文章目錄
數據分析中主要的分析方法
- 聚類分析 (怎麼判斷用戶屬於哪一類)
- 迴歸分析 (怎麼跳出對目標有影響的變量)
- 分類預測分析 (怎麼跳出對目標有影響的變量)
- 組間差異分析
與統計概念連接起來的重點
- 聚類分析:數據之間的距離
- 分類分析:各種分佈下的假設檢驗、數據距離
- 迴歸分析:正態分佈
四個方法的內在聯繫
- 聚類分析:我們的用戶由哪些羣體組成?這些羣體有哪些明顯的特徵?
- 迴歸分析:未來銷售趨勢是什麼樣的?我們的營銷投入是如何營銷銷售額的?
- 分類分析:如何篩選出最值得去營銷的客戶
- 組間差異分析:不同客戶羣,營銷渠道和方案的ROI有顯著差異嗎?
數據分析驅動業務的根本目標
- 最小的營銷投入產生最大的銷售收入
聚類分析方法
1.聚類分析是什麼
把相似的分析對象,根據各自特徵分成不同的組別的統計方法
2.常見的聚類分析應用場景
- 客戶分羣(segmentation)
- 由此衍生出對客戶的畫像工作
客戶分羣的目的
目的是利用顧客特徵屬性將顧客總體分成若干顧客羣組使得組內顧客特徵相似,同時不同組的顧客之間的特徵差異較爲明顯。
客戶分羣的數據維度
- 消費行爲習慣數據
- 消費者對產品的態度
- 消費者自身的人口統計學特徵
- 顧客們消費行爲的度量如RFM(時長,頻率,金額)等數據
客戶管理和市場營銷的從業者們的應用
基於顧客的個人,行爲和交易等數據對顧客和市場進行分羣
然後深入瞭解和認識各個顧客羣體,指定更有效的顧客管理
策略和更具針對性的市場營銷策略
基於聚類的客戶分羣的作用
能幫助我們更清楚的認識客戶,類似於這裏從左圖到右圖的差別
憑着經驗和有限數據去理解客戶—認識是模糊的
採用了聚類方法明確了區分不同客戶的特徵
有助於我們回答下面這些關鍵的問題:
如何能夠爲不同客羣提供定製化的產品或者服務
如何設定品牌的主要形象和定位
如何根據顧客需求,挖掘新的產品和服務機會
某個旅遊企業對用戶數據的積累
實現對不同客戶的差異化策略
制定針對性的旅遊產品
目的:通過聚類分析實現客戶分羣
數據:自身數據及第三方公司合作
具體工作流程:
K-Means聚類
K-Means聚類
核心:
- 將所有的觀測之間劃分到K個羣體
- 使得羣體和羣體之間的距離儘量大
- 同時,羣體內部的觀測之間的“距離和”最小
是一種快速聚類法
- 採用該方法得到的結果比較簡單易懂
- 對計算機的性能要求不高
- 應用也比較廣泛
具體的工作流程
分層聚類不需要事前確定要聚到多少類
後期根據業務覈對數據的瞭解確定類的個數
計算數據之間的距離
距離越大相似度越低,距離越小相似度越高
聚類分析非常注重落地效果
注意點:
- 聚類之後的用戶分羣是否有明顯的特徵?
- 聚類之後用戶分羣是否有足夠數量的用戶?
- 這些分羣是否能夠被觸達?分羣結果必須是可操作的,如果我們分羣中出現了很多無法觸達的客羣,比如沒有手機號,微信或者郵件等任何一一個聯繫方式,那麼
即便再有價值的分羣,也是對企業來說沒有可操作空間的