AI产品养成（6）： 用户生命周期管理+ 复购率提升
2023-04-26 19:14:51 1 举报AI智能生成
AI产品养成（6）：用户生命周期管理+复购率提升
作者其他创作
大纲/内容
复购率
复购率 = 重复购买人数 / 总购买人数<br>
销售额 = 流量 × 转化率 × ARPU（客单价） × 复购率。
提升复购率就是提升盈利能力
如何提高复购率
<font color="#e74f4c">用户分层</font><br>通过用户生命周期管理<br>来激发新用户的加入、<br>激活老用户的复购，<br>进而提升客户的转化和留存。<br><br>
<font color="#e74f4c">商品分层</font><br>商品品类的不同对用户复购会产生的影响<br>
<font color="#e74f4c">构建用户复购模型</font><br>找到用户特征与商品品类之间的关联关系，<br>再通过分类算法计算出某个用户在品类下的 CVR<br><br>
用户生命<br>周期管理<br>
什么是<br>用户生命<br>周期？<br>
用户在使用一个产品或服务的全过程，<br>从了解、试用、使用，到停止使用的过程。<br>通过用户生命周期模型可以描述不同阶段的特征和用户行为，帮助企业制定相应的运营策略，以提高用户留存率和付费率。<br>
生命周期的<br>整个过程<br>
<font color="#e74f4c">低潜期和引入期</font><br>:加强品牌推广、提供优惠活动、提升用户体验等方式吸引用户，并在这个阶段获取用户的数据。<br>
<font color="#e74f4c">高潜期和成长期：</font><br>用户对产品或服务的兴趣和依赖度会逐渐增加，<br>需要持续推出新功能、提升用户体验、提供专业的支持和服务等来稳定用户，并挖掘用户潜力，根据用户偏好和需求做出相应的修改和改进。<br>
<font color="#e74f4c">成熟期和衰退期:</font><br>用户对产品或服务的兴趣和依赖度可能降低，<br>提供有价值的付费功能、精准的推荐等方式刺激用户继续使用并购买，或者是推出新的升级版产品或服务，以保持用户关注度。<br>
<font color="#e74f4c">流失期：</font><br>用户已停止使用产品或服务，需要寻找原因并改进问题，例如主动与用户沟通、增加用户参与度、提供更好的客户服务等，以留住用户或吸引其他潜在用户。<br>同时对于流失用户还可以调查原因、了解用户不满意的地方进行优化，防止类似问题再次出现。<br>
如何划分<br>用户生命周期<br>
基于聚类分析定义用户分层，<br>也就是基于聚类分析的 RFM 用户价值划分
基于阶段规则定义用户分层，<br>分别是低潜期、高潜期、引入期、成长期、<br>成熟期、衰退期和流失期<br>
预测用户复购<br>意向的模型<br>
数据准备
数据源来自哪里？<br>即数据如何获取，这里包括内部业务数据、跨部门集团内数据、外采数据<br>
数据量是否充分，是否还要外部数据补充？<br>
数据是原始数据还是加工后的数据？<br>如果是二次加工后的数据，还需要了解数据加工方法。<br>
数据的业务背景是什么，其中每个字段代表什么含义？
数据字段是什么类型？每个字段都属于什么分布？
数据本身是否有噪音，是否需要进行清洗和降维？
特征工程
对数据准备环节中抽取出来的样本数据进行数据清洗、特征提取和特征选择，并最终构建好用于模型训练的训练集和测试集数据。<br>
统计用户历史行为
对用户历史行为按照 userpin 进行分组，<br>然后统计用户在所有店铺中，<br>对商品、品类、品牌的购买、点击、收藏和加购等行为的次数。<br>
统计店铺历史行为
对用户历史行为按照 vender_id 进行分组，<br>然后统计所有用户在此店铺上的行为次数。<br>
统计用户在店铺<br>上的历史行为<br>
对用户历史行为按照 user_id 和 vender_id 进行分组，统计每个单独的用户在此店铺上的行为次数。<br>
模型训练
算法的选型：<br>如逻辑回归、K 近邻、决策树、随机森林等等。<br><br>
模型验证
使用 混淆矩阵、KS、AUC，<br>并且混淆矩阵的结果还要结合准确率、精确率和召回率和 F1 值一起来看。<br>
学习来源： 刘海丰《成为AI产品经理》京东高级架构师 +Chatgpt学习查询
0 条评论
下一页
