数据化运营中常见的数据分析项目类型

1. 目标客户的特征分析

• 试运营前虚拟特征探索
• 真实运营后的用户特征数据分析

2. 目标客户的预测（响应，分类）模型

• 流失预警
• 付费预测
• 续费预测
• 运营活动响应

3. 运营群体的活跃度定义

活跃度指标体系是业务场景中最核心的行为因素
活跃度的定义合适与否依据其是否能有效回答业务需求
覆盖率，根据活跃度定义出来的活跃用户，可覆盖到多少实际的付费用户
技术 ：主成分分析 数据标准化

4. 用户路径分析

算法支持
按步骤遍历主要路径

5. 交叉销售模型

找出有冥想意义和商业价值的商品组合，可同时购买，也可有先后顺序

• 关联技术（购物篮技术分析）
• 响应模型（对几种重要商品建立预测模型，对潜在客户进行预测判定，精准营销）
• 响应模型（重要商品组合）
• 决策树
• 关联分析，序列分析（先后顺序考虑）预测（响应，分类）逻辑回归，决策树

6.信息质量模型

专家打分，拟合上坪offer要素与总分的关系

7. 服务保障模型

to B平台保障商家（客户）达成更多交易

8. 用户（买家/卖家）分层模型

基于粗放运营与个体概率预测模型之间的一种折中有有过度的模型
技术：

• 统计分析（相关分析，主成分分析）
• 预测（响应）模型的技术（搭建预测模型发现最重要的输入变量及其排序，再根据这些变量对分层进行大致划分）

9. 买家（卖家）交易模型

商品推荐模型，交易漏斗分析，买家细分（个性化商品和服务）优化交易路径

10. 信用风险模型

• 欺诈预警
• 纠纷预警
• 高危用户判断

11. 商品推荐模型

• 规则模型（apriori）
• 协同过滤
• 基于内容的推荐

12.数据产品