注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘 营销应用

说出你的业务困惑, 看数据挖掘能否帮你解惑

 
 
 

日志

 
 

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享)  

2011-07-18 10:22:50|  分类: 数据挖掘交流讨论 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
 

背景:最近拜读了一号店创始人兼董事长于刚在2009年初的一篇论文《中国电子商务的发展及重要研究课题》,里面有几处谈到了跟数据分析挖掘有关的中国电子商务行业的一些研究课题和方向,包括(………四,顾客需求敏感度分析,顾客的需求是怎样依赖以下参数的?价格,可获得性,配送方式和配送费的多少,产品的类别,商家或产品在网站上的顺序,顾客对产品和商家的反馈,地域;五,顾客体验的度量,怎样用以下(或新添)参数设置一综合指标来衡量顾客体验?退货率,重复购买率,从顾客下单到配送到顾客手中的时间间隔,缺货率,顾客投诉率,及时送货率,一次性问题解决率;)。虽然这是于刚两年前的论文,但是这些来自企业一线的课题或需求时至今日既没有过时,也没有谁真正一揽子完成了解决方案,更没有谁将之有效应用到电子商务企业的管理实践中。我是个“百无一用的书生”,有幸投身数据挖掘的企业实践将近10年,近两年也更幸跳入了互联网电子商务这个大池子折腾,今天纯粹从分析技术和思路的层面针对这些问题或者需求分享我个人的一些陋见,让高人见笑了。

看了这些需求,课题,我首先想到的是分拆,分割。不同的客户群体,有不同的需求敏感度(B2C相关研究早就显示,男性网购者比女性来的豪爽(或者马虎),也消费的多,20岁的网购者比40岁的网购者更加容易受促销,优惠的诱惑);另外,不同的商品大类,也应该有大相庭径的需求敏感度(婴儿食品购买者最在意的是食品健康安全,而户外用品的买家最在意的是舒适度和产品多样性;淘宝的付费卖家与阿里巴巴的付费卖家有完全不同的互联网应用能力和网络成熟度)。所以,分析顾客的需求敏感度,最好也必须的第一步就是用户分群,不要希望所有用户都可以用同一个需求敏感系数来概括。至于如何分群?这个可以视企业自身条件和情况,常见的是按照用户的利润贡献程度大小划分,按照商品的大类划分(图书,电器,食品应该是有不同的用户消费需求敏感度和顾客体验度量的),按照新老用户来区别,按照地理区域来划分等等。要划分到什么细的层面?这个取决于项目的需求和预算,兼顾项目的性价比。毕竟划分太细的话,用处不大,但是划分太粗的话,更没有实践应用的价值。呵呵,平衡,无处不在,和谐,无处不在!!!

有了群体的划分和区别对待之后,我们可以接下来正式回答于刚的那些需求和分析方向了。

“四,顾客需求敏感度分析,顾客的需求是怎样依赖以下参数的?价格,可获得性,配送方式和配送费的多少,产品的类别,商家或产品在网站上的顺序,顾客对产品和商家的反馈,地域;”

首先从单个因素分析来考虑(这样可以帮助我们整理思路,抓住重点):

对于价格而言,每类商品,每类人群,一定是有价格弹性的。对于大多数商品,在一定价格范围内,价格降低一定比例,销量就提升一个层次。价格弹性的分析,可以让运营层和各级管理层对于具体商品的调价策略,调价影响,调价效果有一个清楚的了解,在工作中可以有的放矢;

对于可获得性(是否有现货,是否可以送到买家手上),对于配送方式,配送费,产品类别,产品顺序,等等,每个单独因素,都是可以通过统计分析中的假设检验(T检验,非参数检验,方差分析,卡方检验等等),或者回归方程来发现规律的,分析的目标变量可以是销量,也可以是销售额,也可以是销售利润,甚至可以是回头客数量,新客户数量,顾客投诉比率,顾客满意度,退货率,等等;

但是,上述单因素分析,理论上行得通,实际应用中还是有相当的不足的,因为我们在企业的实践中,不可能固定所有其他变量,只变动某个特定变量的,所以多因素的分析势在必行。常规统计分析技术中方差分析,协方差分析,都提供了比较丰富灵活的解决工具。如果涉及海量数据,大量的分析变量的话,复杂的思考的话,还可以通过数据挖掘的思路和工具。比如在数据挖掘中,针对特定商品大类,特定用户群体,特定的目标变量,上述多因素综合考虑的话,最常见的是回归方程(既有多元线性回归,也可以逻辑回归,取决于目标变量的数值类别),当然也可以用决策树,神经网络等其他的数据挖掘算法。针对每个个体ID, 收集相应的上述各个因素字段数值,以及相对应的目标变量数值,利用上述算法,是比较容易拿到结论的。

“五,顾客体验的度量,怎样用以下(或新添)参数设置一综合指标来衡量顾客体验?退货率,重复购买率,从顾客下单到配送到顾客手中的时间间隔,缺货率,顾客投诉率,及时送货率,一次性问题解决率;”

这个需求的解决,可以参考我之前的实践日志“数据挖掘营销应用(85,“活跃用户”的不同层次的定义和实践分享)”,思路上完全可以借鉴。需要指出的是,参考案例中的“活跃用户”是定义到具体单个消费者ID的,而于刚的需求,应该理解为既可以定义形容单个消费者的体验度量,也可以定义形容特定消费群体,特定商品类别,特定运营活动,特定业务团队的综合的消费者体验度量,两者没有明显技术差别,却可以有从微观到宏观的跨越式应用。

以上思路和框架,基本上可以有效回答于刚的上述需求,课题。

完了吗?

完了!

可以打多少分?

回答是“满分一百分,最多只能打十五分”。

为什么?

作为数据分析挖掘的实践课题,需要从整理提炼业务需求,到有效发现规则和分析模型,并有效投入企业的业务实践中,“一个完整的闭环是必须的”,而上面啰啰嗦嗦一大堆,也只是开个可头,整理了一个前期的思路,能拿15分已经是相当客气的了。

思路确定之后,接下来的重要工作就是组织数据,清洗数据,整理数据,摸底数据,乃至最后的成功分析数据,拿到需要的结论或者模型,用真实的客观的科学的数据,关系,方程等等回答于刚。这中间一定会有反复多次的情况,不断与业务团队分享阶段性发现,不断修正分析思路或者增减字段,不断增减修正分析需求,螺旋上升,曲折前进。直至业务部门满意,认可,赞同,愿意试试。

到了这一步,完了吗?

完了!

可以打多少分?

回答是“满分一百分,最多只能打五十分”。

为什么这么少?

上述所有的工作,还只是停留在纸上谈兵的阶段,还没有在企业实践中得到检验和验证,还没有加入企业的业务部门的资源投入,还只是蓝图,只是一厢情愿的“实验室作品”。只有真正在业务部门得到应用,得到验证,才有可能拿到及格分,或者更高的分数。

而要把上述结论在企业业务实践中得到有效应用,需要的是企业管理层的推动,需要的是企业业务部门的真正的积极配合和合作,当然也离不开数据分析团队的虚心心态(真诚向业务部门学习业务,真诚倾听业务部门的建议或者意见),需要企业全员的数据化意识和能力,其中企业管理层的数据意识和重视尤其重要。

我想于刚真正的需求一定不是局限于分析技术层面,一定是需要在分析技术之后的业务应用的流程改造上,一定是想知道如何落地应用,一揽子综合应用。比如,假设我们知道了针对一号店的“食品饮料”类,价格是最影响顾客需求敏感度的指标;而针对一号店的“厨房清洁品”类,排序和花样是最影响顾客需求敏感度的指标,那么如何落地应用这些结论呢?一个最直接的应用场景就是直接在一号店的供应链管理里面的库存管理模块里固化进我们分析出来的指标权重因素,另外一个最常用的应用场景就是一号店的运营团队在制定不同推广方案,促销活动时可以参考这些结论或者建议,实现精准推广,有效推广。当然,还有一个相当重要的场景,在一号店的CRM系统中,有效落实这些分析结论,比如每个客户增加一个顾客体验总体度量字段,由此可以统筹管理每个用户的综合体验值,进一步可以延展不同的细分服务,关怀,跟踪。

                              2011-7-16 写于大团队厦门outing旅途空隙

附录:于刚论文《中国电子商务的发展及重要研究课题》链接:http://blog.sina.com.cn/s/blog_6c72c8bd0100ln3u.html

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享) - 数据挖掘,人在旅途 - 数据挖掘 营销应用

 鼓浪屿上的大榕树

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享) - 数据挖掘,人在旅途 - 数据挖掘 营销应用

 

昔日厦门前线的岸防碉堡,今日景点,时光转瞬之间,化干戈为玉帛

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享) - 数据挖掘,人在旅途 - 数据挖掘 营销应用

 鼓浪屿的标志物之一: 日光岩

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享) - 数据挖掘,人在旅途 - 数据挖掘 营销应用

 古色古香的闽台文化

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享) - 数据挖掘,人在旅途 - 数据挖掘 营销应用

 网上疯传的“张三疯奶茶”

数据挖掘交流讨论(29,“一号店”于刚关于电子商务发展重要研究课题之数据分析挖掘部分的个人思路分享) - 数据挖掘,人在旅途 - 数据挖掘 营销应用

 这个是房祖名吗?哈哈哈哈

  评论这张
 
阅读(3447)| 评论(1)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017