快好知 kuaihz

大数据筛选:如何量化消费者的促销敏感度?

用大数据的方法,如何甄别某个消费者是不是促销敏感型呢?本文将带领大家了解如何量化消费者的促销敏感度。

在新零售的背景下,用户的消费观念逐渐开始重服务,更重品牌,但是仍然对促销有很大的依赖。各大电商平台频繁的促销活动,潜移默化的影响着消费者的购买决策。

什么是促销敏感型用户?在经济学理论中解释到,由于价格的波动引起消费者对商品需求量的变化,这部分消费者即为促销敏感型用户。消费者对价格的敏感范围越大,对促销敏感度越小,反之越大。

各大电商平台近年来频繁的促销活动,换来了业务的爆发式增长,养成了用户只看促销,仅买低价的消费观念。从年货节,超品日,618,双11和双12等网购节日来看,大多是通过低价折扣吸引用户消费。

2017年618年中购物节,京东的销售额达到了惊人的1199亿人民币,而第二季度的总GMV为2348亿元,大促时的销量明显较平时要多了近3倍。从中可以判断的是,部分消费者更加关注商品的促销力度,并且仅在促销时才会集中下单采购,而平时却较少下单,其中仅在促销时下单的用户可能就是敏感型用户

图片来源网络

对于平台而言,虽然狂轰滥炸式的投放和粗犷的促销会得到了不错的效果,但若想把销售额提升到另一个台阶,往往只能通过更加狂野的促销。这种方法适用于初创公司开拓市场,成熟型的公司则需对消费者进行更精细化的运营。如果可以不同促销敏感度的人群,进行精准的营销,促销效果必然会事半功倍。接下来我们聊一聊如何利用大数据,识别促销敏感型的用户群体。

模型准备阶段

衡量电商的消费者是否对促销敏感,主要是通过他的历史订单里促销优惠的比例来判断。一般我们认为,用户的含促销订单比例越高,敏感度越高;促销金额比例越大,敏感度越高。

时间范围:查询每个消费者的1年内的数据,敏感度具有时效性,随着年龄和收入的增长,敏感度也会发生变化,以一年为临界点更具代表性。

订单单量数据:提取用户订单数据,计算一年内的订单总数和用户参与优惠的订单数。这里的优惠可以是满减,满赠或者使用优惠券的订单。

订单价格数据:汇总用户所有订单未优惠前总价格,汇总用户所有订单参与优惠的总金额

结合消费者在某段时间在网站上的消费行为,能够从数据层面理性的探查出消费者的购买力情况和对促销敏感度。根据上述指标,就可以为用户建立模型了,再根据模型输出的结果,应用到各个实际的业务场景中。

敏感度建模过程

建模过程与上篇文章《电商购买力模型:用大数据解锁智慧营销的新姿势》方法类似,具体方法可以参考下面步骤:

人群标准界定

前面我们说过,消费者的促销订单比例越高,敏感度越高;促销金额比例越大,敏感度越高。但是具体的衡量标准,仍然需要通过业务数据挖掘判断,给出合理但范围。再根据用户近1年优惠订单占比,平均每单优惠金额占比,总优惠金额三个指标进行聚类划分,一般情况,可以把人群分为5类:

从《网络购物者趋势研究》报告显示,电商商品低价促销对网购的影响极其巨大,从前年的42%跃至去年的61%。其中敏感型用户量大占据了金字塔的最底端,只有部分用户不敏感。

极度敏感:含促销商品的订单量和金额占比非常高

较敏感:含促销商品的订单量和金额占比较高

一般敏感:含促销商品的订单量和金额占比中等

较不敏感:含促销商品的订单量和金额占比中等

极度不敏感:含促销商品的订单量和金额占比很小

上述的平均值是根据实际业务计算而拟定的数据,具体业务具体分析,没有具体的标准。层级之间应该非常明确,这样业务在操作的时候才能更加明确。给人群的敏感度界定了具体的指标数据之后,接下来就是把所有的用户根据指标来贴不同的标签。

数据加工过程

通常给用户分群打标签的模型都会使用聚类算法,它是数据分析中十分重要的分层算法,能够将相似的元素聚到一起,并且将不同的元素放到其他类别。从纷繁复杂的数据中,识别精简到人们能够理解的层次。

题图来源网络

一般选用相似性度量,这种方法的关键点在于如何告知计算机数据到底哪里相似,相似的关联点在哪,不同的算法需要的相似性可能不同。就按照上述的敏感度模型,相似点是优惠订单占比,平均每单优惠金额占比和总优惠金额占比三个指标之和,三者之和越小,代表价格敏感度越低。然后根据每个用户的订单数据情况,每个指标我们都会得到一个预测值,这个值在[-1,1]之间,当预测值未负的时候,我们可以理解为对价格不敏感。然后我们就得到了以下的数据

大于0的数据都是敏感用户,具体的敏感指标还是需要业务自己去定,可以参考上文的指标套进来。比如认为【-0.1~0.3】为一般敏感用户,【0.3~1】为较为敏感用户,【>1】为极度敏感用户。然后我们就可以知道这一年内所有账户的敏感度情况

有了数据之后,就要考虑一下具体可以用在哪些场景中,数据结合场景才能产生更大的价值。上篇文章《电商购买力模型:用大数据解锁智慧营销的新姿势》简单的推荐了几个场景,例如千人千面的算法,精准的广告投放和会员营销方面,还可以结合购买力模型用到最近比较火的概念上“消费升级”

应用场景探索

消费升级是消费结构变化后最明显的特征,其核心在于人和场景的准确定位,消费需求的分层和细化。对于品牌来说,首先应找到哪些人才是可以升级的群体,但每个品牌都有自己的特征和管理运营方式。华为手机希望流量入口,低端机用户转为高端机用户;魅族希望提升自己的曝光度,拉升GMV等等。这些诉求都可以通过用户标签针对性的营销,

以华为为例,探查购买华为手机人群的时间节点,选出距离上个手机订单时间一年的用户群体,再筛选出低端机用户,然后从低端机用户群体中,探查其购买力和促销敏感度的情况,然后在针对性的触达营销,可以是专享价,也可以是优惠券等。

可以应用的场景很多,在实际业务中多多思考如何使用用户数据,做到数据取之于用户,用之于用户的产品之道。

 结语

以上为价格敏感度的模型方法论,各位看官可以暂时了解一下。与购买力模型一致,输出的结果仍然需要在实践中打磨,通过干预人和未干预的人群进行数据的比对,然后调整到最忧解。

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:敏感度  敏感度词条  量化  量化词条  筛选  筛选词条  消费者  消费者词条  促销  促销词条  
运营

 微博客服务 Twitter 永远...

一、“你以为是社交媒体网站,其实是广告投放系统。”在投资人和粉丝用户们的一阵热议之后,微博服务 Twitter 九月份终于提交了 IPO 申请。周四,该网站表示...(展开)