客戶進(jìn)行多維度地分析:以用戶的地域、性別、年齡等人文屬性建立分析維度,把所有的團(tuán)購(gòu)信息進(jìn)行篩選,這樣可以簡(jiǎn)單地把EDM的相關(guān)性大幅提高,起碼用戶收到的郵件是基本在住宅、工作場(chǎng)所附近,和自己的普通屬性相關(guān)的,可能有一些興趣的商品。
2, 對(duì)客戶過(guò)去是否有點(diǎn)擊,是否有購(gòu)買,購(gòu)買的產(chǎn)品價(jià)值,購(gòu)買的頻率,最近一次什么時(shí)候購(gòu)買等屬性進(jìn)行量化,產(chǎn)生客戶價(jià)值的評(píng)分,把客戶分出價(jià)值的高低,對(duì)推薦的接受難易程度作出評(píng)估,依據(jù)這些評(píng)分來(lái)決定多頻繁對(duì)該客戶進(jìn)行EDM操作,以及推薦的商品的細(xì)類,以提高反饋率。
3, 對(duì)購(gòu)買過(guò)商品客戶的購(gòu)買記錄,以及點(diǎn)擊過(guò)的商品記錄進(jìn)行分析,對(duì)團(tuán)購(gòu)的折扣比例,商品原價(jià),折扣金額,團(tuán)購(gòu)時(shí)間長(zhǎng)短,能否退款,是否單人使用,口味(餐飲類),風(fēng)格等等分別打分、統(tǒng)計(jì)、歸類,以對(duì)客戶的可能興趣點(diǎn)進(jìn)行“預(yù)測(cè)”,這是一個(gè)相對(duì)高級(jí)、相對(duì)復(fù)雜的過(guò)程,但是運(yùn)用得好的話會(huì)收到非常良好的效果。
4, 考慮在所有推薦的商品旁邊增加一個(gè)“不喜歡”的按鈕,收集客戶不喜歡的東西對(duì)個(gè)性化推薦來(lái)說(shuō)具有幾乎和喜歡的商品一樣重要的價(jià)值,假設(shè)一個(gè)客戶告訴你他不喜歡一款49元的西餐廳的雙人午餐,可能比他點(diǎn)擊甚至購(gòu)買另外一個(gè)99元日餐雙人套餐給你透露的信息還要多。
比如我觀察到的一個(gè)比較成功的案例:一個(gè)旅游網(wǎng)站對(duì)客戶之前的瀏覽、搜索行為進(jìn)行了跟蹤,并以此進(jìn)行了有效的推薦,注意:該推薦中體現(xiàn)了客戶的目的地、價(jià)位、旅游訴求等多方面的需求。按照這些方法,業(yè)界專門從事EDM優(yōu)化的公司可以把EDM的點(diǎn)擊率從傳統(tǒng)意義上的1%左右提高到近10%的點(diǎn)擊率,5000封EDM產(chǎn)生370個(gè)人,510個(gè)點(diǎn)擊,最終共產(chǎn)生800個(gè)訂單。
因此無(wú)論從什么角度來(lái)說(shuō),電子商務(wù)和團(tuán)購(gòu)都還有大量的優(yōu)化空間,我相信以大數(shù)據(jù)為核心的個(gè)性化營(yíng)銷則是幫助電商在這場(chǎng)紅海大戰(zhàn)中贏得戰(zhàn)役的利劍。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11