数据分析-划分客户等级

文章目录

    • 概念
      • 1. 划分客户
        • 真题:网易笔试:
        • 真题:网易面试:
    • 例题

概念

1. 划分客户

互联网运营应该以用户为中心,用户才是互联网时代的真正大佬!随着用户不断积累与沉淀,当用户达到一定量级(暂无固定值)之后,给自己的用户定义分级是十分重要的工作。

如果我们将企业的客户按照下单频次客单价两个维度切分成四个象限,划分为A、B、C、D、E五个群体,企业的核心诉求之一,便是找到更多的潜在客户群体A,转化为客户群体B,并努力使客户群体B向客户群体E转移,尽量留在E的位置。

数据分析-划分客户等级_第1张图片

真题:网易笔试:

  • 考拉海购始终以用户为中心,为用户提供高品质的商品,帮助用户“用更少的钱,过更好的生活”。为了满足不同用户的需求(比如新客户的要求可能跟老客户不同,流失客户需要特殊的关怀) ,请你设计一套具体的方案,合理划分不同用户,并能给出相应的建议。

答:(一)划分客户,就是找要两个坐标轴。在面试过程中:我们可以分析一下顾客的生命周期。然后选出最重要的两个指标。

一般Y轴为“客户价值”!
X轴根据题意,这道题可以选择“流失率”。

那么 x与Y轴的指标怎么计算呢?使用RFM模型:R(Recency):客户最近一次交易时间的间隔。F(Frequency):客户在最近一段时间内交易的次数。M(Monetary):客户在最近一段时间内交易的金额。)

(二)对策:如何保持忠实顾客、或者挽回流失顾客?

首先分析顾客流失的原因: 价格、季节、渠道、竞争对手。使用A/B测试找到用户对用的“G点”:在实验过程中让一部分人接触“惊喜时刻”,看看它会对保留率产生怎样的影响.

然后做一些对应性的活动:(1)会员日专享活动,可以刺激用户消费,通过消费获得更高的特权(2)积分换券、积分抵现、积分换购等

真题:网易面试:

  • 如何建立预测一个 APP 的用户流失模型?可以创建哪些特征? 答案
    参考:http://www.woshipm.com/data-analysis/833080.html

答:

  1. 用“RFM模型” 判断定义顾客流失概念。
  2. 在“分析窗口”内(1月份到12月份)以月份为单位,对从0到12的连续不活跃月份数上的用户数量进行计数统计。数据分析-划分客户等级_第2张图片
  3. 计算用户流失概率: 数据分析-划分客户等级_第3张图片

例题

  • 京东面试题:怎么从100个商家里选出最好的十个

  • 怎么估计一个城市多少理发店?

从需求入手,理发店数量=总人口 乘以 每年理发几次 除以 一家店一年可以服务的人

  • 镜面题目,城市的地铁运行量?

从供应出发:线路数目 乘以 一条同时几列车 乘以 上座率

  • 总之,问一个东西的大数量,用乘法。

  • 问一个,小数量,用除法。都要进一步分割。

  • 苹果价格受什么影响?

从供需两方面分析。

  1. 供应 季节,气候,种植面积(上一年价格),运输成本。
  2. 需求,季节,替代水果价格
  • 考拉海购始终以用户为中心,为用户提供高品质的商品,帮助用户“用更少的钱,过更好的生活”。为了满足不同用户的需求(比如新客户的要求可能跟老客户不同,流失客户需要特殊的关怀) ,请你设计一套具体的方案,合理划分不同用户,并能给出相应的建议。


从以下三个维度划分用户,即每个用户都将被打上以下三种标签
1、新老客标签
用户设备ID是否第一次出现来区分用户是新客还是老客,对于新客可进行新客指引及提供新客首单优惠活动等

2、人群标签
枚举值:男性、70后及70前女性、80后女性、90后女性
此标签数据来源于用户个人填写信息及其行为
各大人群偏好品牌及品类不同,可进行个性化推荐,如给男性推荐男装、运动品牌,
给70后女性推荐家居品类,给80后女性推荐母婴产品,90后女性推荐化妆品等,当然这个运营人群标签可根据用户浏
览/购买历史进行细化,如有女性用户浏览或购买过母婴
品类,即可将其归于80后女性-已婚-有小孩

3、活跃状态标签
根据用户购买情况确定其活跃状态,如30天内有订单视为活跃用户,80天内有订单为高危用户,
160天内无订单而有历史订单为流失用户等

枚举值:活跃、高危、沉睡、流失、注册未购买
对于活跃及高危人群可根据其行为推荐偏好品牌以刺激消费
对于沉睡、流失用户可进行push或短信推送优惠券及活动预告
对于注册未购买的用户则可进行相关提示,如购买首单优惠等信息

你可能感兴趣的:(数据分析)