用户画像建模

作者：hooly

微信公众号：一口袋星光

通过神秘用户拿到都是假的数据，后再抽脱出虚拟充值模型。

用户画像是都是假的用户的缩影

统合用户画像

用户基本信息：性别、年龄、职业、兴趣爱好、住址...

用户行为数据：注册、登陆、搜藏、可以购买、退换货、期刊等级......

实际都是假的的用户数据，猜想出用户的标签：

用户很频繁可以购买电子产品（算法）->电子发烧友；

这样的话可建立用户的偏好模型，同时也有许多模型：忠诚度模型；重新活跃模型（未激活码激活、亢奋、沉默、睡眠、大量流失）；价值模型-RFM模型；购买力模型；冲动指数模型等等......

我们能够得到了什么？

1.各个模型下各类型、各分层的用户**。有了这个用户**，我们可以做一系列的分析，这些运营玩法。.例如商城有价格不菲的、高端点的科技新产品时，应该是首先推荐一下给【电子发烧友、高贡献值】的用户。

2.针对某个用户或者某一撮用户，可以不不使用不同维度（不同模型）下的的标签来具体解释他。当我们要针对性的运营某一撮用户的时候，我们这个可以飞快扣住这些用户的特征（标签），采用最合适的策略，推荐推荐哪些商品，哪类活动优惠。

广泛模型详细介绍：

1.用户价值模型-RFM

-能够体现用户对网站的价值对需要提供用户留存率的很有帮助-可以使用RFM利用用户价值模型参考指标-最近三次消费时间（Recency）-消费频率（Frequency）-消费金额（Monetary）-RFM利用用户价值模型计算方法-可以使用指标：租金一次网上购买时间，近7天可以购买订单量，近180天购买金额，分N段并且RFM分数换算-反算Recency_score,Frequency_score,Monetary_score,然后划分问题用户群

2.客户重新活跃模型：

客户就像的活跃状态：1.注册未可以购买（只去注册未购买，多事第三方登陆账号）2.亢奋状态（也可以细分为超高频，中频，低频）3.沉睡了（最近90天无去购买，近35天无购买）4.流失（近90天无网上购买，那一次网上购买）

3.用户忠诚度模型：

用户忠诚度：1忠诚型用户2偶而型用户3投资型用户3浏览的网页型用户5未无法识别统合：1，只打开浏览器不可以购买，2去购买天数为0一定会天数3，去购买天数大于0一定天数，大部分唯有优惠彩网上购买等

4.用户购物类型模型：

两种归类：用户购物类型：1，购物急躁型，2海淘犹豫了一会型3理性比较型4目标明确型5未无法识别。构建：1，换算用户在对三级品类购物前流量时间和浏览的网页sku数量；2，kmeans聚类。

5.-指数模型

-糟蹋钱指数

-使用购买特征山炮数量来不识别（刚出的苹果产品，奢侈品）

-生克制化用户的订单金额。

-冲动指数

-建议使用特征商品（同品类价格较高商品）平均购物车停留时间

-生克制化特征商品（同品类价格较高商品）的购买数量

常用建模算法：

聚类算法：Spss里面的聚类分析主要有两种K-means聚类和系统聚类。也这个可以在数据仓库中据顾客可以购买的商品属性接受会员的聚类分析，这里就不必须算法的支持，只需要参照系统的早有的商品分类，把定购过相同商品类别的顾客划分到互相。这种方法可能与公司的业务非常贴近。聚类分析是接受会员精细化管理，精细化营销的基础。

在用方法：对顾客细分，精准化营销。

后面会陆续可以介绍更多的建模方法的简单思路，以便大家深入了解。

作者：hooly

微信公众号：一口袋星光

我会在微信公号上减弱可以更新我的文章，你来讨论到我很欢迎。