陆拾陆- 精细化运营的二层人群分类方式
一、对顾客行为分类为人群运营的过程
对简单的顾客行为进行特征化
,然后聚类,的确可以实行对顾客分类运营的目的。
但若想对顾客进行更精细化或者实现更灵活运营的分类,可以提出二层分类
方式,其中过程如下:
-
- 通过聚类
通过简单聚类
找出有特性的样本
输出多种聚类方式
得出多个典型
的样本后,结合业务逻辑为每一个样本打标签。
-
- 标识第一层样本标签并进行学习
简单打标
后其实可以直接输出给业务进行人群运营
,即以前粗放型的人群分类方法。
但这样粗放的做法存在一个问题,即如果我们现在需要进行一个活动,目的是提升每一个顾客的浏览强度。
其实是需要针对下述红框的三种人群
同时进行运营。
但这对于前期的简单打标
的方法,对业务运营起来是很不友好的。
所以我们建议在初次人群打标时,给出多种不同的聚类方法,并结合业务对同一个样本给出多个标签
。
然后标识后,分别进行模型训练:
-
- 对第一层标签进行贴合业务的二层人群分类
二层标签
可以理解为传统的人群分类
方法,如某电商会对客户分类为 “小镇青年”、”在家宝妈”、”职场事业型女性” 等。
该标签应相对固定,并以互斥的方法为不同的顾客群体进行标注,能对顾客进行尽量面谱化的描述。
贴合不同的业务可以进行不同方式的整合,如:
-
- 1) 线性处理
公式如:
\[\beta=W\alpha\]其中β
为输出各二层标签的概率,α
为一层标签的各类概率,W
为处理函数。
输出β
最高概率的为该样本的二层标签。
-
- 2) 非线性处理
这样分层的一个好处就是,一层标签
每一个样本对看满足的一层标签对应的个数来进行归类,并按优先级(按业务逻辑排序)进行人群归类
-
- 针对顾客的标签分类
对于每个顾客来说,一层标签
是每个人有多个
,并且标识的是不同的概率。
而二层标签
是每个人只存在一个,使之适合分析或符合业务对人群进行区分描述。
二、例子
对于某茶饮企业,标签的定义可以参考下述例子。
行为特征 | 一层分类 | 二层分类 |
---|---|---|
主要购物城市 | 一线城市消费者 | 城市职场女性 |
最近一年购买频次 | 高消费低频次者 | 小镇新青年 |
最近三个月购买频次 | 下午茶爱好者 | 大学青年 |
最近一年购买金钱 | 外卖爱好者 | 全职宝妈 |
最近三个月购物金额 | 优惠点单爱好者 | … |
最近一年最高消费金额 | 晚饭后小憩爱好者 | |
消费时间 | 文创爱好者 | |
男女 | … | |
用餐时长 | ||
最近一年下午时段消费占比 | ||
是否常坐有电源插头位置 | ||
… |
三、作用
在运营手段日益丰富
、目标人群日益壮大
的情况下,以往的简单面谱化人群分类已不利于更精细化的运营战略。
二层人群分类方法
能更贴合实际、灵活的针对运营手段
来选取对应顾客,并非一成不变的简单粗放运营。
在以往的简单根据业务逻辑进行人群分类
时,运营存在一个很大的痛点就是,不同人群其实也是有非常大的共性
的,而需要根据运营手段来获取营销人群时,其实某种程度是无视了人群的简单根据顾客行为捉取人群
的结果。
人群分类
更多的目的是服务于后链路分析的一环而无法成为主动营销手段。
那如何使人群分类
真正的反馈给各种营运部门,且不丢失其应有的价值时,必须在人群分类时考虑运营手段以及顾客行为,故不能简单的只为其打上一个面谱化
的标签。
日后的运营战略必然需要业务、数据分析、数据开发更紧密的联合在一起,数字化转型的疼痛是必然存在的,可是疼痛过后的曙光也是必然会到来的。
只能让我们忍受现在,面向未来。