当前课程知识点:大数据技术与应用 > [补充] 陈辉:数据驱动营销 > 消费者微群画像 > 消费者微群画像
第三部分这个比较有意思
就是叫营销者的微群画像
大家知道这个
叫物以类聚人以群分
对吧
那么世界上到底有多少种人
这个不同的人的回答
是不一样的
在阿里我们根据他在淘宝的
购物行为
将人分成96种
这些 我先不讲哪96种
先讲一下这个
我们的划分的标准是什么样子
我们把这五种不同的用户属性
融合在了一起
第一个就是性别
就是说性别是很重要的
比如说女生爱买衣服
饰品和护肤品
男生喜欢网游还有数码类产品
所以性别其实很重要的
第二就是年龄
它决定了客户的生命周期
和他的家庭状况
比如说她在结婚生育时候
会购买对应的婴儿产品
对吧
如果她在十岁的时候
是不会买这些东西的
是吧
第三就是他的这个城市的阶层
城市的发达程度
有时候决定了这个
各地方的受教育水平和生活品质
所以他对这个产品的这个偏好
也是不一样的
这个应该比较容易理解
然后第四个就是网购深度
就是就有些是
买买买的用户
就是那种特别喜欢买的客户
也是对淘宝支付宝
接触很高的
所以这些客户的话
他的网购深度很低的
而有些人的话
比如说我妈 对吧
她买什么东西
都需要我帮她买
就是网购深度很低的
然后消费档次就是
是他消费能力的综合衡量
就是我们也分成那个高产
分成中产
什么几类吧
所以把不同的属性聚合在一起
我们有一个流程
建模的流程
这个大家看一下就不细讲了
先验分群 聚类分析 Kmeans
人工调优
是要结合商业的判断
然后微群画像
这里面是一个粗分
还没有到96层
可以看到首先男性女性划分
然后按照年龄划分
比如说有什么打工仔 美眉
轻熟女 轻熟男
大叔大姐 熟女熟男
然后我们把美眉这个层
又进一步细分
就是96层里面的
其中的十几层吧
比如说我们按照这个网购深度
和消费档次呢
又分成比如说消费档次很高
同时网购深度很高的
我们称之为大城千金美眉
就是这个词
算是一个比较生动的刻画吧
背后的话实际上有一堆的数字
就是她的年龄 性别 购买深度
消费档次是在一个什么区间
住在哪里
我们把比如大城
是住在这个一线城市
然后千金对吧
美眉首先是个女性
而且年龄是在20到28岁之间
千金实际上是对消费档次高
和网购深度高的这样一个总结
对
就是我们希望给每一群人
打个标签
给他一个名字
这样我们的商家
我们的用户看了之后
能够比较直观的去理解
他们大概是什么样的人
就是这样一个指标
其实在很多的那个
怎么说呢
电商的一些企业都有
而且有些还比较有意思
比如说美国的一些指标
它是把这个用户的政治倾向
考虑进去的
就是这个人是一个左倾
还是右倾
是一个
甚至是宗教
就是无神论还是一个有神论
对
但是对于淘宝来说
最重要的其实就是刚才的
五个维度
我们把五个维度综合一起
就是这里
就是这个96个微群
告诉你谁是大叔
谁是那个美眉
然后我们用这个
就可以给用户画像了
比如说你的
你的用户最主要的是哪些人群
是大叔呢
还是千金美眉
这是其中一个店
它的主要的前五类人
然后这里面有一个叫TGI
一个淘宝喜好指数
怎么定义的呢
就是比如说大城千金美眉
我们发现这个TGI是850
什么意思呢
就是大城千金美眉
在这个店中的VIP客户中的占比
比上这类人在全网客户中的占比
再乘以100
什么意思呢
比如说他的客户
VIP客户可能一半人对吧
其中是有850人
是大城千金美眉
这时候比例就是850除以10000
是8.5%对吧
但是在全网中我们发现
可能只有1%的人是大城千金美眉
所以她在她的VIP客户中的比例
要比全网的比例是高8.5倍
8.5乘以100
得到是850
这个指标什么意思呢
就是这个指标
一是一个分界
如果它大于1的话
说明它和全网相比
这群人是比较显著的
如果它小于1的话
说明这群人和全网相比
是不显著的
那所以我们发现这个8点几倍
是很高的这样一个倍数
所以这家店
他的主要的客户群体
就是这些最NO.1
就是叫大城千金美眉
然后NO.2是大城多金轻熟女
第三是小城乡镇富美眉
大城多金贵妇
有点拗口
都市败家中产白领美眉
这个什么意思呢
这个告诉你要怎么做
对吧
你的比如说你的现在的千金美眉
只有850人
但全网有850万人
对吧
你应该瞄准这群人去发传单
五道口的那些屌丝
Geek男我就略去
我只要发给大城千金美眉
就好了
对吧
所以这里就是能够帮助商家
更好的理解自己的消费者
是什么样子的
就是你看这个你就知道
这是一个面向女性的
这样一个商家
他主要的客户是在大城市
是吧
然后很明显
那另外一个商家的VIP客户呢
可能就是另一批人
比如说以大叔为主
对吧
可能卖的是某些大叔用的东西
OK
这个是叫微群画像
就是消费者画像有很多种
然后年龄性别地域
有很多不同的分类方式
然后这里因为我们阿里
有非常多的数据
那这数据相对来说
比较准确的
比如说我们怎么知道
你是女性的
这个是很难的一件事情
购物是一方面
但是也不一定
有些男性也喜欢买女性用品
或者有些女性
对吧
因为有些产品的话
它是没有性别属性的
对吧
但是你不要忘了
我们是有支付宝的
我们是有实名认证的
你的身份证的最后一个数字
揭示了你是男人还是女人
对
至少在那个
你的生理特征上是男人还是女人
这个还有一个
就是我们为什么没把星座
放进去呢
这个答案是我也不知道
这个星座还是很明显的
我们当时做有些
就是发现不同的星座
还是差异蛮大
就是在购买上差异很大
就不是说这个人的个性
而是购买上
就是有些星座
就是很偏好买某些东西
其他的都完全一样
住在相同的城市
住在同样的城市
年龄一样
但是星座
就是出生地都不一样
发现就是有一些
比如说5%到10%这样的一个
很有统计的意义的这样
一个偏差
我没法解释
当然还有一些很有意思的特征
就有些不太 难以启齿
我们统计到一些无线上的
一些特征
有一个特征非常好用
就是他会不会
就是他现在有没有意愿买东西
这个特征他是不是在运动
就是如果一个人在运动中的话
比如他走路
或者是在一些公交行动上
他购买的概率是比较低的
但是如果当他在家
在单位静止下来
或者是蹲在马桶上
就是马桶上蹲着
这个特征是非常好的一个特征
就是在马桶上蹲着
这个概率
购买的概率要比
没有在马桶上蹲着的概率
要高很多
对
就通过这样的数据
就是很多这种数据
我们发现很多很有趣的一些规律
当然这个规律呢
能够指导我们去做一些
有针对性的营销
同时也得到一些比较好的效率
-完整讲座
--完整讲座
-李国杰:面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙:大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞:硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信:数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊:大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元:网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧,显性智慧
-人工智能:能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信:“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军:数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中:从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐:金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏:互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华:区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌:个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1:用户属性识别
-案例2:自然人识别
-案例3:WOI与社交关系识别
-陆祁:用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科:大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析:智能营销场景的用户画像
-案例分析:智能助手场景的菜品画像
-王栋:美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧:美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波:阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一:在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏:大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1:订单分配策略
-案例2:供需平衡策略
-未来展望
--未来展望
-郝井华:即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉:数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接