饿了么o2o模式的普通普通消费者人物画像理论基础经验

美团外卖经过6年的飞速发展，其他品类已经从单一的外卖平台可以扩展到了特色美食、夜宵时间、各种鲜花、商和等多个产品品类。用户群体也从早期临床表现的学生们大多延伸到同学、城市白领、及社区以及商客，甚至和在ktv等娱乐场所性消费的人群。随着供给问题和消费群体的更加多样化，如何在供给问题和所有用户之间做一个信息对接，就是用户画像的一个此基础工作后。所谓做千人，肖像图需细腻的刻画不同群体的购买习惯和消费习惯。

美团外卖o2o平台和传统的电商平台存在一些差别。可以简单总结为如下几点：

1）新鲜事物，快速发展：这耐人寻味很多发现用户对外卖的基本认知较少，对大平台上的新兴品类缺少可以了解，对自身的更多需求也没有充分思想意识。平台需要去发现普通用户的消费倾向，以便对所有用户的消费开展正确引导。

2）低频：外卖点是个典型的高频电商应用方面。一方面高客单价，所有用户产品的生命周期相对好判定；另一方面消费单价高较低，所有用户决策方面时间点短、随意性大。

3）生活场景驱动：场景的是特定的时间点、时间与地点和人物的形象的男女组合下的特定的其他消费借此。不同的把时间、费用:免费，针对不同的用户的其他消费意图会有差别。例如小白领在商业写字楼中午的客户订单一般是公司食堂，通常在补充营养、品质上有一定的提出的要求，且单价不太高；而到了周末假期晩上的定单大多是中饭，努力追求口味丰富且价格不弹性较大。其他场景准确辨识越细致，越能了解发现用户的其他消费企图，运营方式效果就越好。

4）所有用户消费需要的所处地理位置较灵活，相互结合所处地理位置判断发现用户的日常消费企图是美团外卖的一个显著特点。

如上图所示，我们大致能够把一个新产品的运营方面分为增加用户和所有用户全面拓展个第三个阶段。在所有用户发展阶段，发现用户因为同样是因为或一些营销推广相关事件（例如宣传广告、社交媒体快速传播）不产生对外卖的应该注意，进而产生了探索兴趣，并在最合适下已完成首购，从而成为外卖点餐新客。在这一前期阶段，运营方面的三个重点是提高工作效率，通过一些个性化的营销和广告方式，文化吸引到真正有需求的现有用户，并敷米浆其转化成。在所有用户已完成转化后，接着的运营重点是全面拓展用户价值。这里有两个问题：第一是得到提高发现用户物质价值，具体而言就是得到提高所有用户的单平均价和消费频率，从而得到提高普通用户的留存率（lives-lastresult)。基本方式以及交叉及销售（新品类的其他推荐）、向上销售（优质高价供给的推荐三）以及重复再购买（优惠、红包金额**重复下单成功以及优质供给的其他推荐带给直接下单和频的提高）；第二个其他问题是用户的遗存，通过整体提高现有用户整体而言完美体验以及在用户有流失倾向时通过促销和优惠将普通用户离开美团外卖。

所以发现用户所处的完美体验初期阶段不同，运营方式的注重点也必须有所不同。而画像分析作为运营方面的大支撑各种技术，必须提供全面相应的现有用户刻画以可以满足运营方面潜在需求。根据图中的营销价值链条，从强支撑运营方式的角度分析，除净提供更多常规的用户基本框架主要属性（例如年龄、年龄和性别、职业要求、婚育问题等）以及内容偏好之外，还可以考虑到这么几个其他问题：1）什么样的普通用户会如今订餐平台的顾客购买（新客准确识别）；2）所有用户所处产品的生命周期的做出判断，普通用户是否因为从大平台流失（流失现象预警系统）；3）现有用户处在什么样的场景化（图像识别）。前面“外卖o2o的用户画像实践经验”一节中，我们会整体介绍针对这三个问题的一些理论实践。

下图是我们画像服务的平台架构：数据全面源和基本框架所有日志、商家数据数据和订单量数据数据。数据全面顺利完成处理的结果后储存在一系列系列主题表中，再导入kv本地存储，给下游工业业务方面端提供完整在线服务。同时我们会对整个业务环节实施摄像监控。主要四种类型两其他部分，第一两部分是对大数据处理工作流程的视频监控，利用它用构造自研的数据资产管理大平台，监控每天各主题表引发的时间点、数据数据量以及数据集中分布是否有由于。第二其他部分是对提供的服务的监控视频。目前来看画像系统广泛的支持的上游专业服务在内：视频广告、顺序、运营中等系统。

新客运营方面

新客运营工作主要需问他下列五个其他问题：

1）新客在哪里？

2）新客的偏好该如何？

3）新客的消费力该如何？

反问这三个核心问题是比较困难的，因为相对于老客而言，新客的行为的情况全部记录非常少或者几乎没有。这就必须我们通过一些传统手段行政决定得出结论。例如：新客的潜在转化成慨率，遭受新客的城市人口属性（任何职业、30岁等）、所在地域（满足需求的其他因素）、周围大众人群（同样反映真实需求）以及是否有充足供给等外部因素的影响到；而对于新客的投资偏好和消费力，从新客在到店体验各种场景下的消费需要不道德行为能够正确的决策大胆推测。另外发现用户的工作和定居地点也能反映他的消费能力。对新客的分析和预测大量依赖性很强他在预约到店各种场景下的行为的性质，而普通用户的进店行为方面对于外卖是比较稀疏的，大多数的现有用户是在少数几个子类别上有过一些其他消费行为的情况。这就意味着我们可以考虑可以选择什么样的观测值过程描述：是消费价格，总其他消费最终价格，大众消费品类等等。然后通过大量的试验后来反复验证特征的相关性。另外由于数据情况比较稀疏，需要更多不考虑合适的光滑平整处理方式。

我们在做高潜新客深度挖掘时，元素融合了多方特征，通过基本特征的兄弟组合最终作出一个作用比较好的统计模型。我们也能很容易找到一些高购买转化率的所有用户，其转换率比普通用户高若干倍。通过对高潜人才用户没针做营销，可以极大得到提高营销效率。

流失量预测未来

新客要来之后，接下来必须把他再次离开这个平台上，尽量食品货架期生存周期。品牌营销新兴领域关于用户的两个基本看法是（引自菲利普·科特勒《市场营销管理》）：

所获取一个新顾客们的综合成本是长久现有顾客投入成本的3倍！

如果将顾客人员流动率明显降低5%，该公司利润将増加25%~85%

用户留存率的主要原因通常包括：竞对的魅力；体验核心问题；消费需求变化。我们借由人工智能和机器学习的方法，全面构建普通用户的过程描述特征，并借由这些主要特征来预测未来普通用户未来流失严重的慨率。这里有两种做法:第一种是预测数据现有用户未来若干天如何判定会下单付款这一事件的原因事故的概率事件。这是典型的可能性回归其他问题，可以去选择逻辑回归模型、决策树等优化算法线性模型给定观测到下该事件事件发生的慨率；第二种是不依靠为了生存基础模型，例如miller-溶液ph建模，做流失严重的风险性预测未来。下图左边是慨率回归的基础模型，所有用户未来T天内是否有下单购买只是作为一个每类做标记y，然后就算是在观察了解到主要特征X的情况下y的后验概率P(y|X)。右侧是用walsh模型结构的典型例子，我们会根据所有用户在因为未来T天有无直接下单给实验样本一个其他类别，即观测到43秒记为T。假定现有用户的下单购买的3000年23秒t<T，将t对于生存23秒t&39;；否则将为了生存17秒t&39;记为T。这样一个样本由三主体部分组合成：样本分析的类别(anyway)，生存下去时长(t&33;)以及明显特征推荐列表。通过生存环境模型虽然无法显式拿到P(t&33;|X)的小概率，但其协相关变量其他部分实际反映了用户留存率的风险性大小形状。

生存环境模型中，βex反映了留存用户的风险，同时也和现有用户下次定单的所需时间成正其它相关。小编的箱k线图中，虚线为βnb，横坐标轴为发现用户直接下单段里的后间隔。

我们做了cox模型和概率重回正轨模型的做对比。在预测所有用户xxxxxxx天内是否会下单购买其实，三者有相近的其性能。

饿了么外卖通过使用的方式了用户流失量提前预警基础模型，显著减少了留存用户的成本支出。

其他场景运营

开拓所有用户的完美体验，最重要的一点是要理解用户直接下单的其他场景。更多了解普通用户的订餐场景的有助于基于其他场景的活动运营。对于场景的运营方式而言，通常需要更多反复实验如下五个操作步骤：

其他场景需要从把时间、地点、定单三个维度文章描述。比如说上班日的午茶，这个周末的家庭聚餐，后半夜在家点消夜等等。仅重要的一点是所有用户客户订单商家地址的综合分析。通过分类现有用户的订单店铺地址是高档写字楼、学校中或是社区，再结合订单量段里、客户订单相关的内容，也可以对现有用户的下单付款场景做到这一点大致的进一步了解。

图三是我们定单店地址综合分析的整体流程。根据订单数量系统中的现有用户订单店地址其他文本，基于自然语言理解技术实现对商家地址语义分析，也能的店铺地址的主杆设备名称（指去掉了办公楼宇、门牌号码的地址主杆其他部分）和地址的两种类型（商业写字楼、住宅小区等）。在此基础上通过一些各种地图数据全面corejj从而做出判断出最终的地址类型。另外我们还做了公司的合并订单的可以识别，即识别一个订单数量是一个人下单成功还是拼团。把拼单相关信息、商家地址深度分析以及时间不相互结合在在一起，我们需要预测发现用户的消费场景，进而基于生活场景做交叉销售和向上发展产品销售。

外卖平台的营销推广基本特征，跟其他行业发展的主要区别关键在于：

外卖是一个高频的核心业务。由于发现用户的客单价低，发现用户生命期的特征体现较显著。运营中也可以基于发现用户所处产品生命周期的阶段制定和实施产品营销短期目标，例如所有用户已完成首购后的和频提高、成熟所有用户的其价值整体提高、衰弱发现用户的不挽留以及流失现有用户的召回事件等。因此所有用户的生命周期是一个基本框架人物画像，配合现有用户主要属性、偏好、消费力、流失预测等其他人物画像，通过精准的好物推荐或者营销策略可以实现运营方式长期目标。

所有用户的日常消费遭受把时间、会议地点等场景其他因素驱动。因此必须对现有用户在不同的段里、时间与地点下消费需要行为的性质的存在差异做深度了解，总结归纳各种场景下用户的差异，针对场景的制定相应的市场营销策略，提高用户黏度。

另外由于外卖点餐是一个新鲜的事物，在现有用户对一些品类和产品缺失思维认知的具体情况下，需要通过技术方式快速识别用户的需求，并实现精准营销。例如哪些发现用户或许会对盱眙小龙虾、美丽的鲜花、巧克力蛋糕这样的相对低频、高价值的产品造成选择购买。也能采用传统的技术方式包括现有用户、对已不产生性消费的所有用户做feel-alike拓展、深度学习等。

同时我们在制作外卖点餐的用户画像时还面临的问题如下全新挑战：

1）数据数据单一性，可能大量非结构化最终数据例如现有用户店铺地址、桌号等。需要能用自然语言处理技术技术实现，同时结合其他最终数据并对分析得出。

2）相对于综合电商平台而言，外卖平台是个相对单一的新品类，发现用户在外卖上的行为方面不足以全方位地过程描述用户的主要属性。因此可以和普通用户在其他各种场合的消费需要行为做完美的结合。

3）外卖点餐单价高相对较低，现有用户其他消费的决策时间不短、随意性强。不像传统线上电商用户在作出决策前有大量的浏览内容行为的情况也能用于捕抓所有用户单次的消费需求。因此更可以相互结合用户行为普通用户的他们的历史探索的兴趣、以及用户的场景消费，在消费需要前对发现用户做适当的主动引导、其他推荐。

面临风险这些不断挑战，需要更多人群画像核心团队更严谨的处理和分析、融合多方数据全面源，同时迅速发展出新的方今夜哪里有鬼系列，才会更好地支持它外卖点餐其他业务迅速发展的可以。而外卖平台的上述全新挑战，又分别和一些垂类线上电商这类，知识和经验上如前所述也可以取长补短之处。因此，美团外卖的人群画像的理论实践和操作经验累积效应，必将对整个电商市场领域的应用行政决定新的贡献巨大！

不想再次错过各种技术博客里更新进度？想给这篇评论回复、和本文交流互动？第一时间所获取技术实现主题沙龙相关信息？

请不关注我们的官方微信公众号“美团技术团队”。