时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络
小提示:您能找到这篇{简易版用户画像,你需要掌握这3个数据处理方法}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的简易版用户画像,你需要掌握这3个数据处理方法内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您! |
一、背景某电商,已上线并稳定运营了一段时间,积累了一些用户数据。产品及运营想要了解平台用户的价值类型,以便针对性的采取不同运营策略。(以下方法同样适用于广告、SNS等领域,或用以确认内容价值) 二、目的确认用户价值类型,对不同用户,针对性地采取不同运营策略,更深入的挖掘用户价值。 三、分析思路电商平台,衡量用户的价值主要有两大维度:
要知道这个用户是怎样的用户,就是要知道这个用户在这两个维度上的表现如何。所以我们给用户这两项数据分别打分,放到忠诚度和消费能力的坐标轴中,并分别以两项的均值(可做其他定义)为界,划分出4个象限。
以上,也可不拘泥于4个象限,划分出更多区域来进行更细化的运营。 四、具体数据处理1. 获取数据获取数据因素(并不全面,仅以此为例): 用户忠诚度数据: 用户消费能力数据: 2. 给用户的各项数据评分用户数据多种多样,数值及跨度、单位可能大不相同。要怎么处理,使各项相加后不致于偏向某些数据呢?这里我们可以使用数据标准化方法来处理这些数据。
有两种非常重要的数据标准化方法:归一化和标准化。 这里我们使用归一化方法。 归一化:通过对原始数据进行线性变换把数据映射到【0,1】之间,变换函数为: 其中max为样本数据的最大值,min为样本数据的最小值。 以购买频率为例,min=1,max=13,用户A的购买频率标准化=(3-1)/(13-1)≈0.2。 最近购买时间较为特殊,因为时间越短,忠诚度越高,所以要把计算公式改为(max-x)/(min-max)。 标准化公式算出的数据在【0,1】之间,将数据10,即得到10分制评分。 同理可得到用户消费能力评分: 3. 评分加权第1步我们已经得到了两个维度的各个因素的评分,可以加和算出两个维度的评分了。 但是,这些因素的重要性可能有所不同,为了得到更符合预期的数据,我们可以给这些因素加权。 那各项数据的权重如何确定呢?这里介绍一种矩阵分析法。 以忠诚度为例,有3个因素,我们确定权重的步骤如下:
因为合计中可能存在数值为0的情况,为了便于计算,可以人为将合计中每一项数值+1。 某因素权重=(某因素新的重要性合计得分/所有因素新的重要性合计得分)100%。 例如:购买频率的权重=(3/6)100%=50%。 有了各因素的评分和权重,即可得到各用户的忠诚度加权评分。 忠诚度加权评分=最近购买时间评分17%+购买频率评分50%+购买产品种类评分33%。 同理可得到消费能力的加权评分,过程不再赘述。(若想得到用户忠诚度和消费能力的综合分数,也可先得到两者的权重,再加和,方法同上) 4. 数据可视化上面我们已经得到了用户的忠诚度加权评分和消费能力加权评分,现在只需将数据放入横坐标为忠诚度、纵坐标为消费能力的坐标轴,并以均值或其他条件划分象限,即可得到我们想要的用户价值分类了。 五、扩展以上忠诚度只列举了部分购买因素(最近购买时间提供危机公关公司好的公司、购买频率、购买产品种类),还有浏览因素(访问间隔、访问频率、平均停留时长、平均浏览页面数)等等,其中这两类因素也可做出一套象限图,从浏览数据和购买数据来区分用户类别: 也可以结合多维数据,来得到更立体的用户画像,帮助我们更好的进行精准运营,更深入的挖掘用户价值。 以上为《产品心经》部分章节的阅读后总结及思考,感谢闫荣大大。
本文由 @脱糖 于,, 题图来自 Unsplash,基于 CC0 协议 |
上一篇:假装95后指南
下一篇:为什么用户没有在朋友圈分享你的产品?
小提示:您应该对本页介绍的“简易版用户画像,你需要掌握这3个数据处理方法”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通简易版用户画像,你需要掌握这3个数据处理方法的相关事宜。
关键词:3年, 中级, 数据处理, 用户